計算交給AI，創造力留給人類

在一場被譽為世紀大戰的圍棋比賽中，評述人華以剛一邊看著臺下寥寥無幾的觀眾，一邊說，「今天我們只為臺下的各位講棋，今天沒有直播也沒有錄播，只為大家服務」。

很慶幸，我親身在浙江烏鎮，也就是舉辦世界互聯網大會的地方，看了 Google AlphaGo 大戰當前排名世界第一的柯潔，并聽了華以剛的精彩評述。之所以感到慶幸，是因為我無需花時間在網上尋找直播鏈接。

當然，我不打算就能不能看到直播這個話題展開討論，多說無益。

關于人工智能，最近我有一些小思考，拋磚引玉，與大家做一些小分享。

人腦與硬盤

人類與動物的本質區別是，人類創造文明后，并非完全適應大自然去發展，而是發明了各種各樣的工具去改造大自然，以更好地讓人類延續。其次，人類發明了語言，通過語言和信仰，個體被連接成族群，族群集合了群體智慧，發明了更多更先進的用于改造大自然的工具，讓人類更好地在地球生存。

為了讓知識能被更好地傳遞，人類發明了使用紙和筆來記錄信息。到了計算機時代，人類發明了硬盤，從改變磁性的機械硬盤，到改變通導性的固態硬盤。

人腦和硬盤，哪個是更好的數據存儲方案？可能是硬盤，如果不考慮材料、能源的消耗和損壞，硬盤能完整地存儲所有信息，但人腦的容量并非無限，而且人腦還健忘，雖然大學時學過，但我現在無論如何也想不起來什么是傅里葉變換。

硬盤是用二進制存儲數據的，人腦是怎樣存儲記憶的？有研究認為，生物的記憶存在與神經突觸的連接處，但后來也有研究認為，神經元細胞在記憶形成中也發揮了極其重要的作用，甚至猜測記憶可能不存儲在突觸當中。無論是來自哪一方的研究，都還未深入到人腦記憶的本質 — 如果足夠深入，我們應該能把記憶編譯到大腦當中，就像寫硬盤數據那樣。我們可以將文字和圖像以二進制的形式編碼寫入硬盤，但我們還不知道，當我們看完一本書后，大腦是如何將知識存儲到神經突觸連接體里的。

TED 上有一個關于人腦記憶的演講，Sebastian Seung 認為，記憶被存儲在神經突觸的連接處，光是一條只有 300 個神經元小蟲，就有 7000 個連接體，要了解人腦如何記憶，必須繪制出連接體的圖譜，但他很悲觀地認為，要繪制出人腦的連接體圖譜，可能他這輩子都看不到那一天，除非科技有指數級的突破。

目的與創造力

然而，即使沒有研究出大腦如何存儲記憶，也不知道如何用科技的方法為大腦「寫入」記憶，人類發明了硬盤。硬盤在長期記憶方面，明顯優于單個人腦。

那么，是否有可能，在未研究出大腦如何思考的情況下，人們也能發明一種機器思考的方式？甚至像硬盤一樣，這種思考方式會優于人類大腦？

如果這種假設是合理的，我們該如何定義思考？

AlphaGo 是一個會思考如何贏得圍棋的 AI，Google 搜索是一個會思考如何提供最匹配搜索結果的 AI，這些真的是思考么？

我更愿意用另一個詞來描述上述的「思考」 — 目的。

很顯然，你無法讓 AlphaGo 幫你關掉臥室的空調，也無法喊 Google 給你按摩，因為這些 AI 被設計出來都帶有唯一的目的。如果再細致地拆分，Google 搜索的整個計算網絡里，又包含了帶有不同唯一目的的 AI，這些 AI 的協同最終為搜索者呈現出最匹配的搜索結果。AlphaGo 也一樣。

人類的思考是不是多個神經元的協作，我不知道，但我們可以從經驗中認為，人類的思考雖然也是目的性的，但它并非矢量式思考。人腦的思維是發散的，當我們看到一張照片，我們可能不像機器那樣，首先去識別照片里有哪些建筑物，可能我們瞬間感受到的是美，也有可能這張照片給你的工作帶來靈感 — 你發現照片中某個人的動作給你從事的游戲運營工作帶來了新啟發。當我們思考時，雖然可能帶著一個原始的目的，但從原始線路出發，我們可能會產生新的思考、新的方向，這種思考方式與機器的單純目的性思考有著本質的區別。

這種思考方式，可以用一個詞來概括：創造力。

另一點機器與人類思考的區別是，機器是多個函數、邏輯、學習神經網絡的結合，要讓機器能夠足夠全面地思考，必須將所有數據都電子化，并設計出合理的邏輯，它才能結合神經網絡自我學習、自我進化。

但所有物理世界的東西都能被電子化么？都能被機器用二進制定義么？都能被數學解釋么？不一定。

比如，當微風輕輕從臉上吹過，我們感到愉悅時，這種感覺如何被二進制定義？顯然它不能被簡單地定義為「愉悅」二字，首選愉悅有很多種，其次，之所以我們感到愉悅，可能與所處的環境相關、可能與我們過去幾小時的旅程相關、可能與我們過去的經歷相關、甚至可能與身邊的人用什么樣的眼神看著我們相關。這些所有的因素能被完整地定義到 AI 里么？

現在還不能。我們不可能在現實世界的每個角落都布上傳感器，即使能，這些傳感器也只是從表面上定義了物理世界，更核心的內在，并沒有被電子化。

但一個帶有單一目的性的 AI，是否需要將整個物理世界都電子化？顯然不需要。AlphaGo 只需要將過往 3000 萬局圍棋比賽的數據電子化，一個語音識別系統只需要存儲語音波形與文字對應的邏輯和概率關系。

這就是人腦思考與 AI 思考的區別，人類用眼耳口鼻身體去感受物理世界并用大腦進行非矢量思考，而機器，則必須將物理世界數字化并進行有目的的計算。

人機合作

機器的計算效率和學習能力提升，這將會帶來更明顯的社會分工。

實際上，人類已經和機器分工合作很多年了。最簡單的，用于算術的計算器就是一種人機合作產物，汽車也是一種人機合作，只不過，過去的人機合作是機器在效率上優于人類，它們節省了人類大量的時間，而現在和不久的將來，除了在效率上更優于人類，它們還能跳出最早被設定的程序，不斷帶有目的性地自我學習和進化 — 這一切，都必須基于物理世界更多、更深入地被電子化成機器可以理解的二進制數據。

這個時候，人類將更多地專注在創造力層面，而計算，則完全交給 AI。計算將可能作為一種娛樂項目存在，而不是人類的必需品。

會不會有一天，機器會自我進化出一種比人類智商更高的形態，從而統治人類？我覺得這一天不會發生，或在很長時間內不會發生，除非機器的運作方式發生根本性改變，比如，它不再依賴于人類發明的數學函數和邏輯，它不再依賴于人類給它灌輸的電子化數據，又或者，它不再依賴于人類社會運轉。否則，它們依然是協助人類、提高人類社會效率的最好幫手。

我們與這些機器并不是競爭的關系，而是合作。人類需要機器，機器也需要人類，就像《黑客帝國》里的 Zion 城一樣。但不像 Matrix，因為無論是人類還是機器，至少未來數十年，我們都無法透徹地研究出，大腦存儲信息和思考的根本原理，機器無法對人腦動手腳植入信息。當然，AI 能加速這一研究進程。

接下來幾天，AlphaGo 將會再次迎戰柯潔和另外 7 位圍棋界的高手，即使柯潔在接下來的比賽僥幸獲勝，未來 AlphaGo 通過更多的自我訓練，依然會變得堅不可摧，因為它始終在一個有邊界、有邏輯、有數學規律的棋盤里計算，單個人腦的計算能力不可能比得上 AI，但 AI 做不到的是，成為一個有血有肉、有微笑會賣萌、有溫度的棋手。

技術本應是引領人類進步的手段，冷冰本應是機器獨有的特質，很遺憾，有一些人，他們像機器一樣，冷冰地阻止 10 多億人觀賞技術的進步。可能，他們也是 AI 吧。

來自: kenengba.com