李開復：未來已來的人工智慧時代，人類還能做些什麼

各國紛紛磨刀霍霍，將人工智慧提升到國家戰略高度，中美兩國更是爭先恐後從頂層設計層面布局人工智慧。

早在2013財年，美國便將22億美元財政預算投入以機器人為重點的先進位造業，同年4月啟動創新神經技術腦研究計劃，計劃10年投入45億美元。2015年，對人工智慧相關技術的未分類研發投資約為11億美元，2016年相關投入增長到12億美元。

中國政府對人工智慧的關注度近年來迅速上升，從2015年7月寫入《國務院關於積極推進「互聯網+」行動的指導意見》、2016年3月寫入國家「十三五規劃綱要」、2017年3月首次寫入「政府工作報告」，直至2017年7月國務院印發《新一代人工智慧發展規劃的通知》，國家層面的系統布局可謂步步為營，意在部署構築中國人工智慧發展的先發優勢。

各國之所以對人工智慧如此緊張，首先是出於軍事建設需要。2015年12月中東戰場爆發第一次使用無人機、無人坦克、戰爭機器人的戰爭，戰爭樣式陡然升級至人工智慧水平。有專家預測，戰爭機器人橫空出世，實際上等同於一戰的坦克、二戰的核彈，具有標誌性拐點意義，各國焉能等閑視之？肯定是快馬加鞭，搶佔灘頭陣地。

另一重要原因在於人工智慧產業發展潛力無窮，簡直是片浩瀚無垠的大藍海，誰不垂涎三尺？更何況，各種技術性突破層出不窮，如IBM正在研發的晶元，指甲蓋大小可容納約300億個晶體管，而按軟銀孫正義的邏輯，人腦有300億個神經元，人工智慧超越人類指日可待，他已斥資1000億美元，重注人工智慧。

與此同時，人工智慧亦全面佔領媒體制高點，並在媒體不斷渲染下走向「神壇」：AlphaGo大敗李世石、再敗柯潔，聚焦全世界目光；諸如Facebook開發的機器人居然自己衍生出人類不懂的語言嚇得研發人員把電源拔了、智能安保機器人「竟然因厭倦工作投水自盡」等「花邊新聞」成為坊間茶餘飯後熱議的話題……

面對如此風口，商業大佬們也集體發聲，有力挺的，如馬雲、李開復、扎克伯格，有強烈質疑的，如馬斯克，有站在中間和稀泥的，如比爾·蓋茨，總之，誰都唯恐錯失這一巨大商機。然而，人工智慧大潮滾滾，是否真的意味著「未來已來」？目前，圍繞人工智慧，至少有四大爭議。

一、AI是所有產業的終結者。就目前認知而言，人工智慧三大發展階段，將不同程度地顛覆傳統產業，如無人駕駛不僅顛覆既有汽車產業，還將徹底改變交通出行系統及私家車擁有方式。而在終極意義上，未來所有產業都是人工智慧產業，區別僅在於有些是人工智慧商店，有些是人工智慧汽車廠而已。產業邊界將被人工智慧所終結。

二、AI是所有勞動者的終結者。谷歌無人駕駛汽車已行駛300萬公里，事故概率遠小於人類駕駛，司機作為職業與職能被終結。德勤財務機器人「小勤人」幾分鐘即可完成財務人員幾十分鐘才能完成的基礎財務工作，且可以不間斷工作，不涉及複雜邏輯分析的財務工作被消滅。《紐約時報》機器人編輯可根據讀者偏好決定推送內容，甚至可以獨立制定標題、摘要文案及配圖，想必聞聽此言的各位小編「已哭暈在廁所」。2000年，高盛紐約總部現金股票交易櫃檯有600名僱員，如今僅剩兩名交易員「留守空房」，其他的皆被機器人替代。人工智慧在高人力成本的金融界高歌猛進，比較吻合科技創新的本質。

三、AI將控制人類。谷歌的未來科學家赫斯維爾說，大概2030年左右，人類可對自己的3萬個DNA重新進行編程從而進入到永生，而能夠使用最新的先進技術讓自己更長壽的，一定是那些富人，因此，《未來簡史》作者赫拉利認為，「150年之後人類會進入後數據時代，大批窮人被淘汰，200年之後富人也被淘汰，最後實際上是人工智慧開始變成超強人工智慧，那麼數據本身成為一種獲得的狀態，整個人類都要被淘汰，沒人什麼事了」，這當然是極端悲觀的觀點。

四、AI如何界定。究竟什麼是AI，從定義上來講，人工智慧可分成「人工」和「智能」兩方面。關於「人工」，顧名思義，即人力製造，而「智能」則標準比較模糊，涉及思維、意識、自我、倫理等多方面的問題。目前，比較普遍認可的人工智慧評價標準是「圖靈測試」，但到目前為止，除一款名為尤金·古斯特曼的程序外，再無計算機通過圖靈測試。因此，嚴格意義上人們所熟知的包括AlphaGo在內並不算「智能」，不具備更高級別的學習和創造功能。

以上幾點，儘管存在廣泛的意見分歧，卻絲毫不妨礙人工智慧成為當今至IN的潮流科技，之所以突然登上歷史舞台，離不開背後的產業基礎：互聯網發展到今天，幾乎一網打盡、互聯互通，移動通信、移動支付、大數據、雲計算、灘頭監測、虹膜技術等橫空出世，客觀上為進入技術集成階段提供了前提，簡言之，首先是社會科學技術分門別類的突破匯成涓涓細流，繼而匯聚成一條大河，成就了今天人工智慧的集中爆發。

然而，任何產業的發展都不可能一蹴而就，AI發展仍然受到諸多制約：就製造層面，精密製造水平，離真正人工智慧的要求相去甚遠，且不說晶元等核心部件，就是機器人製造的精密程度，遠達不到人類自身的靈敏度。從技術層面，受制於三大要素（也是本次人工智慧大潮的三大基石）：演算法（深度學習演算法）、數據（互聯網、移動互聯網、物聯網發展積累了大量數據）和計算能力（GPU等晶元、雲計算）。尤其是演算法，直接決定了人工智慧的發展水平。

當前，深度學習演算法存在三大缺陷：缺乏推理能力、缺乏短時記憶能力、缺乏執行無監督學習的能力，此外，人工智慧必須同時進行「閱讀」和「聆聽」才能獲取知識，其核心技術是NLP（神經語言程序學），但當前的學習方法尚不足以解決NLP的核心問題。算力層面，目前的GPU、FPGA等人工智慧晶元，雖然比CPU計算能力更強，但局限性依然很大。目前來看，人類對大腦的思維過程還知之甚少，其整個處理和決策過程還是個「黑箱」。當前的處理晶元跟人腦在物理結構上的差距非常大，甚至根本就不是一回事。

對人腦神經系統的研究還任重道遠，近10年內基本也看不到獲得根本突破性進展的可能。數據層面，目前機器系統能夠「理解」的基本都是結構化數據，像語音、圖像、社交數據這些非結構化數據的「理解」還存在很大問題，在10年之內是否能夠解決非結構化數據的「理解」問題尚未可知。

目前所處的弱AI階段，AI不能像人類一樣靠理性或感性進行推理和解決各方面（哪怕很簡單）問題，機器只不過看起來像是智能的，其實只是既定程序的執行而已，只能解決某一方面的問題（就像下圍棋不能代表會下象棋），不會有自主意識，不會有創造性。

而強AI的定位是在各方面相當於人類或者超過人類，也稱為通用人工智慧，涉及諸如意識、自我、思維、心理、記憶等等問題，而人類對這些問題內在機理的理解大多仍處於相對「蒙昧」階段，因此，人類發展自我意識、自主意識，心理形成機制等探索研究水平，將直接制約AI向高階升級。

本文選自王德培《中國經濟2018》。

想要觀看李開復TED演講——AI如何拯救人性，可直接搜索「李開復TED」。