這是一部關(guān)于人工智能過去和未來的書。作者是人工智能業(yè)內(nèi)的權(quán)威專家托比·沃爾什（Toby Walsh），他是澳大利亞科學院院士，也是國際人工智能學會會士。沃爾什的專業(yè)身份是這本書的專業(yè)內(nèi)容準確無誤的保證。整本書按照人工智能發(fā)展的歷史，分為人工智能的過去、現(xiàn)狀和未來，因此，此書的中文譯名《人工智能會取代人類嗎？》多半是為了營造個噱頭，博得對人工智能感興趣的小白的關(guān)注，才設(shè)計了這個題目。
通覽這本書，在我看來，作者并沒有對人工智能是否會取代人類這一問題過于擔憂，反而擔心人們對人工智能的發(fā)展過于樂觀而忽視了人工智能技術(shù)潛藏的危險。如果要用一句話概括這本書的觀點，我認為作者表達了如下思想：人工智能技術(shù)作為一種思考機器，它的問世會比之前的機械裝置和電氣設(shè)備對人類社會帶來的影響更加深遠，然而，在人類與人工智能能夠和諧共處之前，政府、社會、企業(yè)和個人都有責任提前預防人工智能的潛在危害，包括大規(guī)模失業(yè)、隱私侵害、不可控的自主意識等。
在文章的第一部分，作者扼要回顧了人工智能的過往歲月，提到了亞里士多德、萊布尼茲、霍布斯、布爾、巴貝奇等人在思維的形式化處理上的貢獻。但真正為人工智能時代的到來奠定基礎(chǔ)的是二戰(zhàn)期間圖靈的工作。圖靈在為計算機時代的到來奠定了理論基礎(chǔ)，也在理論上論證了計算機有其局限性，例如，計算機無法處理停機問題。
1956年的達特茅斯會議是人工智能的肇始之年。此次會議對人工智能的前景極其樂觀，認為兩個月的研發(fā)時間就能實現(xiàn)將“思考轉(zhuǎn)化為計算”。雖然在目前看來，這一樂觀過于盲目，但在此后的二十年，Shakey機器人、Dendral專家系統(tǒng)、BKG9.8下棋程序、心理治療師Eliza等人工智能系統(tǒng)的成功，讓不少人看到了人工智能光明的未來。然而，自然語言自動翻譯系統(tǒng)、語音識別、常識表征等任務(wù)紛紛失敗，人工智能研究遭遇第一個寒冬。赫伯特·德雷福斯指出人工智能要能真正落地，其所采用的形式符號必須以現(xiàn)實世界為基礎(chǔ)，與現(xiàn)實世界直接互動。在1982年，日本開啟第五代計算機系統(tǒng)項目，人工智能研究走出第一波寒冬，然而，僅僅過了十年，人工智能又陷入第二個寒冬。
實現(xiàn)人工智能的第二條進路，也就是基于統(tǒng)計的人工智能打造了人工智能研究的第三個春天。隨著計算機算力和數(shù)據(jù)規(guī)模不斷提升，深度學習算法展示出強大的能力。無人駕駛汽車、IBM沃森自然語言系統(tǒng)、AlphaGo的成功，理論界和大眾對其都影響深刻?，F(xiàn)有的人工智能技術(shù)已經(jīng)進入日常生活領(lǐng)域，正成為日常技術(shù)的一部分。即使如此，現(xiàn)有的人工智能技術(shù)達到了達特茅斯會議一開始的研究目標了嗎，人工智能系統(tǒng)能夠像人類一樣思考了嗎，未來的人工智能有可能超越人類的智能嗎？回答這一問題，需要測量人工智能的智力程度。
圖靈率先提出讓第三者判斷和他交流的對象是人還是計算機，以此來測試計算機是否具有智能。2014年，一款名叫Eugene Goostman的聊天機器人通過模仿十三歲男孩的智力水平，成功地讓30%的人類評委認為它是真人，從而通過圖靈測試。暫且不管這一策略是否合理，人工智能事實上并不局限在自然語言對話，還包括多個智力維度。Hector Levesque提出Winograd Schema Challenge測試，旨在測試人工智能師父可以理解語句中代詞的具體指代和物理推理能力。作者提出元圖靈測試，讓真人和人工智能兩兩配對，然后判斷誰是人誰是人工智能。這些都是正面判斷人工智能的方法，但人們經(jīng)常會以人工智能與人的外在相似度的高低估計人工智能所具有的智力水平，這往往會造成恐怖谷效應(yīng)。
人工智能何時能具有像人一樣的智能，學界對此莫衷一是。人工智能發(fā)展早期的學者，如圖靈、赫伯特·西蒙、馬文·明斯基，都曾樂觀地估計在一代人之內(nèi)就可以實現(xiàn)這個目標。而持悲觀主義的學者甚至認為自動駕駛汽車都不可能在近期實現(xiàn)（2004），或者認為人工智能至少需要化100年的時間才能擊敗人類圍棋選手。2016年，對人工智能進步協(xié)會研究院的調(diào)查顯示，25%的受訪者認為超級人工智能永遠不會實現(xiàn)，三分之二的受訪者表示需要花25年以上時間，90%以上受訪者認為在退休之前這個目標不會實現(xiàn)。
本書的第二部分是關(guān)于人工智能發(fā)展的現(xiàn)狀。作者將現(xiàn)有的人工智能研究分為四個領(lǐng)域，分別是學習領(lǐng)域、推理領(lǐng)域、機器人研究、和語言學研究，而這四個領(lǐng)域的基本研究思路又分為整體構(gòu)建和各個擊破之分。在學習領(lǐng)域，深度學習在當今時代可謂獨領(lǐng)風騷。但是，深度學習依賴于大規(guī)模數(shù)據(jù)，而且其內(nèi)部運行過程基本是一個黑箱，還有無法跨領(lǐng)域使用，這都限制了它的廣泛使用，與人類智能相比也大相徑庭。如果說深度學習的目的是為了獲取新的知識，那么自動推理就是從已有的知識中推出新的結(jié)論?，F(xiàn)有的自動推理面臨組合爆炸、常識和定性推理難題。機器人研究最大的難題是與真實世界進行互動。自然語言研究包括回答問題、機器翻譯。上述四個領(lǐng)域都有不小的進展，但離真正達到與人一樣的智力水平還有不小的距離。
人工智能發(fā)展的空間有多大，有沒有內(nèi)在的局限性？作者將人工智能實現(xiàn)的目標分為弱人工智能、強人工智能、通用人工智能。弱人工智能是指在某一項智能水平上達到或超越人類，而強人工智能是具有人類思維的所有特征，如自我意識、直覺、傾向或道德。通用人工智能是指人工智能有能力解決人類能解決的任何問題，甚至超過人類水平。圖靈認為人工智能受限于數(shù)學邏輯而不可能達到通用人工智能。有學者認為人工智能不可能具備創(chuàng)造力和意識活動。另外，由于人類的大部分知識是默會知識，人類自身無法理解自己是如何獲得的，也難以向他人解釋，但無法讓人工智能學會此類無法解釋的默會知識。當然，人們會限制人工智能所能做的事情，通過特定的倫理約束，防止人工智能做出不當行為。
作者還分析了庫爾茲曼的奇點理論，認為單純提升運算速度無法實現(xiàn)通用人工智能。更為重要的是，機器學習無法改進自己的學習算法，也就是沒有這種元智能。另一方面，智能的進步所帶來的效益是逐步遞減的，不可能存在一個突破點。而復雜系統(tǒng)本身的固有不確定性也讓實現(xiàn)通用人工智能迷霧重重，例如，學者們對計算復雜性理解不足。模擬大腦不僅難度大、而且模擬仍存在認知黑箱。最終，作者認為預測人工智能發(fā)展是不可能的，而只能對其進行描述，因為智能是一個復雜性系統(tǒng)。但也不能說人工智能就全面落后于人類智能，人工智能的共同學習能夠突破人類學習的限制，從而能夠了人工智能個體獲得的知識快速在群體內(nèi)傳播。
人工智能正在全面改變?nèi)祟惖纳鐣F(xiàn)狀，也為人類帶來了諸多生存風險，包括失業(yè)風險、人工智能的軍事化應(yīng)用、算法的歧視和不公平問題。這就是人們目前在發(fā)展人工智能的同時所有提防的系統(tǒng)風險。每一項技術(shù)的發(fā)展都會有相應(yīng)的代價，總有一部分人和工作會因此淘汰。而技術(shù)中隱藏的觀念會深刻影響人們的思維模式，一旦形成，將不容改變，從而成為日常生活的背景條件。技術(shù)發(fā)展如此迅速，對社會造成的影響如此深刻，但人們對此卻毫不在意，沒有深刻思考人工智能可能造成的影響。作者提出了人工智能有可能對未來社會發(fā)展造成影響的十項預測：1. 禁止人類駕駛汽車；2. 要求人每天看醫(yī)生；3. 虛擬演員；4. 人工智能決定聘用和解聘員工；5. 物聯(lián)網(wǎng)；6. 機器人搶銀行；7. 機器人運動員；8. 無人駕駛交通工具盛行；9. 虛擬新聞主播；10 數(shù)字分身。
總體而言，作者并不擔心人工智能在未來是否會超越甚至取代人類，反而擔心的是人類錯誤地使用人工智能而為人類生活帶來負面影響。其中最致命的是對技術(shù)的錯誤認識。技術(shù)看上去是價值中立的，但也正因為如此，技術(shù)能堂而皇之地成為實現(xiàn)人類動機的最佳工具。然而，技術(shù)塑造的社會，由此產(chǎn)生的觀念加之技術(shù)內(nèi)涵的觀念，會深刻影響人類的三觀。如果不相信，那就以科學作為模板，反思下科學是如何塑造我們對社會、自我和世界的理解的。
