《西部世界》那种离我们还很远 人工智能有四种

美国密歇根州立大学人工智能专家阿伦德・欣泽（Arend Hinze）近日撰文，总结了人工智能的4种类型，最高端的类型可以具备自我意识，但距离实现或许还有很远的距离。以下为原文内容：根据媒体发布的有关人工智能最新研究进展的消息，普通人往往会认为有情感的智能机器很快就将成为现实

美国密歇根州立大学人工智能专家阿伦德・欣泽（Arend Hinze）近日撰文，总结了人工智能的4种类型，最高端的类型可以具备自我意识，但距离实现或许还有很远的距离。

以下为原文内容：

根据媒体发布的有关人工智能最新研究进展的消息，普通人往往会认为有情感的智能机器很快就将成为现实。机器可以执行语音指令、分辨图片、驾驶汽车，甚至连玩游戏都比我们更加拿手。机器人再等多久才能与我们并肩前行？

白宫最新的人工智能报告对这番梦想展开了恰当的质疑。该报告认为，今后20年内，我们可能都无法看到“能在智力上与人类比肩或超越人类的机器”，但该报告也表示，今后几年“机器将会在越来越多的领域赶超人类”。不过，这份报告对这些能力将如何发展所给出的前提假设却忽视了一些重要问题。

作为一名人工智能研究人员，我承认自己的研究领域获得美国政府最高层的认可是一件好事，但该报告几乎完全着眼于我所谓的“枯燥的人工智能”。我从事的细分研究领域是：进化如何帮助我们开发不断改进的人工智能系统，以及计算模型如何帮助我们理解人类智能的发展。

这份报告的重点集中于主流人工智能工具：机器学习和深度学习。这种技术已经应用于《危险边缘》智力竞赛，并在围棋比赛中击败了韩国国手李世石。这些人工智能系统可以处理海量数据，快速进行复杂的计算。但它们却缺乏我们所设想的有情感的机器所需具备的关键元素。

我们不仅要教会机器如何学习，还要逐一突破各种四种人工智能技术之间的关键差异，以及人类与机器之间的关键差异。

第一类：反应型机器（Reactive machines）

最基本的人工智能系统只能进行反应，既没有记忆能力，也无法利用过去的经验来制定现在的决策。最典型的例子就是在1990年代末击败国际象棋大师加里・卡斯帕罗夫（Garry Kasparov）的IBM国际象棋超级电脑“深蓝”。

“深蓝”可以识别棋盘上的旗子，并判断每一步棋的下法。它可以预测自己和对手接下来的走法，还能在各种可能的走法里面选出最优方案。

但它对于过去没有任何概念，也不记得之前发生过什么。除了遵守重复棋局不能连续出现3次的规定外，深蓝不会理会之前发生的任何事情。它只会关注棋盘上的现状，然后在接下来可能的走法中做出选择。

这种类型的智能需要电脑直接观察世界，并根据它所看到的东西做出反应。它并不依赖于世界的内生概念。人工智能研究人员罗德尼・布鲁克斯（Rodney Brooks）在一篇论文中表示，我们只应该开发这样的机器。他的主要理由在于，人类还不太擅长通过计算机编程模拟供电脑使用的世界，这在人工智能领域被称作世界的“表现”。

目前令我们感到惊奇的智能机器要么同样对世界没有概念，要么只是对其所需执行的特定任务有着非常有限而具体的概念。深蓝的创新之处并不是拓宽电脑可能考虑的走法范围。相反，开发人员找到了一种方式来缩小它的视野，根据它对某些走法的结果进行的评估，阻止其追求一些可能的走法。没有了这种能力，深蓝就需要更加强大的计算能力才能击败卡斯帕罗夫。

类似地，击败李世石的谷歌AlphaGo也无法评估所有的走法，它采用了比深蓝更加复杂的分析方法，使用神经网络来评估棋局的发展。

这些方法的确提升了人工智能系统在特定游戏上的能力，但却无法轻易改变或应用到其他环境之中。这些计算机化的想象力对整个世界没有概念――因此他们无法在专业领域之外发挥作用，而且很容易被愚弄。

它们无法通过交互的方式成为世界的一个组成部分，这显然并不符合我们对人工智能系统的未来预期。相反，这些机器每次遇到相同的情况都会采用相同的应对方式。这样很容易确保人工智能系统的可信度：你希望自己的无人驾驶汽车是一位可靠的司机。但如果你想要跟机器展开真正的互动，甚至对周围的世界作出真实的反应，那就难以满足你的要求。这些最简单的人工智能系统永远不会感觉无聊、兴致盎然或心情苦闷。

第二类：有限的记忆

第二类人工智能包含了能够分析过去的机器。无人驾驶汽车已经能够实现一些类似的功能。例如，他们可以观察其他车辆的速度和方向，但却不能在短时间完成，而是需要识别具体的物体，然后长时间观察。

这些观察被添加到为无人驾驶汽车预编的世界“表现”中，其中也包括车道标记、交通信号灯和路上的曲线等其他重要因素。当汽车寻找变换车道的时机时，就会考虑这些因素，避免影响其他车辆，或者被附近的车辆撞到。

但这些简单的历史信息存在的时间都很短暂，无法像经验丰富的人类驾驶员那样将其存储在“经验库”里。

那么，我们如何才能开发一套人工智能系统，使之可以构建全面的“表现”，记住自己的经验，并学会如何应对新的情况呢？布鲁克斯说的没错，这的确非常困难。我自己的研究方法受到了达尔文进化论的启迪，已经可以通过让机器构建自己的“表现”来弥补人类的不足之处。

第三类：心智理论

或许可以到此为止，这是我们目前开发的机器与今后开发的机器之间的重要差异。然而，最好还是能更加明确地讨论机器需要形成的“表现”类型，以及它们所需发展成的样子。

今后，更加先进的机器不仅能够形成世界的“表现”，还可以形成其他代理或实体的“表现”。从心理学上讲，这叫做“心智理论”――明白世界上的人、生物或物体可能拥有影响其自身行为的思想和情感。

这是人类形成社会的关键所在，因为这让我们可以展开社交互动。不能理解彼此的动机和意图，而且不能考虑他人对自己或周围的环境有何了解，在一起工作就会变得非常困难，甚至全无可能。

如果人工智能系统真的能够与我们并肩行走，他们就必须能够明白，我们每个人都有思想和感受，对于他们希望获得的待遇也都有一定的预期，从而就此调整自己的行为。

第四类：自我意识

人工智能发展的最后一步是构建一套能够形成自我表现的系统。最终，我们人工智能研究人员不仅要理解意识，还要开发出具备意识的机器。

从某种意义上讲，这是第三类“心智理论”人工智能的延伸。意识也被称作“自我意识”。（“我想要那个东西”与“我知道我想要那个东西”有着很大的差异。）意识生命能够意识到自我，知道自己的内部状态，而且可以预测他人的感受。

我们之所以认为在车流后面按喇叭的人非常愤怒或没有耐心，是因为我们朝他人按喇叭时就是这种心态。没有了心智理论，我们就不会得出这样的推论。

虽然我们可能距离开发具有自我意识的机器还有很远的距离，但的确应该集中精力理解记忆、学习和根据过往经验制定决策的能力。这是理解人类智能的关键步骤。如果我们想要设计或发展一种机器，使之不仅擅长分辨眼前东西，还要具有真正的智能，那么这项工作便显得至关重要。