人工智能热潮的哲学反思论文

SCI论文（www.lunwensci.com）:
 
摘    要：

新一代人工智能当前正热火朝天、红得发紫。火热的背后既有技术发展的必然, 又有海量资金的推动, 更有人们对脑力劳动解放的热切期盼, 当然还更有媒体的跟风炒作。在人工智能火热现象的背后, 哲学工作者应该从哲学的眼光冷静地看待这场热潮, 既要顺应潮流, 迎接新信息革命的到来, 又要科学、辩证地看待人工智能, 不要盲目跟风起哄。人工智能既不像乐观主义者说的那样可爱, 也不像悲观主义者说的那么可怕。人工智能既不是神话, 也不是笑话, 而是需要我们说真话。

关键词：
人工智能; 弱人工智能; 强人工智能; 智慧能力; 人机关系;

作者简介：黄欣荣, 哲学博士, 江西财经大学管理哲学研究中心、马克思主义学院教授, 博士生导师, 主要从事大数据哲学、人工智能哲学研究。

基金： 国家社会科学基金重点项目“大数据技术革命的哲学问题研究” (2014AZX006) ;


Abstract：
A new generation of artificial intelligence ( NGAI) is enjoying great popularity. Being the most hyped in media, the most flocked by venture capital, and the most followed by scholars from various disciplines, NGAI seems to be in the full swing. While the enthusiasm for NGAI is the necessity of technological development, it has also been driven by mass venture capital, people's eager anticipation of mental labor liberation, and the hype by media. Philosophers should approach the fashion calmly from the perspective of philosophy. On the one hand, we should follow the trend to greet the arrival of the information revolution. On the other hand, we should treat it in a scientific and dialectical way rather than following it blindly. Artificial intelligence is not as cute as what the optimists describe, and also not as fearful as what the pessimists say. It is neither a myth nor a joke.

Keyword：
artificial intelligence; weak artificial intelligence; strong artificial intelligence; philosophical reflection; man-machine relationship;

随着大数据革命的兴起, 曾经沉寂多年的人工智能又开始逐渐升温。特别是2016和2017年“阿尔法狗” (Alpha Go) 与世界围棋冠军的两次对弈, 成功地吸引了亿万眼球, 让人工智能一下子成为世界级网红, 成为媒体炒作的热门话题、风险投资家的投资热土和各门学科的研究热点。[1]如今, 从政府部门到黎民百姓, 从媒体到商家, 从科学技术到哲学人文, 无人不知、无人不晓人工智能。是什么原因促成了当前的人工智能热呢?人工智能热究竟是好事还是坏事、是机遇还是危机?作为科技哲学研究者, 不能盲目跟风, 或盲目反对, 而是应该运用科学技术哲学的分析工具, 对当前这场人工智能热潮进行冷静的哲学分析, 从而更加客观、科学地反思和判断人工智能的发展现状和未来趋势。


一、人工智能新热潮的现状

说起人工智能, 如今已是尽人皆知, 无人不晓。然而, 就在2016年“阿尔法狗”与韩国围棋世界冠军李世石对弈之前, 人工智能还局限在计算机、自动化等专业技术的小圈子里。因为与世界冠军对弈并获胜, 一夜之间“阿尔法狗”红遍世界, 由此带动了人工智能的火热。2017年5月, “阿尔法狗”在浙江乌镇对战围棋世界冠军柯洁并获全胜, 再次将人工智能推上世界媒体的巅峰, 人们惊呼人工智能时代已经真正来临, 人类有可能很快被人工智能取代。[2](P2-4)于是, 2016年被人们称为人工智能再崛起的元年, 而2017年则是人工智能红得发紫的一年:各种媒体全力编发人工智能的新闻而形成炒作热, 各国政府开始把人工智能作为国家战略来进行顶层设计而形成规划热, 各路资金涌向人工智能产业而形成投资热。学术界也一样, 各门学科都搭上人工智能的快车而形成了研究热。总之, 人工智能成了街谈巷议的话题, 连一向不关心科技的大叔大妈们都已经知道了人工智能, 用“热浪滚滚”来形容当前的人工智能热一点都不为过。

第一, 是媒体炒作热。我们仅分析作为传统媒体的国内报纸对人工智能的报道情况就可见一斑。根据中国知网的统计, 自2000年知网收录国内重要报纸以来到2017年止, 国内报纸共有5858篇以“人工智能”为主题的文章。

表1 2000—2017年国内报纸发表的以“人工智能”为主题的文章数量统计表    

从表1可以看出, 2000—2013年的14年间, 每年都只有几十篇文章, 2014—2015年开始突破百篇, 而2016年突然爆发到1004篇, 2017年更是火爆到有3613篇, 增长速度惊人。2018年估计可能突破5000篇。 (1) 这还仅仅是中国知网收录的报纸这一传统媒体所发表的文章。作为新媒体的互联网, 在其上谈论人工智能的文章更是像火山爆发。2018年元旦之时, 以“人工智能”在百度搜索, 相关结果约18500000个, 而且每天以十万甚至百万的速度增长。从2016年人机大战开始人工智能被刷爆微博圈、微信朋友圈, 以及其他各种自媒体, 并长期霸屏, 因此“人工智能”一词成功入选2017年媒体最热词汇。

第二, 是各国政策规划热。2016年前后, 各主要国家纷纷出台相关政策, 进行顶层设计, 希望抓住这次人工智能爆发的机遇。[3](P170-181)美国作为人工智能的先导者, 通过国家规划、政策、项目支持、成立协调推进机构以及加强国际合作等方式, 全面推进人工智能及其相关技术、产业的发展, 先后出台了《国家大数据研究与发展战略规划》《国家战略计算行动规划》《推进创新神经技术脑规划》《美国机器人发展规划》《为人工智能的未来做好准备》《国家人工智能研究与开发战略规划》等。欧盟在2016年人工智能热潮前就先后出台了《欧盟人脑计划》 (2013) 、《欧盟机器人研发计划》 (2014) 等。英国也不甘落后, 2016年发布了国家级政策《英国人工智能的未来监管措施与目标概述》《人工智能:未来决策制定的机遇与影响》, 阐述了人工智能对未来英国的影响, 并希望利用人工智能推进产业升级, 增强国家实力。日本在2015年1月就制定了《日本机器人新战略:愿景、战略与行动计划》, 为新一代人工智能的迅速发展谋篇布局。[4](P18)中国在人工智能研发方面与西方发达国家完全同步, 在《国务院关于积极推进互联网+行动的指导意见》《促进大数据发展行动纲要》之后, 于2017年7月由国务院发布了《新一代人工智能发展规划》, 制定了中国“2020”“2025”和“2030”不同阶段人工智能发展的国家战略目标。由此可见, 以“阿尔法狗”为代表的新一代人工智能引起了各国政府的关注, 各主要国家纷纷进行顶层设计, 在规划、研发、产业化诸多方面提前布局, 掀起了人工智能研发的一场国际新竞赛。

第三, 是各国的人工智能研究热。人工智能本来并不是新东西, 从达特茅斯学院举办的第一次国际人工智能会议正式提出人工智能开始, 已经有了60多年的历史, 并且有过两次兴衰。不过, 前两次人工智能浪潮影响没有这次深远, 也没有这次火热。我们以“人工智能”作为主题词检索中国知网学术期刊库, 从1975到2017年, 共检索出相关文献34823篇。如图1所示, 2004年之前, 每年发表文献从几十篇到数百篇不等。从2005年开始突破1000篇后, 一直稳中有升, 到2015年才达到1844篇, 尚未突破2000篇。但是, 从2016年开始发生突变, 一下子上升到3234篇, 2017年更是高达5944篇, 两年所发文献占43年文献总量的26%, 接近1/3。 (2) 近两年的人工智能热由此可见一斑。从学科分布来看, 从哲学、人文、社会科学到自然科学、工程技术, 几乎所有的学科都介入了人工智能, 可以说是遍地开花, 好像不与人工智能关联的学科就不是前沿学科。

第四, 是人工智能投资热。据2017年的乌镇指数报告, 在2012—2016年的5年间, 全球人工智能企业新增5154家, 是此前12年的1.75倍;全球人工智能融资规模达224亿美元, 占2000—2016年累积融资规模的77.8%。仅2016年的融资规模就达到92.2亿美元, 是2012年的5.87倍, 与2000—2013年共计14年累积的融资规模相当。 (3) 如图2所示, 中国人工智能从2015年开始成为投资热点, 2014—2016年3年是中国人工智能发展最为迅速的时期。在这3年里新增的人工智能企业数量占累积总数的55.38%, 融资规模占总数的93.59%。[5]由此可以看出, 2016年是人工智能行业爆发的一年, 从这一年开始, 无数人工智能新企业、新技术和新应用得到政府、企业和个人的大量投资。无论从国际还是国内来看, 人工智能都在2016年前后迅速成为国家、企业和风险投资家的投资热点, 人工智能企业总数迅速增加, 企业并购数目创新高, 初创企业融资突飞猛进, 创投以爆炸方式得到飞速发展。可以说, 经过20世纪80年代末以来20多年的沉寂之后, 人工智能终于迎来了大爆发的第三次浪潮。

图1 1975—2017年学术期刊所发人工智能论文 (数据来自中国知网)   


图2 中国人工智能融资情况 (4)   

二、人工智能新热潮的必然性

稍微熟悉一点人工智能发展史的人都知道, 人工智能在之前已经有过两次火热的历史, 甚至当时有人预言人工智能在十年、八年内就将取代人类, 从而全面控制这个世界。第一次是20世纪50年代中期。1956年达特茅斯会议刚刚提出人工智能概念和理论的时候, 人工智能曾经大火, 与现在一样热浪滚滚, 人工智能工作者乐观地预言机器很快能够像人一样思考和决策。他们已经提出了图灵测试、机器学习、遗传算法和强化学习等人工智能的核心理论, 甚至提出了神经网络理论, 并从技术上实现了不少图灵测试。[6](P5-6)于是, 不少人乐观估计十年内人工智能就能发展成熟, 成为改变人类和世界的革命性技术。可是, 第一次人工智能浪潮热闹近十年后很快就成了一朵浪花, 消失在汪洋大海之中。在冷清和沉寂十几年之后, 20世纪80年代初由于专家系统的兴起, 人工智能再度崛起, 于是又进入了第二次浪潮。人们认为以专家系统为代表的人工智能很快能够像人一样思维、学习和决策, 向专家学习后很快就能取代专家。[2](P58-59)于是, 各门学科纷纷涌入人工智能领域, 各种投资都纷纷涌向人工智能产业。然而, 除了几个实验模型之外, 并没有取得什么实质性进展。于是从20世纪90年代开始, 人工智能又再次陷入沉寂, 冷得让人瑟瑟发抖, 甚至一个人如果说在从事人工智能研究, 就会被认为是骗子。

有了上两次的火热和寒冷的经历, 我们不得不思考:这次的人工智能能热多久?会不会像前两次浪潮一样, 热闹几年马上就陷入长久的沉寂?其实现在就有人预言, 这次人工智能热潮也不会长久, 到时候又会耻于谈论人工智能, 人工智能从业者会再次被当作骗子。[7]果真会是这样吗?我们有必要对这次人工智能热潮现象做一次本质的揭示, 探讨热潮背后的真实原因, 这样就能更好地回答这些问题。

首先, 从人类解放的历史来看, 新一代人工智能的大发展是人类脑力劳动解放的技术实现, 符合人类全面解放的长期期盼, 是历史发展的必然。人类的发展史就是一部不断用外物来解放人类自身的历史。从技术发展史来看, 技术发展的过程就是人类不断解放自己的过程。马克思认为, 技术是人体器官的延伸, 与马克思同时代的技术哲学之父卡普则认为技术是人体器官的投影, 其实两人的意思是一致的, 都认为技术无非是人体功能的模仿与增强。人类生活在世界中, 最大的负担就是繁重的体力劳动和脑力劳动, 这两类劳动几乎束缚了人类的全部发展。人类的一切技术发明与创新无非就是试图通过延伸、投影人的器官来增强、放大人类的力量。在人工智能之前的漫长历史中, 人类通过技术主要解决了体力的解放, 让许多原来需要人类体力的繁重劳动交给了工具、机器去完成。当体力劳动机械化、自动化之后, 脑力劳动就成了人类最大的负担, 因而必须让其实现机械化和自动化, 以彻底解放人类。人工智能的出现正是人类全面解放的必然要求, 完全顺应了人类的历史发展。[8]自动机技术和计算机技术的出现, 为人工智能奠定了技术实现的基础, 因此1956年的达特茅斯会议正式提出了人工智能的概念和理论。虽随后发展有过两次浪潮, 但只是拉开了解放脑力的序幕, 没有真正实现脑力劳动的全面解放。这次人工智能浪潮的兴起, 是继上两次浪潮之后, 将人类脑力解放运动继续推进, 以便实现人类的全面解放。

其次, 我们从技术发展的视角来看新一代人工智能兴起的必然性及其发展前景。任何技术的发展都有其发生、发展和成熟的过程, 而且像马克思主义哲学所说的“前途光明但道路曲折”的辩证发展历程, 在技术哲学与技术管理中被称为“技术成熟度曲线”。[2](P44)该曲线告诉我们, 新技术的发展往往不会一帆风顺, 相反地, 一般都要经过几次兴衰、反复之后才能成熟。一项新技术诞生之初, 新闻媒体和学术会议会将其大肆炒作, 将其吹嘘为石破天惊的革命性技术, 但美丽的泡沫可能很快破灭, 然后从天上摔到谷底, 甚至无人问津。在少数人的坚持下, 新技术熬过寒冬, 再度生根发芽, 进入新一轮的炒作、泡沫和衰落。如此反复数次之后, 该项新技术才能够真正成长为推动经济、社会发展的革命性力量。人工智能的发展过程就是“技术成熟度曲线”的生动案例。计算机出现之初, 图灵等先驱们就已经提出了智能机器之类的思想, 到1956年达特茅斯正式提出人工智能概念之后, 人工智能被媒体热炒, 大量资金流入人工智能领域。被媒体炒作成十年、八年取代人类之后没几年, 美丽的肥皂泡就快速破灭了。20世纪80年代迅速蹿红的专家系统又让人工智能火了一把, 并被预言很快取代专家, 但结果是人工智能研究很快进入寒冬。经过这两次的兴衰, 人工智能逐渐成熟起来, 第一次浪潮让人工智能的逻辑推理能力得到了迅速发展, 第二次浪潮让人们认识到经验和数据对人工智能的重要性。这次人工智能新热潮是在吸取前两次人工智能热潮的经验教训基础上, 借助互联网、大数据和云计算等新技术, 弥补了过去两次人工智能发展过程中的技术不足, 从而获得了长足进步。新一代人工智能从技术上有了突破, 让机器在硬件、软件和数据三个方面实现了类人的思维能力, 摆脱了人工智能发展过程中的技术羁绊, 具备了突飞猛进的条件。因此, 这一次的人工智能技术具有了革命性的技术基础, 即将大踏步地向前发展。

再次, 这次人工智能热潮的兴起是产业变革的必需, 是产业发展的推动结果。自第一次技术革命以来, 科学革命、技术革命与产业革命之间就开始构成了一个互为因果、循环加速的互动机制。人工智能的前两次浪潮由于技术本身的局限, 都停留在实验室研究阶段, 根本还没有走上产业化道路。20世纪80年代火热的专家系统, 虽然有一部分技术已经应用到个别部门, 但最终都离产业化差一大步。这次人工智能热潮之所以热, 除了其科学基础、技术手段有了突破性的进展外, 一个重要的原因就是具有了产业化基础。新一代人工智能得到了来自产业界的热烈响应, 并迅速产业化。例如, 智能翻译、服务机器人、无人驾驶、人脸识别等智能技术已经得到了比较广泛的产业应用。反过来, 产业界对语音识别、图像识别、自然语言理解以及诸多的智能技术有着强烈的需求, 呼唤和推动着人工智能技术不断向前发展。目前, 技术和产业的发展都走到了一个临界点, 增强、放大人类体力的技术逐渐让位于增强、放大人类智力的技术, 只有充分发掘、利用人类的智力, 才能带来新技术革命和产业革命。新一代人工智能热潮的兴起正是顺应了这个产业革命的呼唤, 满足了产业革命的需求。

最后, 媒体是推动新一代人工智能热潮的重要因素, 新媒体向大众迅速传播和普及新人工智能, 因此刮起了一股人工智能的旋风, 掀起了一场新的人工智能热潮。新一代人工智能适逢互联网、大数据时代, 万物互联、跨越时空是这个时代的特征。借助互联网络和智能终端, 各种新媒体不断涌现, 媒体被高度碎片化和分散化, 每个人都成了媒体人, 每一部手机都成了报社、电视台、广播电台等。例如, 两次人机大战都被各类媒体炒得火热, 其中除了报纸、电视等传统媒体外, 更重要的是网络媒体的参与。各类网络媒体都对这两次人机大战进行了全程直播, 各种自媒体进行了海量转发, 并有大量评论, 因此人机大战几乎变成了一场全民新闻盛宴。当世界冠军、围棋九段李世石、柯洁分别以4∶1和3∶0输给“阿尔法狗”时, 人工智能迅速成为所有媒体争相报道和追捧的明星。随后, 人工智能 (特别是机器人) 成了各类媒体, 特别是电视节目的热门话题, 例如中央电视台的《机智过人》节目, 将国内最优秀的翻译机器人、作诗机器人、网球机器人、读图机器人等请上节目, 与最强大、最专业的人类团队进行比赛, 最后的结果基本上都是机器人战胜人类。这些令人眼花缭乱的节目一方面公开进行了各类机器人的图灵测试, 另一方面也大力宣传了以机器人为代表的人工智能的强大智慧。因此, 新一代人工智能的火热与新媒体有极大关系, 新媒体及时地宣传、放大了新一代人工智能的强大威力。

由此可以看出, 虽然含有媒体炒作的成分, 但新一代人工智能的确有爆发的必然性。

三、人工智能新热潮的冷思考

目前新一代人工智能发展得如火如荼, 各个国家、各个行业都纷纷响应。虽然说新一代人工智能的火热有其科学前提、技术基础以及产业需求, 但是我们对这次人工智能的热潮总感到有点不安:人工智能热是不是热过了头?我们是否在热潮面前要保持一份冷静的思考?因为如果热得过头, 不但带来人们对人工智能的再次失望, 而且可能损害社会经济的进一步发展。

1. 新一代人工智能的发展速度并没有我们想象的那么快, 真正强人工智能时代的来临还路途漫漫

新一代人工智能被各路媒体炒作得过分, 以致许多人认为人工智能技术已经取得了全面突破, 人工智能所需要的各项技术都已经突飞猛进并进入了应用阶段, 我们的时代已经迅速地迈入了人工智能时代。然而, 事实并非如此。半个多世纪的人工智能研究和实践表明, 人工智能技术的实现, 需要硬件、软件和数据的三足鼎立。任何一方欠缺, 人工智能都无法真正实现革命。

硬件是人工智能的物质基础。在电子元器件出现以前, 帕斯卡、莱布尼兹、巴贝奇、艾达等人就设想、设计过能思维的机器, 但因为缺少硬件, 他们的思想只能停留在理念层面。电子元器件出现之后, 计算机随之出现, 人工智能思想也马上被图灵等人提出。第一代、第二代人工智能的兴起及其失败, 也是因为电子管和晶体管的出现及其局限。第三次人工智能的兴起与芯片技术、网络技术有极大的关系。人类的大脑具有极其复杂的内部结构, 目前来说人类对其认识还太少, 几乎还是一个黑箱。虽然芯片、网络, 特别是神经网络技术已经有了巨大发展, 但离能够真正模拟人脑的复杂结构还有巨大的距离。因此, 从硬件制造来看, 目前的人工智能离全面超越人类智能还很远, 还需要人类做出巨大的努力。

数据是人工智能的能源和养料, 智能的实现需要各种各样的海量数据。第一代人工智能由于缺乏数据, 只能靠推理来实现。第二代人工智能则引入了专家系统封闭、静态的有限数据, 实现了有限的智能。得益于互联网和大数据技术, 新一代人工智能有了在线、开放、无限的数据资源。然而, 目前的数据资源问题依然没有得到彻底解决。一方面, 世界的数据化之路还任重道远;另一方面, 现有的数据资源尚未充分共享, 存在大量的数据垄断和数据孤岛。虽然随着智能感知、互联网 (特别是移动互联网) 、物联网等技术的发展, 我们所处的世界正逐渐被数据化, 而且大数据主义者也宣称万物皆将被数据化, 但是目前已经真正被数据化的世界还只占极小部分, 绝大部分世界依然未被数据化。未被数据化的世界是认识的盲区, 更不可能实现智能化。从已被数据化的小部分世界来看, 绝大部分数据都因隐私、部门利益、国家安全等原因被各种组织垄断和封锁, 形成一个个难以通达的数据孤岛。从人工智能所需要的数据资源来说, 新一代人工智能并没有解决世界的完全数据化和数据共享问题, 因此, 人工智能要完全超越人类尚不具备条件。
算法或软件是人工智能的灵魂。智能硬件的运行、数据资源的挖掘、利用都需要算法的参与。人类大脑究竟是怎样运算、决策和预测的, 目前我们还尚不清楚其详细的机制。计算机的运算、决策和预测则是通过软件的算法来实现。面对海量的数据, 计算机主要是通过搜索和计算对其进行快速处理, 特别是在深度学习出现之前, 计算机主要是通过“蛮力”完成。深度学习方法, 特别是深度卷积模型 (卷积神经网络) , 使机器有了人类思维的某些特性, 因此新一代人工智能有了比较大的进步。从目前来看, 计算机并不聪明, 主要还是依靠其强大的计算能力和快速的处理速度来处理数据, 并没有完全掌握人类大脑的思维方式。因此, 从软件或算法的角度来看, 人工智能离人类智能还很远, 短期内很难真正超越人类。

2. 新一代人工智能的智慧水平并没有我们想象的那么高, 要真正完全代替人类的脑力劳动还很遥远

人的思维能力是一种综合能力, 表现为人的智慧能力, 并不仅仅是智能。从现有的人工智能来看, 机器目前还仅仅停留在某些智能的水平, 还根本没有上升到人类智慧的层次。人与机器人的最大区别就表现在智慧与智能的巨大差别上。
所谓智能就是根据所提供的全部数据、知识之间的因果关系或相关关系建立的数学模型而做出相应行为的能力, 因此, 在给定数据的条件下, 智能主要根据数据之间的关系进行计算, 并根据计算结果进行决策。也就是说, 智能主要是一种逻辑运算能力, 它需要确定、全面的数据作为前提条件, 然后对数据进行挖掘、学习和提炼, 找出其中蕴含的规律, 并由计算结果进行决策响应。用管理大师德鲁克的话来说, 就是“正确地做事”, [9](P168)即在给定条件和目标的前提下做出正确的决策, 采取正确的行动。智能更多地偏向于感性、知性、理性等推断能力。

所谓智慧, 是生物的神经器官所具有的感知、记忆、理解、联想、情感、逻辑、辨别、计算、分析、判断、决策等综合判断能力, 它让人可以深刻地理解人、事、物、社会、宇宙、现状、过去、将来, 拥有思考、分析、探求真理的能力。智慧与智能一样需要数据、知识等原材料, 但不要求数据、知识齐全和完备, 数据之间也不完全按照因果关系进行逻辑推理, 更注重数据之间的非线性关系, 因此在数据不完备的条件下, 根据直觉或灵感, 可以创造性提出非常规的结论, 并由此采取行动。用德鲁克的话来说, 所谓智慧就是“做正确的事”。[9](P168)著名科学家钱学森提出的大成智慧理论, 论述的就是智慧问题。钱学森认为, 人类可以把前人的经验综合集成, 并用直觉或灵感提升为令人难以用逻辑进行推理的创造性思想, 这种过程难以用因果规律进行解释, 只能用直觉或灵感进行综合判断。[10](P273-274)智慧除了感性、知性和理性等推断能力之外, 还包括情感和意志等非理性能力。

目前的人工智能在智能方面有了比较大的进展, 但在智慧方面仍然与人类相距十万八千里, 可以说目前的人工智能是有智能、缺智慧, 有智商、缺情商。我们以目前最成熟的机器翻译和棋类博弈为例, 来看人工智能的智能与智慧能力。机器翻译是人工智能最早的研究项目, 数十年来, 人工智能研究者在机器翻译上付出了大量的心血, 并且取得了比较大的成功。第三代人工智能借助互联网、大数据等新技术, 无论在笔译还是口译上都达到了综合专业级别的水平, 据说不少翻译工作者将可能失业。目前的机器翻译是如何做到的呢?其实主要是借助互联网上的无限语料库, 凭着智能机器的快速搜索和强大运算能力, 将过去已经翻译过的文献资料进行快速搜索和判断, 将类似的语句组织在一起来实现语言的翻译。轰动全球的“阿尔法狗”人机围棋大战, 让人工智能名噪一时, 让柯洁这样的世界级围棋大师都谈“机”色变。其实, “阿尔法狗”主要是利用人类过去所有的棋谱数据, 在机器的快速搜索和计算下, 进行预测和判断。也就是说, 机器是靠强大的记忆能力、快速的搜索能力和超级的计算能力战胜人类的, 机器并没有多少智慧, 只有“蛮力”。所以, 在2018年1月23日达沃斯论坛午餐会的对话中, 穆斯塔法·苏莱曼 (Mustafa Suleyman, Deep Mind联合创始人兼主管) 和创新工场董事长李开复、李飞飞坦诚, “阿尔法狗”并没有那么神, 只是被外界夸大了。它要想工作, 必须满足三个前提:可预测环境 (围棋规则) 、清晰奖励系统 (输赢) 、无变数 (variability) 。李飞飞认为, 人工智能目前还不能理解语境和复杂的知识, 要识别人类的情绪、感情和动机, 还有很长的路要走。[11]

针对数据完备、规则确定、目标明确 (答案) 的问题, 机器发挥强大的记忆、搜索、运算能力, 可以比人类做得更快、更准、更好, 甚至秒杀人类。但是, 在数据不全、规则不确定、目标不明确的条件下, 人类发挥直觉、灵感等智慧能力, 依然可以做出创新性判断和决策, 完全秒杀机器。用哲学家康德的话来说, 论纯粹理性能力, 目前的人工智能可以比肩人类, 甚至超越人类, 但论及情感、意志和审美等非理性能力, 目前的人工智能还只是侏儒, 根本还没法跟人类相提并论。在智慧能力上机器要超越人类, 目前还不太可能。

3. 新一代人工智能带来的人机关系并没有想象的那么紧张, 机器并不一定非要与人类完全对立

人机关系是自从人类有了技术或机械之后就一直存在的问题, 具有思维能力的人工智能出现之后, 人机关系只是更加突出而已。基于大数据的新一代人工智能的到来, 人机关系问题再一次被大家所关注, 而且被媒体和部分学者夸大到人机对立、相互难容的程度, 以至于大众对人工智能产生了惴惴不安的恐惧心理, 因此造成了大众对人工智能的误会与拒斥。有些人认为, 由于机器具备甚至超过了人的智能, 于是未来的人类就被机器所挤兑, 人类将无立锥之地, 其中有几种说法颇有代表性:一是机器人将抢走人类的饭碗, 人类即将大量失业;二是由于人类不具备智能机器强大的记忆能力、运算能力, 人类智能将不敌机器智能, 因此人类将失去对机器的控制, 智能机器将成为人类的主人;三是由于机器成了人类的主人, 于是人类就沦为机器的奴隶或机器圈养的动物, 因此要打要杀全凭智能机器的算法或情感。[12]未来的人机关系真会像这些说法那么悲观吗?

人工智能分为弱人工智能和强人工智能。所谓弱人工智能就是在原来的机器基础上增加一些感知、储存、计算、推理、决策等过去认为只有人类才具备的知识和能力, 但机器没有情感和自我意识。所谓强人工智能就是机器完全具备人的智慧和能力, 能够像人一样思考和行动, 具有理性、情感、意志和审美等人类智慧, 能够自我学习和自我进化, 具有自我意识和自由意志, 以致最后形成人类之外但又具有甚至超过人类智慧的非生物性智慧新物种。目前的人工智能主要还属于弱人工智能, 这种弱人工智能让机器具有了感知、理解、判断和决策能力, 它们的智能比较专业和专一, 只能局限于人类的某些智能, 例如扫地机器人专门扫地、围棋机器人专门围棋博弈等。这些专一的智能机器在某个专业领域可以超越人类, 但它们不具有人类的通用智慧和综合判断能力。弱人工智能已逐渐被应用于农业、工业和服务业中, 极大地减轻了人类的体力和智力劳动。但是, 从目前来看, 在智能产业和智慧产业上, 智能机器的应用还刚刚开始, 特别是具有通用性的强人工智能才刚刚起步, 未来前景如何还不可知, 更别提如何奴役、屠杀人类了。

人类研制智能机器, 目的是为了摆脱那些奴役人类的重复、单调、危险的工作, 是为了在减轻体力劳动的基础上进一步减轻脑力劳动的沉重负担, 因此人工智能的最终目的是帮助人类、解放人类, 与人类一起构成互补的合作关系。智能机器与人类在基本生存需求、自我意识和财富观念等方面都与人类有巨大的差别。按照马斯洛的人类需求层次理论, 人类的需求主要分为五大类, 按照层次从低到高分别为生理需求、安全需求、爱和归属感、尊重、自我实现, [13]由此可以看出人类的需求比较复杂。但是, 从目前来看, 智能机器似乎并没有这么复杂的需求, 它们只有生存和安全的需要。从生存需求来说, 人类需要呼吸、水、食物、睡眠、生理平衡、分泌和性生活等;从安全需求来说, 人类需要人身安全、健康保障、资源所有性、财产所有性、道德保障、工作职位保障和家庭安全等;但是, 智能机器只需要电源、网络和数据等资源, 并不需要人类的有机食物、呼吸、睡觉及性生活, 在安全方面也只需要自身系统的安全, 不需要财产保障、福利保障和家庭保障等。在物质、能量和信息需求之外, 智能机器并不需要社交情感、自尊和自我实现等更高层次的精神需求。智能机器虽然通过深度学习可以理解人类的情感、意志等, 但它本身并没有这样的需求。这样, 从需求的角度来看, 人类的需求生态位与智能机器的生态位基本上不重叠, 因此, 相互之间不会因为资源产生矛盾和冲突, 反而可以合作共赢。从自我意识来看, 目前的智能机器还没有自我意识, 并不会觉得人类把它们当成了奴隶。从财富观念来说, 人类总是贪得无厌, 爱占财富, 但智能机器并不会积累财富, 更不知道将财富作为遗产传给下一代。因此, 智能机器随着智能水平的提高, 其行为或能力慢慢可以赶上或超过人类, 但它们的需求生态位与人类不同, 人机之间不会出现人与人之间的本质矛盾和冲突, 智能机器不可能成为人类的对立面。

4. 新一代人工智能的发展需要大量的技术、资金和人才, 我们的社会还没有做好全面的准备

新一代人工智能是基于互联网、大数据、深度学习、智能硬件等诸多新技术出现的, 所以这些新兴技术的发展状况将推动或制约着新一代人工智能的发展。虽然在这些新技术的推动下, 人工智能研发近年来一扫20世纪80年代末以来的沉寂, 博得了全世界的眼球, 并因此进入人工智能发展的新时代。但是, 这些新技术尚在发展中, 还远未完备:互联网虽然遍及世界, 但有许许多多的事物仍然是漏网之鱼, 网连万物仍然只是一个理想;大数据技术革命带来了海量的数据, 但目前已被数据化的事物还仅是小部分, 而且这一小部分也被掌握在少数人手中, 被分割成一个个数据孤岛;目前的深度学习等技术还只是初步的, 大量的数据还难以挖掘, 仍然等待更好的学习技术的出现;人工智能仅靠软件、算法, 速度上难以突破;图形处理器 (GPU) 等智能硬件的出现给人工智能技术带来了希望, 但目前仍然难以满足人工智能技术的实际需要。因此, 从技术视角来看, 目前的人工智能才刚刚开始, 离我们希望或担心的超越人类的人工智能还很遥远, 库兹维尔所预测的“奇点”未必能如期而来, 若要实现, 还要等待许多关键技术的重大突破。[14]

新一代人工智能的研发需要大量的资金, 特别是世界的全面智能化需要全社会、全世界的参与, 需要政府、企业、风投等多方资金的资助。虽然美国、中国、欧盟等许多国家或区域组织都看好人工智能, 微软、谷歌、百度等大企业也对人工智能进行了大量投资, 风投机构更是跟风追击, 但是, 跟人工智能研发的实际需要相比, 研发经费还远远不够, 有些政府、企业和风投机构对人工智能还保持审慎的态度———毕竟已经有过两次失败的教训。资金的缺乏在一定程度上让人工智能的发展不会如想象的那般快速。

新一代人工智能是新兴的前沿技术, 需要大量的人才参与其中, 然而人才储备明显不足, 人才缺口较大, 一时难以满足实际需要。前两次人工智能的低谷期让许多人离开了人工智能领域, 高校和研究机构的人才培养都停顿了多年。从人才培养来看, 新一代人工智能的飞速发展还没有完全准备好。

参考文献：

[1]K.S.Gill.Uncommon voice of AI[J/OL].AI&Soc, Published online:August 14, 2017.
[2]李开复, 王咏刚.人工智能[M].北京:文化发展出版社, 2017.
[3]腾讯研究院, 等.人工智能——国家人工智能战略行动抓手[M].北京:中国人民大学出版社, 2017.
[4]尹丽波.人工智能发展报告[R].北京:社会科学文献出版社, 2017.
[5]乌镇智库.乌镇指数:全球人工智能发展报告 (2017) 
[6]李彦宏.智能革命[M].北京:中信出版社, 2017.
[7]汤晓鸥.人工智能在中国有点过热了, 我想泼泼冷水[N/OL].
[8]黄欣荣.大数据、人工智能与共产主义[J].贵州省委党校学报, 2017, (4) .
[9]德鲁克.德鲁克管理思想精要[M].北京:机械工业出版社, 2007.
[10]钱学森.钱学森文集·卷六[C].北京:国防工业出版社, 2012.
[11]达沃斯直击:李开复、李飞飞、Mustafa Suleyman、Richard Socher, 大佬们眼中的AI
[12]江晓原.人工智能:威胁人类文明的科技之火[J].探索与争鸣, 2017, (10) .
[13]A.H.Maslow.A Theory of Human Motivation[J].Psychological Review, 50, .
[14]雷·库兹韦尔.奇点临近[M].北京:机械工业出版社, 2016.
注释
1 以上数据均来自“中国知网”的检索与统计。
2 同上。
3 该图来自尹丽波主编:《人工智能发展报告》, 社会科学文献出版社2017年版, 第18页。
4 该图来自乌镇智库:《乌镇指数:全球人工智能发展报告 (2017) 》,
 
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/zhexuelunwen/195.html