郝景芳《人之彼岸》，人類迎接未來世界的正確姿態

在人工智慧越來越普及的時代，很有很多人對這一變革存有疑慮：

「人工智慧會在每個方面都超越人類嗎？」

「人工智慧會毀滅人類嗎？」

「人工智慧會愛上人類嗎？」

這些問題不僅引發了大眾討論，各方大咖也在各種場合，袒露自己對於人工智慧這一新興物種的態度。

很多人接觸人工智慧都是從「阿爾法狗」開始的，從去年3月戰勝李世石，今年5月戰勝柯潔，他的學習速度與深度讓世人嘆為觀止。

「阿爾法狗」的厲害之處，就在於他能夠「自我學習」。打個比喻，以前的機器學習是科學家將一堆數據輸入進計算機，對於沒有輸入的內容，計算機是識別不出來的。而現在的機器學習，你只需要將以前的棋譜輸入，它自己觀察、自己和自己對弈，最後與高手過招，最終的結果就是他會下棋了，並且是下的最好的。

更可怕的是，人們發現，只要將這些演算法稍加改動，人工智慧就可以學會金融投資、看合同、寫新聞、醫療診斷，甚至是設計這樣需要創意的工種等。短短几年，各個行業的人工智慧已經遍地開花。

但，即使人工智慧可以自我學習、深度學習、強化學習，即使計算能力增強，神經網路疊加千層，他仍然具有巨大的局限性。

難點一：人工智慧無法跨領域學習 「阿爾法狗」面臨的困難，也是人工智慧面臨的第一個問題——人工智慧不能跨領域學習。人工智慧對大數據的依賴，和演算法、硬體的限制，讓其只能於單一領域中深度學習，成為狹窄領域的專家，實現大數據、小功能，卻無法成為涉獵廣泛的全能專家。

例如在圍棋上我們比不過「阿爾法狗」，但如果你和阿爾法狗下象棋、五子棋，你會輕輕鬆鬆就獲得勝利。

原因在於，在學習圍棋時「阿爾法狗」會把他所有的神經元網路用來學習圍棋，但如果想讓「阿爾法狗」學象棋，它又會將整個神經元網路用來學象棋，完全遺忘原來的圍棋知識，這在業內人士也被稱為「記憶災難」。

難點二：缺少對這世界的常識 人類擅長從時間中總結世界運轉的模型，建立自己對世界的認知，這是人的世界觀形成的過程，恰恰也是人工智慧所缺少的能力。

機器難以擁有常識最直接的原因是：機器缺少物理世界的生活經驗，所處理的都是人類所植入的信息。它不知道羊毛是柔軟而溫暖的，也不知繞一個柱子一周會回到原點。面對25的9次方的數學問題，它很快能得出答案，但是換成鴨兔同籠的問題，便超出了AI知識領域之外。根本原因很簡單，它不知道鴨子幾隻腿，兔子幾隻腿。

常識是無窮無盡的，就算把常識輸入到人工智慧里，遇到實際的常識問題，它也難以判斷要輸出哪一條信息才匹配當下的情況。而僅擁有一部分專業知識，導致AI很難對這個世界形成整體的認識，也難以理解我們身處的這個三維世界。

難點三：自我表徵的能力 即便「阿爾法狗」下棋天下無敵，贏遍世界。它也不會有冠軍的喜悅，它既說不出他在做什麼，也說不出為什麼要這麼做。我們能看到的是人類給它數據輸入、看到輸出，可是無法了解中間發生的過程。

馬文·明斯基將人類文明系統分為6層，分別是本能、自我指導、反思、自我關照、自我批評、自我批評的自我批評。知道我是誰、我在哪、我在做什麼，並為此感到自豪，所有的這些認知，都是高級的認知。

也許未來人工智慧會擁有情感和高級認知，但這樣的強人工智慧，仍需要一輪甚至幾輪革命性的技術突破。

人工智慧時代，人類應該如何學習？ 第一點，學會和人工智慧相處，學會人機共生。

無論喜不喜歡，人機時代已經來臨。要有對於數學，演算法和語言的基礎的理解能力，無論人工智慧如何發展，核心還是數學和演算法、邏輯。

第二點，強化人與人溝通、相處的能力。

只要是數據邏輯相關的，都可以由人工智慧來做，並且會做的比人類更好。但人與人之間的協作，對他人的關心，理解他人的心思，人工智慧遠不及人類的。

以下兩點是人類未來會領先人工智慧的，一個是世界觀，另一個是創造性思維。

世界觀是常識的升級，是我們對於世界的全景大局觀，全景大局觀讓我們擁有理解這個世界並且將之融合創造的能力，我們可以把音樂領域理論帶入建築領域，也可以將政治，經濟與生活場景對應，創造出波普藝術。構建知識的全景舞台，創造全新的從0到1的事物，這恰恰是人工智慧難以跨越的一步。

對於未來，我們不必擔心人工智慧會全面壓制人類，也不必擔心人類文明受到威脅。需要擔心的是，人類越來越像機器，失去了人類的思考和創造。

在人工智慧磅礴而來的今天與未來，希望每個人都能在人工智慧時代找到自我。