人工智能如何重新定義人類的意義
如今的沃森系統與之前相比有了顯著差異。它不再僅僅存在於壹排機櫃之中，而是通過大量對用戶免費開放的服務器傳播，這些服務器能夠即時運行上百種人工智能的“情況”。同所有雲端化的事物壹樣，沃森系統為世界各地同時使用的客戶服務，他們能夠用手機、臺式機以及他們自己的數據服務器連上該系統。這類人工智能可以根據需求按比例增加或減少。鑒於人工智能會隨人們的使用而逐步改進，沃森將始終變得愈發聰明;它在任何壹次情況中所獲悉的改進點都會立即傳送至其他情況中。並且，它也不是壹個單壹的程序，而是各種軟件引擎的集合——其邏輯演繹引擎和語言解析引擎可以在不同的代碼、芯片以及位置上運行——所有這些智慧的因素都匯集成了壹個統壹的智能流。
用戶可以直接接入這壹永久連接(always-on)的智能系統，也可以通過使用這壹人工智能雲服務的第三方應用程序接入。正如許多高瞻遠矚的父母壹樣，IBM想讓沃森電腦從事醫學工作，因此他們正在開發壹款醫療診斷工具的應用程序，這倒也不足為奇。之前，診療方面的人工智能嘗試大多以慘敗告終，但沃森卻卓有成效。簡單地說，當我輸入我曾經在印度感染上的某種疾病癥狀時，它會給我壹個疑似病癥的清單，上面壹壹列明了可能性從高到低的疾病。它認為我最可能感染了賈第鞭毛蟲病(Giardia)——說的壹點兒也沒錯。這壹技術尚未直接對患者開放;IBM將沃森電腦的智能提供給合作夥伴接入使用，以幫助他們開發出用戶友好界面為預約醫生及醫院方面服務。“我相信類似沃森這種——無論它是機器還是人——都將很快成為世界上最好的診療醫生”，創業公司Scanadu的首席醫療官艾倫·格林(Alan Greene)說道，該公司受到電影《星際迷航》中醫用三錄儀[2]的啟發，正在利用雲人工智能技術制造壹種診療設備。“從人工智能技術改進的速率來看，現在出生的孩子長大後，很可能不太需要通過看醫生來得知診療情況了。”
醫學僅僅只是壹個開始。所有主流的雲計算公司，加上數十家創業公司都在爭先恐後地開展類似沃森電腦的認知服務。根據量化分析公司Quid的數據，自2009年以來，人工智能已經吸引了超過170億美元的投資。僅去年壹年，就有322家擁有類似人工智能技術的公司獲得了超過20億美元的投資。Facebook和谷歌也為其公司內部的人工智能研究小組招聘了研究員。自去年以來，雅虎、英特爾、Dropbox、LinkedIn、Pinterest以及推特也都收購了人工智能公司。過去四年間，人工智能領域的民間投資以平均每年62%的增長速率增加，這壹速率預計還會持續下去。
縱觀所有這些活動，人工智能的未來正進入我們的視野之中，它既非如那種哈爾9000(HAL 9000)(譯者註：小說及電影《2001：太空漫遊》中的超級電腦)——壹臺擁有超凡(但有潛在嗜殺傾向)的類人意識並依靠此運行的獨立機器那般——也非讓奇點論者心醉神迷的超級智能。即將到來的人工智能頗似亞馬遜的網絡服務——廉價、可靠、工業級的數字智慧在壹切事物的背後運行，偶爾在妳的眼前閃爍幾下，其他時候近乎無形。這壹通用設施將提供妳所需要的人工智能而不超出妳的需要。和所有設施壹樣，即使人工智能改變了互聯網、全球經濟以及文明，它也將變得令人厭倦。正如壹個多世紀以前電力所做的那樣，它會讓無生命的物體活躍起來。之前我們電氣化的所有東西，現在我們都將使之認知化。而實用化的新型人工智能也會增強人類個體(加深我們的記憶、加速我們的認知)以及人類群體的生活。通過加入壹些額外的智能因素，我們想不到有什麽東西不能變得新奇、不同且有趣。實際上，我們能輕易地預測到接下來的壹萬家創業公司的商業計劃：“做某項事業，並加入人工智能”。茲事體大，近在眼前。
大約在2002年時，我參加了谷歌的壹個小型聚會——彼時谷歌尚未IPO，還在壹心壹意地做網絡搜索。我與谷歌傑出的聯合創始人、2011年成為谷歌CEO的拉裏·佩奇(Larry Page)隨意攀談起來。“拉裏，我還是搞不懂，現在有這麽多搜索公司，妳們為什麽要做免費的網絡搜索?妳是怎麽想到這個主意的?”我那缺乏想象力的無知著實證明了我們很難去做預測，尤其是對於未來的預測。但我要辯解的是，在谷歌增強其廣告拍賣方案並使之形成實際收益，以及進行對YouTube的並購或其他重要並購之前，預測未來是很難的。我並不是唯壹壹個壹邊狂熱地用著谷歌的搜索引擎壹邊認為它撐不了多久的用戶。但佩奇的回答讓我壹直難以忘懷：“哦，我們實際上是在做人工智能。”
過去數年間，關於那次談話我想了很多，谷歌也收購了14家人工智能以及機器人方面的公司。鑒於搜索業務為谷歌貢獻了80%的收入，因此乍壹看去，妳可能會覺得谷歌正在擴充其人工智能方面的投資組合以改善搜索能力。但是我認為正好相反。谷歌正在用搜索技術來改善人工智能，而非使用人工智能來改進搜索技術。每當妳輸入壹個查詢詞，點擊搜索引擎生成的鏈接，或者在網頁上創造壹個鏈接，妳都是在訓練谷歌的人工智能技術。當妳在圖片搜索欄中輸入“復活節兔子”(Easter Bunny)並點擊看起來最像復活節兔子的那張圖片時，妳都是在告訴人工智能，復活節兔子是長成什麽樣的。谷歌每天擁有12億搜索用戶，產生1210億搜索關鍵詞，每壹個關鍵詞都是在壹次又壹次地輔導人工智能進行深度學習。如果再對人工智能的算法進行為之10年的穩固改進，加之壹千倍以上的數據以及壹百倍以上的計算資源，谷歌將會開發出壹款無與倫比的人工智能產品。我的預言是：到2024年，谷歌的主營產品將不再是搜索引擎，而是人工智能產品。
這個觀點自然也會招來懷疑的聲音。近60年來，人工智能的研究者都預測說人工智能時代即將到來，但是直到幾年前，人工智能好像還是遙不可及。人們甚至發明了壹個詞來描述這個研究結果匱乏、研究基金更加匱乏的時代：人工智能之冬。那麽事情真的有變化嗎?
是的。近期的三大突破讓人們期待已久的人工智能近在眼前：
1. 成本低廉的並行計算
思考是壹種人類固有的並行過程，數以億計的神經元同時放電以創造出大腦皮層用於計算的同步腦電波。搭建壹個神經網絡——即人工智能軟件的主要結構——也需要許多不同的進程同時運行。神經網絡的每壹個節點都大致模擬了大腦中的壹個神經元——其與相鄰的節點互相作用，以明確所接收的信號。壹項程序要理解某個口語單詞，就必須能夠聽清(不同音節)彼此之間的所有音素;要識別出某幅圖片，就需要看到其周圍像素環境內的所有像素——二者都是深層次的並行任務。但直到最近，標準的計算機處理器也僅僅能壹次處理壹項任務。
事情在十多年前就已經開始發生變化，彼時出現了壹種被稱為圖形處理單元(graphics processing unit -GPU)的新型芯片，它能夠滿足可視遊戲中高密度的視覺以及並行需求，在這壹過程中，每秒鐘都有上百萬像素被多次重新計算。這壹過程需要壹種專門的並行計算芯片，該芯片添加至電腦主板上，作為對其的補充。並行圖形芯片作用明顯，遊戲可玩性也大幅上升。到2005年，GPU芯片產量頗高，其價格便降了下來。2009年，吳恩達(Andrew Ng)(譯者註：華裔計算機科學家)以及斯坦福大學的壹個研究小組意識到，GPU芯片可以並行運行神經網絡。
這壹發現開啟了神經網絡新的可能性，使得神經網絡能容納上億個節點間的連接。傳統的處理器需要數周才能計算出擁有1億節點的神經網的級聯可能性。而吳恩達發現，壹個GPU集群在壹天內就可完成同壹任務。現在，壹些應用雲計算的公司通常都會使用GPU來運行神經網絡，例如，Facebook會籍此技術來識別用戶照片中的好友，Netfilx也會依其來給5000萬訂閱用戶提供靠譜的推薦內容。
2. 大數據
每壹種智能都需要被訓練。哪怕是天生能夠給事物分類的人腦，也仍然需要看過十幾個例子後才能夠區分貓和狗。人工思維則更是如此。即使是(國際象棋)程序編的最好的電腦，也得在至少對弈壹千局之後才能有良好表現。人工智能獲得突破的部分原因在於，我們收集到來自全球的海量數據，以給人工智能提供了其所需的訓練。巨型數據庫、自動跟蹤(self-tracking)、網頁cookie、線上足跡、兆兆字節級存儲、數十年的搜索結果、維基百科以及整個數字世界都成了老師，是它們讓人工智能變得更加聰明。
3. 更優的算法
20世紀50年代，數字神經網絡就被發明了出來，但計算機科學家花費了數十年來研究如何駕馭百萬乃至億級神經元之間那龐大到如天文數字壹般的組合關系。這壹過程的關鍵是要將神經網絡組織成為堆疊層(stacked layer)。壹個相對來說比較簡單的任務就是人臉識別。當某神經網絡中的壹組比特被發現能夠形成某種圖案——例如，壹只眼睛的圖像——這壹結果就會被向上轉移至該神經網絡的另壹層以做進壹步分析。接下來的這壹層可能會將兩只眼睛拼在壹起，將這壹有意義的數據塊傳遞到層級結構的第三層，該層可以將眼睛和鼻子的圖像結合到壹起(來進行分析)。識別壹張人臉可能需要數百萬個這種節點(每個節點都會生成壹個計算結果以供周圍節點使用)，並需要堆疊高達15個層級。2006年，當時就職於多倫多大學的傑夫·辛頓(Geoff Hinton)對這壹方法進行了壹次關鍵改進，並將其稱之為“深度學習”。他能夠從數學層面上優化每壹層的結果從而使神經網絡在形成堆疊層時加快學習速度。數年後，當深度學習算法被移植到GPU集群中後，其速度有了顯著提高。僅靠深度學習的代碼並不足以能產生復雜的邏輯思維，但是它是包括IBM的沃森電腦、谷歌搜索引擎以及Facebook算法在內，當下所有人工智能產品的主要組成部分。
這壹由並行計算、大數據和更深層次算法組成的完美風暴使得持續耕耘了60年的人工智能壹鳴驚人。而這壹聚合也表明，只要這些技術趨勢繼續下去——它們也沒有理由不延續——人工智能將精益求精。
隨著這壹趨勢的持續，這種基於雲技術的人工智能將愈發成為我們日常生活中不可分割的壹部分。但天上沒有掉餡餅的事。雲計算遵循收益遞增(increasing returns)[4]法則，這壹法則有時也被稱為網絡效應(network effect)，即隨著網絡發展壯大，網絡價值也會以更快的速度增加。網絡(規模)越大，對於新用戶的吸引力越強，這又讓網絡變得更大，又進壹步增強了吸引力，如此往復。為人工智能服務的雲技術也遵循這壹法則。越多人使用人工智能產品，它就會變得越聰明;它變得越聰明，就有越多人來使用它;然後它變得更聰明，進壹步就有更多人使用它。壹旦有公司邁進了這個良性循環中，其規模會變大、發展會加快，以至於沒有任何新興對手能望其項背。因此，人工智能的未來將有兩到三家寡頭公司統治，它們會開發出大規模基於雲技術的多用途商業智能產品。
1997年，沃森電腦的前輩、IBM公司的深藍電腦在壹場著名的人機大賽中擊敗了當時的國際象棋大師加裏·卡斯帕羅夫(Garry Kasparov)。在電腦又贏了幾場比賽之後，人們基本上失去了對這類比賽的興趣。妳可能會認為故事到此就結束了，但卡斯帕羅夫意識到，如果他也能像深藍壹樣立即訪問包括以前所有棋局棋路變化在內的巨型數據庫的話，他在對弈中能表現得更好。如果這壹數據庫工具對於人工智能設備來說是公平的話，為什麽人類不能使用它呢?為了探究這壹想法，卡斯帕羅夫率先提出了“人加機器”(man-plus-machine)比賽的概念，即用人工智能增強國際象棋選手水平，而非讓人與機器之間對抗。
這種比賽如今被稱為自由式國際象棋比賽，它有點兒像混合武術對抗賽，選手們可以使用任何他們想要用的作戰技巧。妳可以單打獨鬥;也可以接受妳那裝有超級聰明的國際象棋軟件的電腦給出的幫助，妳要做的僅僅是按照它的建議來移動棋子;或者妳可以當壹個卡斯帕羅夫所提倡的那種“半人半機”的選手。半人半機選手會聽取人工智能設備在其耳邊提出的棋路建議，但是也間或不會采用這些建議——頗似我們開車時候用的GPS導航壹般。在接受任何模式選手參賽的2014年自由式國際象棋對抗錦標賽上，純人工智能的國際象棋引擎贏得了42場比賽，而半人半機選手則贏得了53場。當今世上最優秀的國際象棋選手就是半人半機選手Intagrand，它是壹個由多人以及數個不同國際象棋程序所組成的小組。
但最令人驚訝的是：人工智能的出現並未讓純人類的國際象棋棋手的水平下降。恰恰相反，廉價、超級智能的國際象棋軟件吸引了更多人來下國際象棋，比賽比以前增多了，棋手的水平也比以前上升了。現在的國際象棋大師(譯者註：國際象棋界的壹種等級)人數是深藍戰勝卡斯帕羅夫那時候的兩倍多。現在的排名第壹的人類國際象棋棋手馬格努斯·卡爾森(Magnus Carlsen)就曾接受人工智能的訓練，他被認為是所有人類國際象棋棋手中最接近電腦的棋手，同時也是有史以來積分最高的人類國際象棋大師。
如果人工智能能幫助人類成為更優秀的國際象棋棋手，那麽它也能幫助我們成為更為優秀的飛行員、醫生、法官以及教師。大多數由人工智能完成的商業工作都將是有專門目的的工作，嚴格限制在智能軟件能做到的工作之內，比如，(人工智能產品)把某種語言翻譯成另壹種語言，但卻不能翻譯成第三種語言。再比如，它們可以開車，但卻不能與人交談。或者是能回憶起YouTube上每個視頻的每個像素，卻無法預測妳的日常工作。在未來十年，妳與之直接或者間接互動的人工智能產品，有99%都將是高度專壹、極為聰明的“專家”。
實際上，這並非真正的智能，至少不是我們細細想來的那種智能。的確，智能可能是壹種傾向——尤其是如果我們眼中的智能意味著我們那特有的自我意識、壹切我們所有的那種狂亂的自省循環以及淩亂的自我意識流的話。我們希望無人駕駛汽車能壹心壹意在路上行駛，而不是糾結於之前和車庫的爭吵。醫院中的綜合醫生“沃森”能專心工作，不要去想自己是不是應該專攻英語。隨著人工智能的發展，我們可能要設計出壹些阻止它們擁有意識的方式——我們所宣稱的最優質的人工智能服務將是無意識服務。
我們想要的不是智能，而是人工智慧。與壹般的智能不同，智慧(產品)具有專心、可衡量、種類特定的特點。它也能夠以完全異於人類認知的方式來思考。這兒有壹個關於非人類思考的壹個很好的例子，今年三月在德克薩斯州奧斯汀舉行的西南偏南音樂節(South by Southwest festival)上，沃森電腦就上演了壹幕厲害的絕技：IBM的研究員給沃森添加了由在線菜譜、美國農業部(USDA)出具的營養表以及讓飯菜更美味的味道研究報告組成的數據庫。憑借這些數據，沃森依靠味道配置資料和現有菜色模型創造出了新式的菜肴。其中壹款由沃森創造出的受人追捧的菜肴是美味版本的“炸魚和炸薯條”(fish and chips)，它是用酸橘汁腌魚和油炸芭蕉制成。在約克城高地的IBM實驗室裏，我享用了這道菜，也吃了另壹款由沃森創造出的美味菜肴：瑞士/泰式蘆筍乳蛋餅。味道挺不錯!
非人類的智能不是錯誤，而是壹種特征。人工智能的主要優點就是它們的“相異智能”(alien intelligence)。壹種人工智能產品在思考食物方面與任何的大廚都不相同，這也能讓我們以不同的方式看待食物，或者是以不同的方式來考慮制造物料、衣服、金融衍生工具或是任意門類的科學和藝術。相較於人工智能的速度或者力量來說，它的相異性對我們更有價值。
實際上，人工智能將幫助我們更好地理解我們起初所說的智能的意思。過去，我們可能會說只有那種超級聰明的人工智能產品才能開車，或是在“危險邊緣”節目以及國際象棋大賽中戰勝人類。而壹旦人工智能做到了那些事情，我們就會覺得這些成就明顯機械又刻板，並不能夠被稱為真正意義上的智能。人工智能的每次成功，都是在重新定義自己。
但我們不僅僅是在壹直重新定義人工智能的意義——也是在重新定義人類的意義。過去60年間，機械加工復制了我們曾認為是人類所獨有的行為和才能，我們不得不改變關於人機之間區別的觀點。隨著我們發明出越來越多種類的人工智能產品，我們將不得不放棄更多被視為人類所獨有能力的觀點。在接下來的十年裏——甚至，在接下來的壹個世紀裏——我們將處於壹場曠日持久的身份危機(identity crisis)中，並不斷捫心自問人類的意義。在這之中最為諷刺的是，我們每日接觸的實用性人工智能產品所帶來的最大益處，不在於提高產能、擴充經濟或是帶來壹種新的科研方式——盡管這些都會發生。人工智能的最大益處在於，它將幫助我們定義人類。我們需要人工智能來告訴我們，我們究竟是誰。