作者丨刀刀
“像人一樣思考”“像人一樣行動”“理智地思考”“理智地行動”。這四個不同方向是現代人工智慧領域對於Artificial Intelligence諸多定義的高度概括。從定義看來，我們對人工智慧的現實期望，在逐步降低。然而，即便是在“弱人工智慧”的方向上，我們也沒有取得令人滿意的結果。
01
# 真正的人工智慧還很遠
1. 它還不夠‘智慧’
經過幾十年的發展，人工智慧已經從對知識的簡單處理，過渡到對特徵的處理，現在正處於資料處理的時代。縱使我們對人工智慧持續投入，報以熱切期待，但人工智慧的效果仍不盡如人意。
有位朋友曾經在使用自助售貨機時，下載了某個人臉識別結算軟體。之後的幾天，他意外收到一個異地消費經歷。這讓他十分詫異，結果很明顯，是機器“瞎”了，認錯了人。（讓我有些吃驚的是，這位朋友竟然輕鬆要到了那天識別到的圖片，並表示完全不像）
很多人類不會出現的低階錯誤，機器仍然無法克服。更不用說連人類也常犯錯誤的領域，比如駕駛。也因此，‘人工智慧’又被很多人戲稱為‘人工智障’。
2.它還離不開‘人工’
我們經常看到“人類過於依賴人工智慧”的話題，但在我看來，現狀應該是“人工智慧太過依賴於人類”。
語音助手對你說的每一句俏皮話，背後都有冷冰的的程式碼和資料庫在支撐。遊戲裡npc的行為和話語令你動容，也只是因為作為人類的你在主動代入罷了。
它們的一舉一動，都是無數人類工程師共同努力的結果。離開人類，它們就成了純粹的工具，沒有任何‘智慧’或‘人性’可言。
簡單來說，現代社會的人工智慧，並不生產智慧，它們只是人類智慧的搬運工。
但‘人工智障’的現實，並不會束縛我們對‘超級智慧’的暢想。
02
# 對人工智慧探索比你想的要遠
人類與機器“思考”的原理並沒有想象中差的多。
很多人對機器的印象依然停留在工業時代，建好結構，加上動力，裝置就能跑了。關於裝置如何運轉，我們一清二楚。
但如今的人工智慧，很多人更願意稱呼ML/DL（機器學習、深度學習），比如前面提到的語音助手，識別→轉換→匹配→反饋（操作）。雖然其運作流程仍較清晰，但與工業時代清晰的內部構造相比，這一過程中多了無數的黑匣子。
牛津大學科學家Torsten和他的小組曾進行過一項實驗，利用計算機化的進化來創造一個能控制虛擬身體行走的虛擬大腦。他們開發了100個隨機大腦。在最開始的時候，幾乎所有虛擬機器器人的的行走能力都不盡人意。不過，演算法會選擇表現最佳者，讓它們產生後代，重新進行培養、測試。在經歷了10代之後，虛擬機器器人已經可以磕磕絆絆地行走，100代之後，它們已經能夠穩定行走，甚至可以更進一步——對“意外事件”做出準確、迅速的反應。然而，儘管是人類設計了這些演算法，但當進化發生時，人類並不能控制實際發生的情況，進化本身對其進行了自動最佳化。
我們無法看清這些黑匣子。我們瞭解它們運作的動向，卻無法搞明白原理。就像我們的大腦一樣。
機器學習是參照大腦結構進行的粗略建模。人類的大腦無疑是這顆星球上最強大的智慧叢集。但當我們開啟這個‘黑匣子’，試圖探尋其中奧秘時，卻發現其中最主要的物質—神經元，只是重複做著一系列極其簡單和基礎的工作，釋放化學物質來啟用或是抑制訊號的傳遞。
我們自認為最複雜的系統，正是由這些最簡單的基礎單元構成。而且這些單元，與輸出0、1訊號的處理器沒有分別。
人類，也是資料。前段時間看‘異星災變’，讓我對這句話有了更深刻的理解。被注入一串程式碼的機器人，誕下了一隻生物。初看時，覺得荒誕無比。再細想，人類的精子、卵子結合，不也是一串程式碼？被注入程式碼的機器人，變得‘嗜’血，這和十月懷胎，為胎兒提供蛋白質、礦物質等養分的機制是一個道理。只是這串程式碼複雜到令人咋舌的地步，才讓我們誤以為用一串程式碼誕下一隻生物是多麼不切實際的事情。
人類，或許真的沒什麼特別的。
03
# 褪去‘人工’二字的關鍵
1. 無序
與人類相比，人工智慧的優勢在於，穩定。穩定到幾乎所有的“計算失誤”，都有人為的影子。而問題恰恰就在於，它太穩定了。
穩定與無序，是對立的兩個詞，但“穩定的無序”卻是生物億萬年進化的決定要素。細胞的突變，是一件令人畏懼的事，比如幾乎致命的癌細胞。而緩和的“突變”卻給這顆藍色星球帶來了幸福的參差多型。
在我看來，人工智慧缺少的恰恰是無序。沒有無序，便不會有新的有序。
量子理論揭示了世界的不確定性，但我們的機器依然停留在機械的、確定的時代。無序與不確定性，或許是人工智慧擺脫程式束縛的唯一出路吧。
2. 自組織
我們一直潛心研究，試圖打造能像人類一樣思考的人工智慧。但我們好像忘記，人類如何思考這件事本身，還沒搞清楚。
我們總在爭論，機器能否思考？但換個問題，大腦本身能否思考呢？兩個問題的答案或許一樣，不能。能夠進行思考的，是包括人和環境在內的整個系統中的人腦。讓機器本身“像人一樣思考”或許本就不可能。
螞蟻、蜜蜂這些社會性昆蟲的群體行為，展現了自組織的魅力。就像《阿凡達》中連線所有生物意志的生命之樹，千億個孤立神經元彙集而成的大腦。
圖靈方程描述了一個生物系統如何實現自組織：用非常簡單的方程，來描述非常簡單的過程，將其合併之後，複雜性突然出現，伴隨複雜性出現的是特定的模式。
叢集智慧，或許才是機器思考的最終答案。
以上內容，純屬瞎掰。部分內容引自《人工智慧、自組織與混沌中的秩序》