人類輸給過哪些動物和機器

離陌

發(fā)明工具、建立互聯(lián)網(wǎng)、改變生物基因，甚至幻想尋找外星人創(chuàng)建星際聯(lián)盟，人類似乎無所不能。但事實上，即使與普通動物相比，人類在許多方面也存在差距。我們并不是造物主最完美的“作品”。

視覺弱于鳥類

在哺乳動物中，人類視覺還算湊合。隨便找個哺乳動物和人類來場辨別顏色的實驗，人類都能勝出。這是因為人類的視覺是三色的，即視網(wǎng)膜上有三種不同的錐狀細胞，分別對藍、綠、紅三個波段最為敏感，而大多數(shù)哺乳動物只對其中兩種顏色敏感，只有雙色視覺。“三色”對“雙色”，人類贏。

然而，如果對手是鳥類，人類卻必輸無疑：鳥類在擁有三色視覺的基礎上，還有一種人類沒有的感光通道，能看到我們看不到的紫外線，它擁有“四色視覺”。雖然一些實驗表明，極少數(shù)人類也有四色視覺，但仍局限于可見光的范圍內，他們也看不到紫外線，輸給了鳥類。

空間記憶力不敵北美星鴉

鳥類是大自然中的“精靈”。它們不僅視覺很出色，空間記憶能力也很棒。倘若考慮到，2.8億年前，鳥類與猿類的腦進化就已分道揚鑣，鳥類大腦并沒有人類那種層層疊疊的皮質，鳥類能打敗人類的記憶實在是令人驚奇。

北美星鴉就是鳥類中超群記憶力的“代言人”。

為了度過漫長的、缺少食物的冬天，北美星鴉從盛夏就開始忙碌起來。美國白皮松的松球里充滿了飽滿的松子，它們都是北美星鴉的搜集目標。北美星鴉從一棵樹沖向另一棵樹，仔細地檢查每個松球，找到合適的就用鋒利的喙將松子一個個揪出來。據(jù)研究顯示，最快的星鴉一分鐘能采集32顆種子，不到3分鐘就能將喙下的袋囊填滿。袋囊裝滿后，北美星鴉就會找地方卸貨，石頭后面、灌木叢下面、樹洞里面等，全是卸貨點。整個夏天，它們都會這樣一直忙下去。到冬天來臨的時候，一只鳥通常有5000到20000個松子埋藏點。而且，它們能記住這些埋藏點的方位！你看吧，冬天，到了飯點兒，它們會先飛到埋藏地附近的樹上，稍作停頓，然后就一跳跳地到地面開挖——準確率還蠻高。動物界中，紅松鼠也有在多個樹洞里儲藏松子的習慣，但它的空間記憶力要遜色得多，找不到埋松子的地方是常事。

研究人員認為，北美星鴉靠三角定位的方式來記憶埋藏種子的位置，比如利用埋藏點周圍的巖石和樹木幫助記憶。這意味著，每只星鴉的腦中都有成千上萬張的“空間藏寶圖”。找一個人來記憶成千上萬張“空間藏寶圖”？人類恐怕只有認輸?shù)姆輧海驗橐粋€人可能連準確記憶區(qū)區(qū)幾張“平面藏寶圖”也做不到。

平面記憶力敗給黑猩猩

其實人類的空間記憶力不僅難比北美星鴉，而且和黑猩猩比賽記憶“藏寶圖”，也是最后以敗北告終。

在一次實驗中，12名大學生“對戰(zhàn)”6只黑猩猩。“平面藏寶圖”是9個出現(xiàn)在平面不同位置的數(shù)字，人類和黑猩猩需要在“藏寶圖”瞬間消失后再現(xiàn)“藏寶圖”中9個數(shù)字的正確方位。結果，大多數(shù)黑猩猩都做到了，而人類卻搞得一塌糊涂。對戰(zhàn)黑猩猩的“平面記憶”，人類又輸了一次。

為什么人類的“平面記憶”與“空間記憶”要遜色于黑猩猩和鳥類呢？因為人類處在一個復雜的生活環(huán)境，需要多方位的記憶能力，我們不用像黑猩猩那樣，需要強悍的平面記憶力來一眼辨認出猩猩群中的“敵對分子”，也不用像鳥類那樣需要非凡的空間記憶力度過難熬的寒冬。但是，這兩種能力，平面記憶能力和空間記憶能力，對黑猩猩和鳥類來說卻相當重要。如果黑猩猩缺少平面記憶，那么就無法在最短時間內找到敵手，并占領地盤奪取食物，這會使得它們的個體生活受到嚴重影響。而冬季的北美星鴉如果記不住食物儲藏的地點，那么，自己餓死不說，新生的雛鳥也會一命嗚呼。

棋藝輸給“深藍”和“AlphaGo”

人類與動物相比，在很多方面都不占優(yōu)勢，但有一點可以秒殺地球上所有其他動物，那就是人類所擁有的高超智慧。

不過人類的智慧正在被人類自己所創(chuàng)造出來的機器碾壓——這就是橫空出世的人工智能。第一臺機器人誕生于1956年，這一年科學家首次提出了“人工智能”的術語。經(jīng)過幾十年的發(fā)展，人工智能的智慧變得越來越強大，強大到人類智慧開始有點招架不住了：

1997年，IBM公司設計的人工智能“深藍”戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫；

2015年，AlphaGo在與圍棋高手樊麾二段的比賽中，以5：0的絕對優(yōu)勢獲勝；

2016年，AlphaGo對戰(zhàn)世界圍棋冠軍，贏了職業(yè)九段選手李世石；

2017年，AlphaGo與世界排名第一的柯潔對戰(zhàn)，以3：0的全勝戰(zhàn)績結束比賽；

2017年，升級版AlphaGo再次以微弱優(yōu)勢戰(zhàn)勝由5位世界圍棋冠軍組成的團隊。

“深藍”是IBM公司生產(chǎn)的世界上第一臺超級國際象棋電腦，具有強大的計算能力，可以計算所有國際象棋路數(shù)來選擇最優(yōu)策略，平均每秒可計算棋局變化200萬步。不過，雖然“深藍”贏了人類，可是贏得卻很吃力，1997年戰(zhàn)勝卡斯帕羅夫之前，還曾被人類打敗過。

與“深藍”不同，AlphaGo挑戰(zhàn)人類時，人類幾乎沒有取勝的機會?！吧钏{”靠的是死記硬背般“硬算”，而AlphaGo靠的是超強學習能力。它可以自發(fā)研究新策略，能夠像人類一樣思考。2015年，AlphaGo在贏了樊麾二段之后，它自行下了數(shù)千場圍棋比賽，來研究下一步的迎戰(zhàn)策略。這為它后來擊敗人類頂尖冠軍打下了堅實的基礎。

從“深藍”到AlphaGo，像人類在演化史上那樣，人工智能在不斷進化。深度學習是人工智能的未來。未來的機器人將能夠模擬人腦神經(jīng)網(wǎng)絡來分析學習，思維也會越來越接近人類。

象棋、圍棋，人類已經(jīng)不敵“人工智能”。但不久的將來，人類可能會在更多方面敗下陣來。

第一位“非人類”作曲家已出現(xiàn)，它叫Amper，是可以作曲的人工智能，由一群專業(yè)的音樂家和工程師開發(fā)而成。如今，它已經(jīng)和一位美國歌手泰林·薩頓合作，發(fā)布了一首新歌《Break Free》。聽說效果還不錯。

在美國迪士尼公司和麻省理工研究人員的共同努力下，第一位人工智能故事短評家也誕生了，它可以很好地預測故事的流行度。未來，電影公司可能會“雇用”它來幫助甄選劇本。

一位軟件工程師是《權力的游戲》的愛好者。因為他等不及原著作者出新書，所以創(chuàng)造了一種人工智能，被稱作周期性神經(jīng)網(wǎng)絡，將成為第一個寫長篇小說的“非人類作家”。盡管這個人工智能的功能還不大完善，但誰知道，今后會不會進化成為第二個讓人類無法還擊的“Alpha作家”呢？

……

人類輸過這么多動物和機器，未來，還會輸?shù)酶鼞K?，F(xiàn)在，你還認為人類是地球上最強的嗎？