人工智能能否超越人类智能？

//注：本文为人工智能引论课程作业，不小心写的太长了，于是贴在了这里。这是一个太常见的问题了，连解答都很常见，不过这篇文章里还是有少量自己认为别人没有提出过的想法的~

人工智能能否超越人类智能？这个问题并不容易回答。2017年12月，在乌镇开幕的第四届世界互联网大会上，库克、马化腾、马云、李彦宏等互联网公司管理者，在谈及对人工智能能否超越人类智能的看法时，都给出了“不可能”的答案，言不必担心人工智能给人类带来的威胁^[1]。而另一个由牛津大学和耶鲁大学联合进行，针对350多名人工智能专家的调查却显示，这些专家普遍认为人工智能将在50年内超过人类^[2]。互联网上同时充斥着“为什么人工智能会超过人类”和“为什么人工智能永远不会超过人类”的论述文章。笔者认为，想要搞清楚人工智能到底能不能超越人类智能，必须搞清楚什么是智能，什么不是智能。

人工智能会让人失业吗？会的，而且这样的事情离我们并不远。根据李开复^[3]的观点，金融行业首当其冲，翻译也正在被效果越来越好的机器翻译取代，部分新闻的撰稿已经可以由机器代理，还有更多的专业职业比如司机、放射科医生都可能会在不久的未来由于人工智能的冲击而失业。虽然目前这些估计只能停留于估计，但鉴于人工智能已经在类似的领域取得了很多的突破，这并非耸人听闻。

那么，人工智能为什么非常有可能在这些领域取代人类？换一个问法就是，人工智能相对于人，有什么普遍的优势？笔者认为，主要有这几点：

1. 处理信息的速度的优势
2. 处理信息量的优势
3. 表现稳定程度的优势
4. 应对扩展的优势

其中，其处理信息的速度和量级优势，是人工智能的架构优势。通过将任务的解决过程数字化、程序化，其可以快速地处理信息，并可以处理人类所无法企及的数据量，比如对社交媒体上每时每刻都在产生的数以万计的图片进行实时内容审查^[4]。而其表现程度的稳定性，则表现在其服务质量不会因为多次使用而改变，没有“疲劳”的问题。最后，这几点将归结为人工智能的成本优势。由于目前的大部分应用可以轻松部署在通用的计算机平台上，并可以用增加计算节点的数量和性能跟进增长的用户需求，这个成本是远低于人工的。

那么我们可以说“人工智能超越人类智能”了吗？远远不可以。因为这些优势，并不能被定义为“智能”。如果这些被定义为智能，那还不如说“电脑早在多年前就超越了人类智能”。人工智能的“智能”在于它处理复杂的实际任务的能力，我们应研究人工智能这些能力发展的程度，以及在其解决问题的过程中体现的类似人类的思维过程。

目前人工智能的火热研究场面，主要应该归功于人工深度神经网络的大范围应用。神经网络作为一种非常成功的模型，在很多完全不相干的领域对传统做法实现了完胜，大幅提升的准确率终于使得人工智能产品得以逐步走向市场，带来利润。不过，需要注意的一点是，虽然这种模型叫做“神经网络”，但它并不是对人类认知过程的一种忠实的模拟，只是借鉴了神经元的连接架构，用数学函数代替了神经元的功能，用参数优化方法来找到函数族中的较优解，与其说是神经网络，不如说是运算网络。

在这里，关于深度神经网络，笔者想要着重讲述的一点是，它的学习过程极度依赖数据。一个人类婴儿可以轻松通过几个例子学会分辨物品，但神经网络想要做到这一点就需要数百万张人工标记的图像，耗费数天进行优化。与其说这是智能，不如说这是统计。试分析其原因，一个人类可能会将“自行车”分解成“车轮”等元素的概念及其组合方式，用这种方式来理解这种物品，下次再遇到滑板车，可以借助之前形成的概念来加快认知过程。这个过程并没有自然的设计在人工神经网络的数学模型里，因此每次都相当于从头学习（如果算是学习的话）。这种归纳思考、概念拆分、归类的能力可算是智能，但现在人工智能看起来还不具备这些特点。这种缺陷也体现在，神经网络对一个任务的理解和掌握无法方便地用于其解决另一个任务的实践当中。

关于人工智能是否具有“创造性”，这个问题反倒是笔者不喜欢讨论的。因为这种创造性无法测量，而且可能只是因为模型被设计于解决某个实际问题，而且只关心结果，因此不展现出它的创造过程罢了。笔者估计，保持目前的数学模型的基础不变，在未来通过科学地设计输入输出，可能可以让模型展现出一些这方面的能力。但这些能力算不算智能，恐怕也不好说，它们最终还是来源于大量的数据，通过从随机初始化的网络开始，发现数据的规律，而缺乏创造中常见的类比推理过程，也因此两个平行任务的创造结果也难以共用，这些情况在人类身上是不会出现的。

总之，笔者认为，人工智能在目前的发展方向上，没有超越人类智能的希望，为了在“智能”上再迈进一步，我们或许要从摆脱对数据和训练这个思维模式的依赖来入手。

全文完，约1790字，感谢您的阅读。GZZ于2019/2/23。