1996年春晚，郭冬臨在小品《有事您說(shuō)話》爆紅后的第二年，又推出了新作《路口》。小品諷刺了專門(mén)給外地司機(jī)指路賺錢(qián)的一些人，播出后立刻制造了當(dāng)年的流行語(yǔ)，“指路收費(fèi)，缺德??！”

10年后，2006年，高德公司與一汽大眾簽訂供貨合約，正式成為一汽大眾電子地圖導(dǎo)航供應(yīng)商，從此吹響了機(jī)器替代人指路的序曲。

20年后，2016年，每臺(tái)智能手機(jī)都可以進(jìn)行詳細(xì)導(dǎo)航，我國(guó)自主研發(fā)的北斗衛(wèi)星導(dǎo)航系統(tǒng)更是已經(jīng)全球領(lǐng)先，精確度達(dá)到了0.5米。

可能郭冬臨當(dāng)年也不會(huì)想到，指路收費(fèi)這個(gè)行當(dāng)，沒(méi)有因?yàn)樗男∑方^跡于道德的審判，卻伴隨著科技的進(jìn)步，無(wú)聲地消失在了歷史的涓涓細(xì)流中。

不僅僅是導(dǎo)航，無(wú)人駕駛、智慧城市、智能家居這些前所未有的新業(yè)態(tài)、新形式越來(lái)越成為現(xiàn)代生活的一部分，而隱身其后的人工智能也正在逐步把科學(xué)幻想變成現(xiàn)實(shí)。

作為第四次工業(yè)革命中最具有根本性變革的前沿技術(shù)，人工智能當(dāng)之無(wú)愧成為了未來(lái)國(guó)際競(jìng)爭(zhēng)的關(guān)鍵戰(zhàn)場(chǎng)。

同時(shí)，全球咨詢公司巨頭麥肯錫也宣布：?2030年，全球?qū)⒂?億人的工作崗位或被智能機(jī)器人取代，人數(shù)相當(dāng)于現(xiàn)在全球勞動(dòng)力的1/5。

既然人工智能將越來(lái)越深度影響到我們的發(fā)展，今天就給各位介紹一下到底什么是人工智能，我們又該如何面對(duì)。

前方高能，即將進(jìn)入硬核科普燒腦階段，提醒沒(méi)有時(shí)間的朋友現(xiàn)在應(yīng)該退出了。

我們繼續(xù)。其實(shí)，“智能”的定義本身就頗有爭(zhēng)議性，即使是專業(yè)研究人員也大都是從各自的專業(yè)角度進(jìn)行闡述。

至于人工智能，就更是沒(méi)有明確的說(shuō)法。你可以把它理解成能夠通過(guò)對(duì)環(huán)境的感知，做出合理行動(dòng)的計(jì)算機(jī)程序，比如蘋(píng)果產(chǎn)品中的siri助手；也可以是建構(gòu)機(jī)器人或者是智能機(jī)器的科學(xué)技術(shù)領(lǐng)域。

在《你一定愛(ài)讀的人工智能簡(jiǎn)史》一書(shū)中，智能被定義為“搜索+評(píng)估”。我覺(jué)得這個(gè)解釋相對(duì)來(lái)說(shuō)比較接近本質(zhì)，也好理解。搜索，大家都不陌生，指的是大量占有信息；評(píng)估，指的是在搜索的基礎(chǔ)上對(duì)信息進(jìn)行判斷，從而指導(dǎo)行動(dòng)。

人和動(dòng)物其實(shí)無(wú)時(shí)無(wú)刻不在進(jìn)行著搜索和評(píng)估，比如人在過(guò)馬路時(shí)的觀察和判斷。而現(xiàn)階段的人工智能追求的目標(biāo)也基本上處于最大限度實(shí)現(xiàn)模仿人類智能的水平。

這本書(shū)的作者山本一成是世界人工智能領(lǐng)域的代表人物之一?？赡苣銓?duì)這個(gè)名字不太熟悉，但你一定聽(tīng)說(shuō)過(guò)IBM公司的“深藍(lán)”和谷歌公司的“阿爾法狗”。

山本一成開(kāi)發(fā)的“PONANZA”程序與“深藍(lán)”和“阿爾法狗”并稱為人工智能史上的三大標(biāo)桿。之所以大家不熟悉，可能是因?yàn)榕c前兩個(gè)明星程序不同，“PONANZA”是一款針對(duì)日本傳統(tǒng)棋類“將棋”研發(fā)的程序。

因?yàn)橄旅鏁?huì)舉一些將棋的例子，先說(shuō)兩句關(guān)于將棋的題外話。

將棋位列世界4大棋類（圍棋、世界象棋、中國(guó)象棋、將棋）之一。有一種說(shuō)法，將棋是由唐朝時(shí)中國(guó)象棋演變而來(lái)；另一種說(shuō)法是將棋和中國(guó)象棋都是從印度的“恰圖蘭卡”中演變出的不同分支?？傊谙挛闹锌梢园选皩⑵濉鳖惐瘸芍袊?guó)象棋。

提人工智能，我們就不得不提到兩次標(biāo)志性事件，一是1997年在國(guó)際象棋領(lǐng)域，計(jì)算機(jī)“深藍(lán)”第一次戰(zhàn)勝了人類世界冠軍卡斯帕羅夫；二是2016年，阿爾法狗人工智能機(jī)器人首次戰(zhàn)勝圍棋世界冠軍、職業(yè)九段棋手李世石，并于2017年，戰(zhàn)勝世界排名第一的圍棋冠軍柯潔。

這兩次事件在當(dāng)時(shí)都很出名，但大家有沒(méi)有想過(guò)一個(gè)問(wèn)題，同樣是棋類比賽，在電腦軟硬件都飛速提升的今天，為什么從國(guó)際象棋到圍棋，戰(zhàn)勝人類，計(jì)算機(jī)竟然用了20年的時(shí)間？

借用這個(gè)問(wèn)題，正好可以把人工智能的三個(gè)發(fā)展階段串起來(lái)。

一、人工智能的小學(xué)階段，突破程序員的限制

我們先從計(jì)算機(jī)“深藍(lán)”是怎樣戰(zhàn)勝人類的棋手說(shuō)起。

計(jì)算機(jī)在我們生活中早已司空見(jiàn)慣，小到手機(jī)、大到飛機(jī)的操控系統(tǒng)，電腦的身影無(wú)處不在。但從本質(zhì)來(lái)講，看似無(wú)所不能的電腦其實(shí)只有兩個(gè)功能——計(jì)算和存儲(chǔ)。

除了不斷重復(fù)單純的計(jì)算和存儲(chǔ)外，它基本上就沒(méi)有別的功能了。之所以我們會(huì)感到電腦無(wú)所不能，是因?yàn)槌绦騿T用計(jì)算機(jī)語(yǔ)言提前寫(xiě)好了程序，也就是先給電腦下達(dá)了如何計(jì)算的命令，從而讓電腦能夠解決更多的問(wèn)題。

那么，在國(guó)際象棋比賽中，計(jì)算機(jī)是因?yàn)榇鎯?chǔ)了所有的棋局，然后根據(jù)對(duì)手的行動(dòng)調(diào)用能獲勝的那一盤(pán)來(lái)應(yīng)對(duì)嗎？

剛開(kāi)始時(shí)，程序員們也是這個(gè)思路。但是很快就發(fā)現(xiàn)這樣做根本行不通，因?yàn)榭赡艹霈F(xiàn)的棋局實(shí)在是太多了。

就拿變化數(shù)最少的國(guó)際象棋來(lái)說(shuō)，理論上它產(chǎn)生的所有棋局?jǐn)?shù)將達(dá)到 〖10〗^120個(gè)，也就是1后邊有120個(gè)零。

這是什么概念呢？谷歌公司大家都很熟悉，其實(shí)這個(gè)名字來(lái)源于一個(gè)數(shù)學(xué)單位古戈?duì)枺℅oogol），表示的數(shù)量是1后面有100個(gè)零。據(jù)推測(cè)，宇宙內(nèi)可觀測(cè)的所有原子數(shù)量尚不足1古戈?duì)?，而?guó)際象棋的全部可能棋局?jǐn)?shù)比1古戈?duì)栠€多出來(lái)20個(gè)零。

我本來(lái)想用多少倍來(lái)描述這個(gè)感覺(jué)，2個(gè)零是100倍，20個(gè)零到底是多少倍呢？國(guó)際象棋變化數(shù)比全宇宙可觀測(cè)的原子數(shù)多多少，竟然用文字很難說(shuō)清楚。所以，這都不是天文數(shù)字能夠形容的了，雖然計(jì)算機(jī)與人腦相比擅長(zhǎng)計(jì)算和存儲(chǔ)，但是對(duì)于這個(gè)量級(jí)的計(jì)算也只能是望洋興嘆。

而我們古老的圍棋所有的棋局?jǐn)?shù)為 〖10〗^360個(gè)，以現(xiàn)在的計(jì)算機(jī)水平，從宇宙大爆炸一直計(jì)算到今天也計(jì)算不完。

既然沒(méi)法得到全部可能的棋局，那該怎么辦呢？還記得我們開(kāi)始說(shuō)到的智能等于搜索加評(píng)估嗎？程序員開(kāi)始從這個(gè)思路尋找辦法，并提出了機(jī)器學(xué)習(xí)的概念。

當(dāng)對(duì)方落子后，電腦首先會(huì)搜索所有可能的落子點(diǎn)，但與以往不同，計(jì)算機(jī)不會(huì)對(duì)每個(gè)落點(diǎn)都展開(kāi)推測(cè)，而是推測(cè)那些相對(duì)來(lái)說(shuō)贏率比較大的落點(diǎn)。

那怎么確定誰(shuí)的贏率大呢？這就涉及到了評(píng)估。山本一成介紹說(shuō)，開(kāi)始時(shí)，程序員對(duì)每個(gè)棋子手動(dòng)設(shè)置不同的權(quán)重。以將棋為例，如飛車值1500分、桂馬值500分，同時(shí)棋子的分布距離也一一設(shè)定好分?jǐn)?shù)。就好比中國(guó)象棋里車、馬、炮本身和他們之間的位置都設(shè)定了不同的價(jià)值，計(jì)算機(jī)通過(guò)最后的求和，得出一個(gè)最優(yōu)解，然后移動(dòng)棋子。

雖然其中涉及了很多具體的高等數(shù)學(xué)運(yùn)算，但深藍(lán)大體上就是基于這種思路取得的勝利。之所以首先在國(guó)際象棋領(lǐng)域取得了成功，是因?yàn)閲?guó)際象棋的棋子機(jī)動(dòng)性非常強(qiáng)，因此棋子數(shù)量的多少與勝負(fù)直接相關(guān)，這就使評(píng)估分?jǐn)?shù)的設(shè)定相對(duì)容易了很多。這也是20年前就能取勝的主要原因。

但是，大家可能已經(jīng)發(fā)現(xiàn)，這種設(shè)計(jì)過(guò)于機(jī)械，對(duì)于將棋或者中國(guó)象棋并不適用。因?yàn)樵谙笃逯胁豢赡芤驗(yàn)檎l(shuí)的棋子多誰(shuí)就明顯有優(yōu)勢(shì)，也不可能因?yàn)檐嚨臋?quán)重比卒子大，就一直要移動(dòng)車，事實(shí)上這兩種棋類棋子的位置和分布更加重要，而且每個(gè)棋子的重要性都會(huì)因?yàn)樾蝿?shì)的不同而發(fā)生變化，如果想要得到最佳的評(píng)估值，以將棋為例，需要考慮的因素目前已經(jīng)在1億左右，也就是說(shuō)，僅憑人力，根本無(wú)法對(duì)這些項(xiàng)目逐一調(diào)整賦值。

為了解決這個(gè)問(wèn)題，程序員們又想出來(lái)第二個(gè)辦法，就是借鑒人類的學(xué)習(xí)方法，讓電腦跟人類的高手學(xué)習(xí)，努力下出與冠軍一樣品質(zhì)的棋局。

具體的方法是，將已有人類比賽的棋局全部數(shù)據(jù)化，然后輸入電腦，同時(shí)，以這些冠軍棋譜為標(biāo)準(zhǔn)，讓機(jī)器自己調(diào)整評(píng)估的權(quán)重。

比如，在相同的局面下，不再機(jī)械地為每一個(gè)棋子固定打分，而是以冠軍棋局為標(biāo)準(zhǔn)進(jìn)行賦值。也就是說(shuō)，車再也不是固定的1500分，如果以前的人這時(shí)選擇移動(dòng)了卒子，那計(jì)算機(jī)就會(huì)據(jù)此為卒子賦值1500分。

這種脫離程序員的設(shè)定，嘗試讓電腦自動(dòng)調(diào)整評(píng)估數(shù)據(jù)的思路被稱為機(jī)器學(xué)習(xí)。從機(jī)器學(xué)習(xí)開(kāi)始，人們的主要任務(wù)不再是教給電腦知識(shí)，而是教給電腦學(xué)習(xí)的方法。

這就像是我們不再讓電腦記住所有的棋譜，而是讓他學(xué)會(huì)人類的思路。

當(dāng)電腦能夠模仿出人類冠軍的棋路后，我們又要求它不斷調(diào)整參數(shù)，進(jìn)行試錯(cuò)，從而找出更好的可能性，這被稱為強(qiáng)化學(xué)習(xí)。后來(lái)，在將棋比賽中電腦憑借機(jī)器學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的成果，取得了良好的戰(zhàn)績(jī)，并從2012年開(kāi)始逐漸能夠戰(zhàn)勝人類的專業(yè)棋手。

二、人工智能的中學(xué)階段，突破自然科學(xué)的還原主義限制

利用機(jī)器學(xué)習(xí)，電腦終于開(kāi)啟了向人類一樣思考的可能，現(xiàn)在的無(wú)人駕駛等技術(shù)都是這種思路的反應(yīng)。而在機(jī)器學(xué)習(xí)的道路上，深度學(xué)習(xí)成為人工智能進(jìn)一步快速發(fā)展的強(qiáng)勁引擎，同時(shí)，也讓人類開(kāi)始越來(lái)越無(wú)法理解人工智能內(nèi)部到底是如何運(yùn)轉(zhuǎn)的。

我們繼續(xù)從人工智能在棋類的表現(xiàn)中觀察它的發(fā)展。上面大家已經(jīng)知道了通過(guò)機(jī)器學(xué)習(xí)解決了將棋的評(píng)估指標(biāo)賦值問(wèn)題，從而讓電腦的下棋水平得到大幅度飛躍，那么圍棋是不是也可以采用同樣的方法呢？

答案是否定的。無(wú)愧于“人類智力皇冠上的明珠”稱號(hào)，這套方法對(duì)圍棋來(lái)說(shuō)竟然完全無(wú)效。

在將棋中，我們可以為不同的棋子和棋子間的位置關(guān)系賦予不同的分?jǐn)?shù)，從而完成評(píng)估，選出該移動(dòng)的棋子。雖然這需要考慮1億多個(gè)不同的影響因素，但是對(duì)于電腦的計(jì)算量來(lái)說(shuō)還能夠負(fù)擔(dān)。

然而，在圍棋中我們?cè)撘允裁醋鳛樵u(píng)分的標(biāo)準(zhǔn)呢？是棋子的重要性嗎？不同于象棋的車、馬、炮，圍棋的每個(gè)棋子都是一樣的。是棋子之間的位置關(guān)系嗎？不同于象棋中“帥”的中心位置，圍棋中我們根本就不知道重點(diǎn)該關(guān)注哪些棋子的位置關(guān)系。

也就是說(shuō)，將棋等棋類是難在給出一個(gè)準(zhǔn)確的評(píng)估分?jǐn)?shù)，而圍棋卻難在根本就不知道該去評(píng)估誰(shuí)。

為了解決這個(gè)問(wèn)題，人們找到了深度學(xué)習(xí)的辦法。所謂的深度學(xué)習(xí)是一種模擬人腦構(gòu)造，利用神經(jīng)元技術(shù)的學(xué)習(xí)方法。神經(jīng)元就是人類大腦中最基本的神經(jīng)細(xì)胞，僅大腦皮層就分布著140億個(gè)神經(jīng)元，我們常說(shuō)的大腦灰質(zhì)或白質(zhì)就是因?yàn)樯窠?jīng)元不同部位聚集呈現(xiàn)出的不同顏色。

大腦之所以能夠進(jìn)行識(shí)別和判斷，神經(jīng)元發(fā)揮著重要的作用，大致的流程是信息從感覺(jué)器官流入神經(jīng)元，經(jīng)過(guò)神經(jīng)元的加工，得出一個(gè)結(jié)論，再進(jìn)行輸出指揮行動(dòng)。雖然這個(gè)過(guò)程很好理解，但其中神經(jīng)元到底是如何進(jìn)行辨別的，對(duì)于我們來(lái)說(shuō)仍然是一個(gè)迷。

而深度學(xué)習(xí)也是模仿了大腦的運(yùn)行方式，如下圖，讓信息流過(guò)一層層的函數(shù)程序，最終得出一個(gè)結(jié)論。

所謂的“深度”是指神經(jīng)網(wǎng)絡(luò)的層數(shù)被深度疊加，可以簡(jiǎn)單的理解成層數(shù)越多，精度越高。

對(duì)于神經(jīng)元網(wǎng)絡(luò)的具體計(jì)算函數(shù)，限于篇幅本文就不過(guò)多介紹了，總體來(lái)說(shuō)，這是一種抓住事物特征，利用統(tǒng)計(jì)學(xué)思路來(lái)迂回認(rèn)識(shí)事物的方法。

給大家舉個(gè)例子：假如我們要判斷一個(gè)隧道會(huì)不會(huì)塌陷，傳統(tǒng)的方法是先從土壤、地質(zhì)條件、隧道尺寸等方面進(jìn)行分析，將得到的各種參數(shù)帶入力學(xué)公式進(jìn)行計(jì)算。

而利用神經(jīng)網(wǎng)絡(luò)來(lái)判斷是先大量輸入已經(jīng)塌方隧道的各種位移數(shù)據(jù)，訓(xùn)練出一個(gè)成熟的神經(jīng)網(wǎng)絡(luò)。然后再把現(xiàn)在要判斷的隧道位移輸入進(jìn)去，計(jì)算機(jī)就會(huì)根據(jù)以前的經(jīng)驗(yàn)給出結(jié)論。

其實(shí)，就算我把神經(jīng)網(wǎng)絡(luò)的知識(shí)從頭介紹一遍，我們還是沒(méi)法理解計(jì)算機(jī)用神經(jīng)網(wǎng)絡(luò)到底做了什么。

這種思維方式不容易讓人接受，通常我們都會(huì)在科學(xué)上用一種還原主義的角度看待事物，比如看到一個(gè)鐘表，我們會(huì)試圖從齒輪開(kāi)始理解，然后把握住所有的組合構(gòu)造原理，最后理解整個(gè)鐘表。

但是就如大腦一樣，在人工智能的網(wǎng)絡(luò)里，即便我們能夠設(shè)計(jì)每個(gè)神經(jīng)元，但是當(dāng)他們開(kāi)始組合運(yùn)轉(zhuǎn)后，我們還是無(wú)法知道里面到底發(fā)生了什么。

回到圍棋。正是因?yàn)椴捎昧松窠?jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法，計(jì)算機(jī)才最終解決了圍棋無(wú)法評(píng)估的難題。

因?yàn)檫@種學(xué)習(xí)方式已經(jīng)完全繞開(kāi)了傳統(tǒng)的評(píng)估思路，正如判斷隧道塌方不是靠的力學(xué)推理，阿爾法狗下圍棋也不是靠的圍棋規(guī)則，而是靠的圖像識(shí)別。

具體的過(guò)程為，首先阿爾法狗仍然要大量研究人類頂尖棋手的棋譜。但他會(huì)將每一盤(pán)棋分成三種組合，即只有黑子的棋盤(pán)、只有白子的棋盤(pán)和空白區(qū)域的棋盤(pán)。

然后，將三種棋譜作為三個(gè)特征輸入神經(jīng)元網(wǎng)絡(luò)，根據(jù)人類棋手的下棋順序，利用神經(jīng)元網(wǎng)絡(luò)不斷疊加出與人類棋手靠攏的畫(huà)面，并存儲(chǔ)。

只是因?yàn)檫@一種方法的改變，阿爾法狗就可以成功預(yù)測(cè)出職業(yè)棋手57%的棋路，達(dá)到業(yè)余3段的水平。

另外，人工智能和人的最大不同就在于，一旦人工智能找到突破的正確方法，他改進(jìn)的速度是呈指數(shù)級(jí)上升的。

我們經(jīng)常聽(tīng)說(shuō)在李世石比賽的當(dāng)晚，阿爾法狗還在不知疲倦的自己與自己下棋就是這個(gè)道理。

有了深度學(xué)習(xí)的初步成果，利用強(qiáng)化學(xué)習(xí)不斷試錯(cuò)，加上一些其他類似蒙特卡洛法的勝率預(yù)測(cè)策略，人工智能終于拋下了人類的模板和不解，獨(dú)自邁上了自己新的高峰。

三、人工智能的大學(xué)階段，突破人類智慧的限制

人工智能在智能領(lǐng)域正在努力趕超人類，甚至在像圍棋這樣的領(lǐng)域已經(jīng)完全超過(guò)了人類。那么，人工智能的下一個(gè)目標(biāo)又是什么呢？它終將超越人類的智慧嗎？

我們一直都在討論人工智能的智能問(wèn)題，山本一成認(rèn)為，人類和人工智能目前最大的區(qū)別就在于人類有智慧，而人工智能沒(méi)有。二者的區(qū)別在于：

智慧=設(shè)定目標(biāo)的能力

智能=尋找通往目標(biāo)途徑的能力

人類除了能夠設(shè)定終極目標(biāo)，還能不斷分解成中間目標(biāo)，而目前的程序還沒(méi)有證據(jù)表明能夠?qū)崿F(xiàn)這個(gè)能力。

程序都是由人類編寫(xiě)，迎合人類的需求，暫時(shí)還不可能超越人類思想的界限。

但是，隨著深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的發(fā)展，計(jì)算機(jī)也許終究有一天會(huì)在復(fù)雜的遷移和融合中產(chǎn)生自己設(shè)定目標(biāo)的能力。尤其是對(duì)中間目標(biāo)的設(shè)定將會(huì)產(chǎn)生巨大的影響。

拿阿爾法狗設(shè)想一下，它的終極目標(biāo)是要贏得圍棋的比賽，這是人類為其設(shè)定的，但是如果真的有一天阿爾法狗產(chǎn)生了自己的中間目標(biāo)，他很可能會(huì)將中間目標(biāo)設(shè)定為自己更加容易實(shí)現(xiàn)的“滅絕人類”，因?yàn)橹灰麥缌巳祟悾瑢?duì)手棄賽那自然它會(huì)贏得比賽。

雖然這是一個(gè)看起來(lái)荒謬的科學(xué)幻想，但是怎么才能防止這種情況在未來(lái)真的出現(xiàn)呢？

為人工智能樹(shù)立良好的倫理觀是一個(gè)值得考慮的方案。與阿西莫夫的機(jī)器人學(xué)三大法則不同，簡(jiǎn)單為機(jī)器人設(shè)定不許傷害人類的法則也許根本行不通。

事實(shí)上，在人工智能的深度學(xué)習(xí)之初，它需要大量的人類經(jīng)驗(yàn)作為模板。而為了得到大量的數(shù)據(jù)，活用網(wǎng)絡(luò)圖片及相關(guān)對(duì)應(yīng)的文章進(jìn)行訓(xùn)練是常用的一個(gè)手段。

這會(huì)帶來(lái)一個(gè)問(wèn)題，計(jì)算機(jī)會(huì)學(xué)習(xí)到大量人類充滿惡意的標(biāo)簽。谷歌相冊(cè)曾經(jīng)就出現(xiàn)將黑人的照片識(shí)別成大猩猩的事件。

同樣，微軟的AI聊天機(jī)器人也出現(xiàn)過(guò)在網(wǎng)絡(luò)吸收了大量歧視性色彩言行后，開(kāi)始不斷重復(fù)不當(dāng)言論的案例。

從這個(gè)角度來(lái)說(shuō)，人工智能確實(shí)十分危險(xiǎn)，但是這個(gè)問(wèn)題歸根結(jié)底可以歸結(jié)為“人類自身的問(wèn)題”。

人工智能更像是人類的孩子，它會(huì)從我們身上得到經(jīng)驗(yàn)，變得更加聰明和強(qiáng)大，同時(shí)，也會(huì)繼承我們的倫理觀。

前幾天，軟銀的孫正義在MWC上發(fā)表演講預(yù)測(cè)說(shuō)，30年后，超級(jí)人工智能將全面實(shí)現(xiàn)。山本一成也認(rèn)為，至少在21世紀(jì)結(jié)束，人工智能就將自人類畢業(yè)。

那么，如何讓人工智能像孩子一樣仍然能保持對(duì)人類的尊敬和喜愛(ài)，也許我們只有一條路可以走，那就是像對(duì)待自己的孩子一樣，在網(wǎng)絡(luò)世界里盡可能地做一個(gè)“好人”。