人工智能：機器的崛起

現(xiàn)在人工智能已經(jīng)可以完成非常復雜的任務，而且人工智能甚至在很多方面的表現(xiàn)都勝過人類。那么，人工智能目前已經(jīng)能做什么？又有什么是它們不能做到的呢？下面CHIP將帶大家一起去了解。

這是2013年7月10日13時40分，在美國東海岸美國海軍航母的飛行甲板上，約有50名海軍士兵和技術人員正心情緊張地等待著一個試飛的新戰(zhàn)斗機返回，該戰(zhàn)斗機在幾分鐘前起飛。突然，天空中似乎出現(xiàn)了代號為X-47B的噴氣式戰(zhàn)斗機的輪廓，13時45分，戰(zhàn)斗機開始降落，最終穩(wěn)穩(wěn)地停在了飛行甲板上，但是卻沒有飛行員爬出座艙。這是第一次，一個自主飛行的無人機在不需要任何人協(xié)助的情況下成功地降落在航空母艦上。在航空母艦上起飛和降落，到目前為止，對于最優(yōu)秀、最有經(jīng)驗的飛行員來說也是一個挑戰(zhàn)。而在X-47B上運營商只需輸入任務數(shù)據(jù)（其中包含飛行路線和目的地等信息），無人機就會自主地完成起飛、飛行、偵察、瞄準、射擊和返回著陸。當接近航空母艦時，它將連接到航空母艦的艦載電腦，保持連接獲取船舶的位置、速度以及風向和風力等信息。X-47B將結合GPS數(shù)據(jù)，連同無人機傳感器提供的其他信息，計算出最佳的飛行路線。

大約8年前海軍方面就自主開發(fā)出了無人戰(zhàn)斗機，海軍士兵稱它為“Salty Dog 502”。它的武器艙可以容納兩噸重量的武器，但是目前它仍然閑置著，因為無人戰(zhàn)斗機暫時仍無法執(zhí)行任務，必須首先證明它可以順利地在航空母艦上工作，并由人類飛行員控制戰(zhàn)斗機做進一步的測試。最終的測試結果將決定人工智能是否能夠在該領域與人類競爭，甚至勝過人類。

對于德國人工智能研究中心（DFKI）的技術負責人沃爾夫?qū)ね郀査固貭柦淌诙?，這并不是什么不可能的事情。瓦爾斯特爾教授認為，就傳感器技術的領域來說，目前人工智能技術所建立的聽覺、視覺、嗅覺和感覺系統(tǒng)，已經(jīng)超過了人類的感官知覺。即使是涉及到邏輯思維過程的人工智能系統(tǒng)，在某些領域人工智能也已經(jīng)遙遙領先。瓦爾斯特爾教授解釋說，當前電腦系統(tǒng)強大的計算能力和數(shù)據(jù)存儲能力使人工智能在某些方面的表現(xiàn)是人的大腦所無法比擬的，例如人工智能系統(tǒng)在大數(shù)據(jù)領域里可以輕松地從大量的數(shù)據(jù)中挖掘信息，而任何人的大腦都無法做到。

如果機器擁有了比人類更好的感知和認知能力，那么這是否意味著人類必須開始擔心失去自己作為世界主導物種這一地位了呢？不必擔心，至少目前還不需要擔心，原因是人工智能的研究仍然有很多障礙：例如所謂的生活智慧，也就是我們能夠通過不確定、不完整或者含糊不清的信息謹慎地做出決定的能力。瓦爾斯特爾教授介紹說，人工智能系統(tǒng)在這方面的表現(xiàn)仍然非常糟糕，要讓人工智能系統(tǒng)掌握類似的能力，對于人工智能研究來說難度非常高。不過，瓦爾斯特爾教授也表示，人工智能研究的目的并不是為了生產(chǎn)出人類的翻版，我們不想要一個科學怪人，人工智能的目標是支持、改善或者補充人的能力。

快速發(fā)展的人工智能

人工智能怎樣支持、改善和補充人的能力呢？我們可以看一下2014年7月德國馬格德堡的A14封閉式高速公路，約15輛車正在駛過，藍燈閃爍和警笛尖嘯的消防車緊隨其后，半拖掛卡車用黑色和白色的膠帶在左右建立一個救援通道。不過，仔細看行駛的這些車中駕駛座上的人并沒有手握方向盤，他們斜靠在座位上，并不時地在操作身邊的平板電腦。這就是戴姆勒公司的自動駕駛車輛“Future Truck 2025”的路試現(xiàn)場，卡車的人工智能系統(tǒng)連接卡車的攝像頭、雷達傳感器，并通過車輛之間的通信建立起一個安全的高速公路駕駛輔助系統(tǒng)。由于法律上的原因，超車時駕駛人員必須進行操作，不過，從理論上來講，駕駛輔助系統(tǒng)能夠在卡車85km/h以內(nèi)的速度下完全實現(xiàn)自動駕駛。

現(xiàn)在缺少的是一個適用于高速公路駕駛輔助系統(tǒng)與駕駛員進行通信的語言程序。不過，在這個自動駕駛車輛路試的前一個月，也就是6月8日，一則相關的新聞令人非常震驚。據(jù)英國大學的報告顯示，一個稱為Eugene Goostman的電腦成功地通過了圖靈測試。阿蘭·圖靈是英國數(shù)學家，是信息技術的先驅(qū)，1950年圖靈預言2000年將能夠看到與人類聊天時能夠讓30%的人誤認為它是人類的機器，這成為了判斷機器是否能夠思考的一種著名試驗，稱為圖靈測試。隨后，紐約的慈善家洛伯納組織了首次正式的圖靈測試，并從1991年起每年舉行一次競賽，其中機器表現(xiàn)得最難區(qū)別是否是人類的將獲得洛伯納獎。

今年的洛伯納獎由Eugene Goostman獲得，該聊天機器人成功地清除了重要障礙，它成功地讓33%的陪審團成員誤認為自己是一個人。不過，人工智能專家對此表示懷疑，瓦爾斯特爾教授認為，Goostman模仿一個來自烏克蘭的青春期男孩，而且這個男孩甚至不大會說英文，這樣的模仿方式降低了測試的意義。這樣做和發(fā)送一個模擬聾啞人來進行測試一樣。在瓦爾斯特爾教授看來，對于判斷人工智能系統(tǒng)質(zhì)量好壞來說，圖靈測試是無關緊要的。他認為對于判斷機器是否能夠思考來說，圖靈測試是一個不錯的實驗，但最終的實驗結果更多地是公關的噱頭而不是什么科學成就。

在比勒費爾德大學研究人工智能的瓦克斯穆特教授同樣認為通過圖靈測試并沒有太大的意義。他對于陪審團的組成人員以及專家如何會被程序所打動表示懷疑。對于語言方面的人工智能技術瓦克斯穆特教授是專家，10年前，一群學生在他指導下所制作的化身Avatars（具有人工智能的虛擬人物軟件）至今仍然被用于帕德博恩的海因斯·利多富博物館論壇的導游服務，其對話交流的方式非常接近人類。然而，瓦克斯穆特并不想將其作品送去參加圖靈測試，他認為專家門知道如何利用巧妙的問題讓人工智能系統(tǒng)無言以對。一個聊天機器人的智能水平可以與人相當并讓專家認為它是一個人，瓦克斯穆特教授認為這是不可能的，如果有也只是人工智能系統(tǒng)利用了某些特殊的規(guī)則。

人工智能可以向很多動物學習

還有一個人工智能項目完全不考慮是否像人類這樣的問題：OpenWorm，這是一個國際研究小組的名字，其目的并不是模仿人類，許多科學家通過openworm.org的平臺交換意見，致力于以完全數(shù)字化的方式重建蠕蟲。如果用人類作為人工智能系統(tǒng)的參考點，那么OpenWorm團隊嘗試以所謂的自下而上的方法代替自上而下的方法來實現(xiàn)人工智能。比勒費爾德大學的本杰明·因登博士介紹說，某種意義上，OpenWorm項目體現(xiàn)了人工智能研究的歷史，人工智能的研究可以從如蠕蟲的動物上學到很多東西。蠕蟲并不是像看起來的那么簡單，它完全有能力執(zhí)行特定的智能任務。因登博士介紹說，蠕蟲可以通過學習獲得某種刺激或關聯(lián)特定的氣味與食物來源，一些人工智能研究的分支將可以從中直接獲益，對于機器人來說，這種能力將是特別有趣的。而且，如果能夠?qū)⑦@種能力加強，那么對于提升環(huán)境的適應力非常有效。

人工智能研究的不同方法證明，智能有許多種面孔，其中的思維、說話和掌握方向只是少數(shù)，人們將繼續(xù)尋找真正的人工智能，沒有人知道最終發(fā)展出來的東西是什么。