近些年，前沿科技取得的進(jìn)展令人驚訝不已，基因技術(shù)、納米技術(shù)和人工智能技術(shù)等領(lǐng)域的突破已將科幻小說中的場景變成了現(xiàn)實(shí)。AlphaGo 戰(zhàn)勝了圍棋九段高手李世石，Uber 無人駕駛汽車的日臻完善，百度大腦的強(qiáng)勢推出……人工智能時代離我們越走越近了。

你可能會困惑：

• 人工智能到底是什么？
• 人工智能機(jī)器人可以像大白一樣貼心嗎？
• 人工智能會取代人類嗎？

本文嘗試從歷史演變、技術(shù)發(fā)展、行業(yè)應(yīng)用等角度解答上述疑問。

1. 歷史演變的六大紀(jì)元

依據(jù) Ray Kurzweil 的觀點(diǎn)，歷史被分為六大階段，不同階段間的最大區(qū)別在于處理信息的方式發(fā)生了徹底的改變。

越高級的階段，處理信息的方法就越高級，推演至下一階段的速度也更快。

圖1 六大紀(jì)元

第一紀(jì)元：物理與化學(xué)

一百多億年前，致密熾熱的奇點(diǎn)大爆炸誕生了宇宙。

其后幾十萬年，原子形成，產(chǎn)生了物理形式的信息存儲和傳輸。

又經(jīng)過幾百萬年，分子出現(xiàn)，信息可以通過化學(xué)方式進(jìn)行存儲和傳輸。

第二紀(jì)元：生物與 DNA

幾十億年前，出現(xiàn)了以碳元素為基礎(chǔ)的有機(jī)物。

有機(jī)物的出現(xiàn)加速了生命的誕生，此時，信息通過 DNA 進(jìn)行處理。

第三紀(jì)元：人腦

DNA 逐步進(jìn)化，出現(xiàn)了更高級的信息處理工具：人腦。

人腦不僅可以完成信息的存儲和傳遞，還可以對信息進(jìn)行抽象和推理。

第四紀(jì)元：技術(shù)

隨著時間的推移與技術(shù)的發(fā)展，人腦進(jìn)化的速度比機(jī)器進(jìn)化的速度慢。

機(jī)器智能遲早會替代人腦，成為信息處理的主要方式。

第五紀(jì)元：人類智能與人類技術(shù)的結(jié)合

人類智能與機(jī)器智能充分結(jié)合，人類的智慧、情感、記憶與意識將轉(zhuǎn)化為數(shù)據(jù)，在計算機(jī)間存儲和轉(zhuǎn)移。

這使人類超越肉體的限制，獲得永生。

第六紀(jì)元：宇宙覺醒

當(dāng)人的存在變?yōu)橐惶讛?shù)據(jù)，那么只要將這套數(shù)據(jù)傳輸給另一個星球上的驅(qū)殼，就相當(dāng)于完成了星際旅行。

人類智慧將在宇宙中廣泛傳播，想去哪里就可以去哪里。

2. 人工智能進(jìn)化的三個階段

依據(jù)歷史紀(jì)元的劃分，我們正處于第五紀(jì)元，并在加速向下一紀(jì)元轉(zhuǎn)變。

在部分人看來，人工智能離我們的生活還很遙遠(yuǎn)。但是，2014年英國皇家學(xué)會舉辦的會議中，圖靈測試第一次被通過了。

從某種意義上而言，這預(yù)示著人工智能時代即將來臨。人工智能不斷發(fā)展，當(dāng)人工智能具備了推理和感知能力，取代人類的那一天就不遠(yuǎn)了。

人工智能究竟經(jīng)歷了怎樣的發(fā)展，讓其具備了取代人類的能力？要回答這個問題，需要從人工智能的前世今生說起。

（1）人工智能的歷史：提出概念

1956年，杰出的計算機(jī)科學(xué)家們在美國東部城市達(dá)特茅斯召開了會議，首次提出了“人工智能”的概念。

在這次會議中，首次決定將像人類一樣思考的機(jī)器稱為“人工智能”。

此后，人工智能就一直縈繞在人們的耳畔，經(jīng)歷了若干次的浪潮與低谷。

最先走入人們生活的人工智能技術(shù)是推理與搜索，而最早的人工智能產(chǎn)品便是人們熟知的搜索引擎。

憑借強(qiáng)大的推理和搜索能力，早期的人工智能可以輕易求解迷宮問題，疑難定理的證明，甚至人工智能還能贏得專業(yè)的國際象棋比賽。

這些人類都需要花費(fèi)很長時間才能理清并解決的問題， 對于計算機(jī)來說非常容易，只需預(yù)先設(shè)置好規(guī)則和約束，計算機(jī)就能根據(jù)這些定義去破解問題。

可是當(dāng)面對沒有確定性規(guī)則的問題時（比如：面對多家企業(yè)的Offer，選擇哪份？不小心著涼了，如何快速康復(fù)？），早期的人工智能就無能為力了。

（2）人工智能的現(xiàn)況：突破瓶頸

早期的先驅(qū)者們夢想著設(shè)計出具備人類思維和人類智慧的機(jī)器，那么如何判斷機(jī)器達(dá)到了與人類同樣的智能呢？

其方法為“圖靈測試 ”。

圖靈測試的方法是，測試者和測試對象進(jìn)行對話，測試對象為人和人工智能機(jī)器。如果測試者無法區(qū)分誰是機(jī)器誰是人，機(jī)器便通過了圖靈測試，那么就認(rèn)為機(jī)器具備了人類智能。

圖2 圖靈測試

如何才能讓人工智能解決生活中的現(xiàn)實(shí)問題？例如，人工智能取代理財顧問，為我的投資理財出謀劃策。人工智能代替醫(yī)生，在我身體不舒服的時候，為我開出藥方。

專家系統(tǒng)的誕生提供了解決方案，所謂專家系統(tǒng)就是模擬人類專家的決策過程。比如醫(yī)療診斷系統(tǒng)，會比專業(yè)的醫(yī)生診斷的更好。

人類的決策過程不完全基于明確的邏輯規(guī)則，經(jīng)驗(yàn)在某種程度上能夠幫助人類做出決策。

人們在看病時傾向于選擇專家，就是因?yàn)閷＜覀冮啔v豐富，見識的病例多。在判斷病情時，能夠依據(jù)過往的經(jīng)驗(yàn)，做出正確的判斷。

專家系統(tǒng)的數(shù)據(jù)庫中會裝載大量的相關(guān)知識，這樣就可以依據(jù)預(yù)先錄入的規(guī)則，對現(xiàn)實(shí)問題進(jìn)行處理。

圖3 專家系統(tǒng)框圖

但是，人類的知識和規(guī)則是無法窮舉的，如果都要事先描述知識，再定義規(guī)則，這無疑是十分困難的。

例如，心情不好。這類常識性問題對計算機(jī)來說難度很大?！靶那椤鄙婕暗饺祟惖纳砝硖卣骱托睦碇R，“不好”究竟是何種程度？是痛不欲生還是突發(fā)傷感？

（3）人工智能的未來：走向繁榮

以上提到的人工智能，均屬于弱人工智能的范疇，只需給計算機(jī)提供足夠多的知識，它就能完成特定的任務(wù)，甚至比人類完成地更好。

但弱人工智能僅僅實(shí)現(xiàn)了人類智能的一小部分，知識范疇以外的任務(wù)就無法勝任了。

隨著互聯(lián)網(wǎng)的發(fā)展，積累了海量的數(shù)據(jù)，“機(jī)器學(xué)習(xí)”登場了。從廣義的角度看“學(xué)習(xí)”，其主要目的是進(jìn)行區(qū)分，并對事物進(jìn)行判斷和識別。

機(jī)器學(xué)習(xí)最基本的做法是使用算法來解析數(shù)據(jù)，然后從中學(xué)習(xí)，接著對真實(shí)世界的事件作出判斷和決策。

與傳統(tǒng)的為解決特定任務(wù)、采用硬編碼的軟件程序不同，機(jī)器學(xué)習(xí)需要使用大量的數(shù)據(jù)進(jìn)行訓(xùn)練，通過各種算法來學(xué)習(xí)如何進(jìn)行正確的區(qū)分。

機(jī)器學(xué)習(xí)的算法包括決策樹學(xué)習(xí)、推導(dǎo)邏輯規(guī)劃、聚類、強(qiáng)化學(xué)習(xí)和貝葉斯算法等。

垃圾郵件的識別就屬于機(jī)器學(xué)習(xí)（貝葉斯算法）的典型應(yīng)用。首先需要搜集大量的垃圾郵件和非垃圾郵件，建立垃圾郵件庫和非垃圾郵件庫，然后提取其中的特征量，并對郵件進(jìn)行識別和匹配。特征量的選取，在很大程度上決定了判斷的準(zhǔn)確性。

計算機(jī)視覺領(lǐng)域也有同樣的工作，比如，要判斷圖像中的動物究竟是老虎，還是獅子，或是藏獒，也需要從圖像中找到這些動物的特征量。

但計算機(jī)不能做出選取特征量的判斷，只能依賴手工編碼來完成。

隨著時間的推移，深度學(xué)習(xí)的出現(xiàn)改變了一切。深度學(xué)習(xí)以數(shù)據(jù)為基礎(chǔ)，由計算機(jī)自動生成特征量。

以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，從 Youtube 視頻中尋找貓的圖片便是深度學(xué)習(xí)的代表作。

人工神經(jīng)網(wǎng)絡(luò)的簡要原理如下：

將一張圖像拆分為圖像塊，輸入到神經(jīng)網(wǎng)絡(luò)的第一層。經(jīng)過第一層神經(jīng)網(wǎng)絡(luò)處理后，數(shù)據(jù)被傳輸?shù)降诙?，第二層完成處理后，再將?shù)據(jù)傳輸給下一層。以此類推，直到最后一層，輸出結(jié)果。

神經(jīng)網(wǎng)絡(luò)中的每一個神經(jīng)元都為它的輸入分配權(quán)重，權(quán)重與輸出的結(jié)果直接相關(guān)。神經(jīng)網(wǎng)絡(luò)的輸出是一個概率向量，80%的可能性是貓，15%的可能性是狗，5%的可能性是魚。結(jié)果的正確與否由網(wǎng)絡(luò)結(jié)構(gòu)告知神經(jīng)網(wǎng)絡(luò)。

同時，神經(jīng)網(wǎng)絡(luò)的結(jié)果容易出錯，因此它需要訓(xùn)練。需要海量的數(shù)據(jù)進(jìn)行訓(xùn)練，直到輸入的權(quán)重被調(diào)試的非常精確，無論在什么情況下都能給出正確的答案。

要想在 Youtube 視頻中“學(xué)習(xí)”到貓的圖片，先將數(shù)據(jù)輸入到計算機(jī)中，在低層級神經(jīng)網(wǎng)絡(luò)中，識別出點(diǎn)和線。

接著在下一級網(wǎng)絡(luò)中，識別出圓形和三角形等簡單圖案。

由這些簡單圖形的組合，便能得到特征量。大圓（臉）里面包含兩個小圓（眼睛），兩個小圓中間有一段曲線（鼻子）。

這樣，高層級的神經(jīng)網(wǎng)絡(luò)中便出現(xiàn)了類似“臉”的東西，有貓臉，有狗臉，也有猴臉等等。

再往上，結(jié)合其他特征量，神經(jīng)網(wǎng)絡(luò)便能識別出貓的圖片了。

之所以是深度學(xué)習(xí)，這里的“深度”就指的神經(jīng)網(wǎng)絡(luò)中眾多的層。

圖4 人工神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)示意圖

深度學(xué)習(xí)是人工智能的大腦，在某些應(yīng)用領(lǐng)域中甚至比人類做的好，被認(rèn)為是實(shí)現(xiàn)強(qiáng)人工智能的必由之路。

3. 奇點(diǎn)來臨的前奏曲

在宇宙中，黑洞中心是奇點(diǎn)。黑洞的體積為零，密度無窮大，以至于連光都無法逃脫黑洞引力的束縛，在黑洞中現(xiàn)有物理規(guī)律全部失效。

圖5 黑洞

在數(shù)學(xué)上，函數(shù) f(x) = 1/x 成立的前提條件是 x ≠ 0。

參考下圖，從右至左，隨著 x 接近于 0 ，函數(shù)值接近無窮大。

x = 0 稱為此函數(shù)的奇點(diǎn)。

圖6 數(shù)學(xué)奇點(diǎn)

在人工智能中，所謂奇點(diǎn)，指的是人工智能可以自動地制造出超越自身能力的新人工智能的那個時點(diǎn)。

一臺計算機(jī)能夠設(shè)計出比自身更優(yōu)秀的計算機(jī)，一個程序能夠產(chǎn)生比本身更強(qiáng)大的程序，一段算法可以進(jìn)化出更先進(jìn)的算法。

廣義而言，奇點(diǎn)意味著人工智能全面超越人類的時刻。

自計算機(jī)誕生之日起，就保持指數(shù)增長，摩爾定律中提到的18個月的周期，正在縮短。而人類智慧進(jìn)化較慢，幾萬年來也未必增加兩倍。

圖7 當(dāng)人工智能超越人類智慧

不如自己的東西，生產(chǎn)復(fù)制地再多，也無法超越自己的能力。但如果能夠制造出超越自己的東西，哪怕每次只超出了一點(diǎn)點(diǎn)，經(jīng)過多次進(jìn)化迭代后，人工智能就能制造出比自身更聰明的東西。經(jīng)過無限次循環(huán)，人工智能便能超越人類智能了。

舉例：0.9 比 1 只少 0.1，1000 次方后的結(jié)果約等于 0 ，而增加一點(diǎn)點(diǎn)， 1.1 的1000次方就是非常大的數(shù)字了。

圖8 數(shù)字的迭代

你可能會困惑：人類發(fā)明的人工智能最終能夠超越人類的智慧嗎？試著思考下面的問題：汽車是人類制造的，其速度超越了人類雙腳的速度。飛機(jī)也是人類發(fā)明的，將沒有翅膀的人類送上了天空。所以，人工智能超越人類智慧是有可能的。

所有的技術(shù)，包括人工智能在內(nèi)，本質(zhì)上都來自于自然。

技術(shù)早于人類出現(xiàn)。鳥類會采集樹枝構(gòu)筑鳥巢，猩猩會使用石頭砸開堅硬的果實(shí)，螞蟻會有組織有分工地搭建龐大的巢穴。

科技的進(jìn)化與自然的進(jìn)化相似，奇點(diǎn)來臨的那一天，科技體會進(jìn)化為獨(dú)立的生命物種。

也許最終的結(jié)局如《奇點(diǎn)臨近》中所描述的那樣，人類作為數(shù)據(jù)存儲于計算機(jī)中，與人工智能共生。

參考文獻(xiàn)：

1. 《奇點(diǎn)臨近：當(dāng)計算智能超越人類》，Ray Kurzweil
2. 《人類簡史：從動物到上帝》，尤瓦爾 · 赫拉利
3. 《人工智能狂潮：機(jī)器人會超越人類嗎？》，松尾豐
4. 《智能爆炸：開啟智人新時代》，王漢華，劉興亮，張小平
5. 《人工智能時代 : 人機(jī)共生下財富、工作與思維的大未來》，Jerry Kaplan
6. 《智能時代 : 大數(shù)據(jù)與智能革命重新定義未來》，吳軍
7. 《技術(shù)元素》，凱文 · ?凱利
8. 《科技想要什么》，凱文 · ?凱利

作者：沈宇星，曾經(jīng)的500強(qiáng)研發(fā)工程師，現(xiàn)擔(dān)任創(chuàng)業(yè)公司的產(chǎn)品經(jīng)理。寫下這篇文章，察覺到做產(chǎn)品的這些年，技術(shù)方面一直在吃老本，考慮以文章的方式輸出自己對技術(shù)的理解，同時也激勵自己對新科技保持好奇。自認(rèn)為是一個有趣的人，歡迎交流，微信號：syx19890213，個人公眾號：iotdiary。

本文由 @沈宇星 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。