人工智能很可能導(dǎo)致人類的永生或者滅絕，而這一切很可能在我們的有生之年發(fā)生,。
上面這句話不是危言聳聽,，請耐心的看完本文再發(fā)表意見。這篇翻譯稿翻譯完一共三萬五千字,，我從上星期開始翻,，熬了好幾個(gè)夜才翻完，因?yàn)槲矣X得這篇東西非常有價(jià)值,。希望你們能夠耐心讀完,，讀完后也許你的世界觀都會被改變。
我們正站在變革的邊緣，而這次變革將和人類的出現(xiàn)一般意義重大 – Vernor Vinge
看上去非常刺激吧？但是你要記住,，當(dāng)你真的站在時(shí)間的圖表中的時(shí)候,，你是看不到曲線的右邊的，因?yàn)槟闶强床坏轿磥淼?。所以你真?shí)的感覺大概是這樣的：
想象一下坐時(shí)間機(jī)器回到1750年的地球，那個(gè)時(shí)代沒有電,，暢通通訊基本靠吼,，交通主要靠動物拉著跑。你在那個(gè)時(shí)代邀請了一個(gè)叫老王的人到2015年來玩,，順便看看他對“未來”有什么感受,。我們可能沒有辦法了解1750年的老王內(nèi)心的感受——金屬鐵殼在寬敞的公路上飛馳，和太平洋另一頭的人聊天,，看幾千公里外正在發(fā)生進(jìn)行的體育比賽,，觀看一場發(fā)生于半個(gè)世紀(jì)前的演唱會，從口袋里掏出一個(gè)黑色長方形工具把眼前發(fā)生的事情記錄下來,，生成一個(gè)地圖然后地圖上有個(gè)藍(lán)點(diǎn)告訴你現(xiàn)在的位置,，一邊看著地球另一邊的人的臉一邊聊天，以及其它各種各樣的黑科技,。別忘了,，你還沒跟他解釋互聯(lián)網(wǎng)、國際空間站,、大型強(qiáng)子對撞機(jī),、核武器以及相對論。
這時(shí)候的老王會是什么體驗(yàn),？驚訝,、震驚、腦洞大開這些詞都太溫順了,，我覺得老王很可能直接被嚇尿了,。
但是，如果老王回到了1750年,，然后覺得被嚇尿是個(gè)很囧的體驗(yàn),，于是他也想把別人嚇尿來滿足一下自己，那會發(fā)生什么,？于是老王也回到了250年前的1500年,，邀請生活在1500年的小李去1750年玩一下,。小李可能會被250年后的很多東西震驚，但是至少他不會被嚇尿,。同樣是250來年的時(shí)間,，1750和2015年的差別，比1500年和1750年的差別,，要大得多了,。1500年的小李可能能學(xué)到很多神奇的物理知識，可能會驚訝于歐洲的帝國主義旅程,，甚至對于世界地圖的認(rèn)知也會大大的改變,，但是1500年的小李，看到1750年的交通,、通訊等等,，并不會被嚇尿。
所以說,，對于1750年的老王來說,，要把人嚇尿，他需要回到更古老的過去——比如回到公元前12000年,，第一次農(nóng)業(yè)革命之前,。那個(gè)時(shí)候還沒有城市，也還沒有文明,。一個(gè)來自狩獵采集時(shí)代的人類,，只是當(dāng)時(shí)眾多物種中的一個(gè)罷了，來自那個(gè)時(shí)代的小趙看到1750年龐大的人類帝國,，可以航行于海洋上的巨艦,，居住在“室內(nèi)”，無數(shù)的收藏品,，神奇的知識和發(fā)現(xiàn)——他很有可能被嚇尿,。
小趙被嚇尿后如果也想做同樣的事情呢？如果他會到公元前24000年,，找到那個(gè)時(shí)代的小錢,，然后給他展示公元前12000年的生活會怎樣呢。小錢大概會覺得小趙是吃飽了沒事干——“這不跟我的生活差不多么,，呵呵”,。小趙如果要把人嚇尿，可能要回到十萬年前或者更久,，然后用人類對火和語言的掌控來把對方嚇尿。
所以,，一個(gè)人去到未來,，并且被嚇尿，他們需要滿足一個(gè)“嚇尿單位”。滿足嚇尿單位所需的年代間隔是不一樣的,。在狩獵采集時(shí)代滿足一個(gè)嚇尿單位需要超過十萬年,，而工業(yè)革命后一個(gè)嚇尿單位只要兩百多年就能滿足。
未來學(xué)家Ray Kurzweil把這種人類的加速發(fā)展稱作加速回報(bào)定律（Law of Accelerating Returns）,。之所以會發(fā)生這種規(guī)律,，是因?yàn)橐粋€(gè)更加發(fā)達(dá)的社會，能夠繼續(xù)發(fā)展的能力也更強(qiáng),，發(fā)展的速度也更快——這本就是更加發(fā)達(dá)的一個(gè)標(biāo)準(zhǔn),。19世紀(jì)的人們比15世紀(jì)的人們懂得多得多，所以19世紀(jì)的人發(fā)展起來的速度自然比15世紀(jì)的人更快,。
即使放到更小的時(shí)間規(guī)模上,，這個(gè)定律依然有效。著名電影《回到未來》中,，生活在1985年的主角回到了1955年,。當(dāng)主角回到1955年的時(shí)候，他被電視剛出現(xiàn)時(shí)的新穎,、便宜的物價(jià),、沒人喜歡電吉他、俚語的不同而震驚,。
但是如果這部電影發(fā)生在2015年,，回到30年前的主角的震驚要比這大得多。一個(gè)2000年左右出生的人,，回到一個(gè)沒有個(gè)人電腦,、互聯(lián)網(wǎng)、手機(jī)的1985年,，會比從1985年回到1955年的主角看到更大的區(qū)別,。
這同樣是因?yàn)榧铀倩貓?bào)定律。1985年-2015年的平均發(fā)展速度,，要比1955年-1985年的平均發(fā)展速度要快,，因?yàn)?985年的世界比1955年的更發(fā)達(dá)，起點(diǎn)更高,，所以過去30年的變化要大過之前30年的變化,。
進(jìn)步越來越大，發(fā)生的越來越快,，也就是說我們的未來會很有趣對吧,？
未來學(xué)家Kurzweil認(rèn)為整個(gè)20世紀(jì)100年的進(jìn)步，按照2000年的速度只要20年就能達(dá)成——2000年的發(fā)展速度是20世紀(jì)平均發(fā)展速度的5倍,。他認(rèn)為2000年開始只要花14年就能達(dá)成整個(gè)20世紀(jì)一百年的進(jìn)步,，而之后2014年開始只要花7年（2021年）,，就能達(dá)到又一個(gè)20世紀(jì)一百年的進(jìn)步。幾十年之后,，我們每年都能達(dá)成好幾次相當(dāng)于整個(gè)20世紀(jì)的發(fā)展,，再往后，說不定每個(gè)月都能達(dá)成一次,。按照加速回報(bào)定,，Kurzweil認(rèn)為人類在21世紀(jì)的進(jìn)步將是20世紀(jì)的1000倍。
如果Kurzweil等人的想法是正確的,，那2030年的世界可能就能把我們嚇尿了——下一個(gè)嚇尿單位可能只需要十幾年,，而2050年的世界會變得面目全非。
你可能覺得2050年的世界會變得面目全非這句話很可笑,，但是這不是科幻,，而是比你我聰明很多的科學(xué)家們相信的，而且從歷史來看,，也是邏輯上可以預(yù)測的,。
那么為什么你會覺得“2050年的世界會變得面目全非” 這句話很可笑呢？有三個(gè)原因讓你質(zhì)疑對于未來的預(yù)測：
1. 我們對于歷史的思考是線性的,。當(dāng)我們考慮未來35年的變化時(shí),，我們參照的是過去35年發(fā)生的事情。當(dāng)我們考慮21世紀(jì)能產(chǎn)生的變化的時(shí)候,，我們參考的是20世紀(jì)發(fā)生的變化,。這就好像1750年的老王覺得1500年的小李在1750年能被嚇尿一樣。線性思考是本能的,，但是但是考慮未來的時(shí)候我們應(yīng)該指數(shù)地思考,。一個(gè)聰明人不會把過去35年的發(fā)展作為未來35年的參考，而是會看到當(dāng)下的發(fā)展速度,，這樣預(yù)測的會更準(zhǔn)確一點(diǎn),。當(dāng)然這樣還是不夠準(zhǔn)確，想要更準(zhǔn)確,，你要想象發(fā)展的速度會越來越快,。
S曲線發(fā)生在新范式傳遍世界的時(shí)候，S曲線分三部分
如果你只看近期的歷史,，你很可能看到的是S曲線的某一部分,，而這部分可能不能說明發(fā)展究竟有多快速。1995-2007年是互聯(lián)網(wǎng)爆炸發(fā)展的時(shí)候,，微軟,、谷歌、臉書進(jìn)入了公眾視野,，伴隨著的是社交網(wǎng)絡(luò),、手機(jī)的出現(xiàn)和普及,、智能手機(jī)的出現(xiàn)和普及，這一段時(shí)間就是S曲線的快速增長期,。2008-2015年發(fā)展沒那么迅速，至少在技術(shù)領(lǐng)域是這樣的,。如果按照過去幾年的發(fā)展速度來估計(jì)當(dāng)下的發(fā)展速度,，可能會錯(cuò)得離譜，因?yàn)楹苡锌赡芟乱粋€(gè)快速增長期正在萌芽,。
3. 個(gè)人經(jīng)驗(yàn)使得我們對于未來預(yù)期過于死板,。我們通過自身的經(jīng)驗(yàn)來產(chǎn)生世界觀，而經(jīng)驗(yàn)把發(fā)展的速度烙印在了我們腦中——“發(fā)展就是這么個(gè)速度的,?！蔽覀冞€會受限于自己的想象力，因?yàn)橄胂罅νㄟ^過去的經(jīng)驗(yàn)來組成對未來的預(yù)測——但是我們知道的東西是不足以幫助我們預(yù)測未來的,。當(dāng)我們聽到一個(gè)和我們經(jīng)驗(yàn)相違背的對于未來的預(yù)測時(shí),，我們就會覺得這個(gè)預(yù)測偏了。如果我現(xiàn)在跟你說你可以活到150歲,，250歲,，甚至?xí)郎闶遣皇怯X得我在扯淡——“自古以來,，所有人都是會死的,。”是的,，過去從來沒有人永生過,，但是飛機(jī)發(fā)明之前也沒有人坐過飛機(jī)呀。
接下來的內(nèi)容,，你可能一邊讀一邊心里“呵呵”,，而且這些內(nèi)容可能真的是錯(cuò)的。但是如果我們是真的從歷史規(guī)律來進(jìn)行邏輯思考的,，我們的結(jié)論就應(yīng)該是未來的幾十年將發(fā)生比我們預(yù)期的多得多得多得多的變化,。同樣的邏輯也表明，如果人類這個(gè)地球上最發(fā)達(dá)的物種能夠越走越快,，總有一天,，他們會邁出徹底改變“人類是什么”這一觀點(diǎn)的一大步，就好像自然進(jìn)化不不斷朝著智能邁步,，并且最終邁出一大步產(chǎn)生了人類,，從而完全改變了其它所有生物的命運(yùn)。如果你留心一下近來的科技進(jìn)步的話,，你會發(fā)現(xiàn),，到處都暗示著我們對于生命的認(rèn)知將要被接下來的發(fā)展而徹底改變,。
如果你一直以來把人工智能（AI）當(dāng)做科幻小說,，但是近來卻不但聽到很多正經(jīng)人嚴(yán)肅的討論這個(gè)問題,，你可能也會困惑。這種困惑是有原因的：
1.我們總是把人工智能和電影想到一起,。星球大戰(zhàn),、終結(jié)者、2001：太空漫游等等,。電影是虛構(gòu)的,，那些電影角色也是虛構(gòu)的，所以我們總是覺得人工智能缺乏真實(shí)感,。
2.人工智能是個(gè)很寬泛的話題,。從手機(jī)上的計(jì)算器到無人駕駛汽車，到未來可能改變世界的重大變革,，人工智能可以用來描述很多東西,，所以人們會有疑惑。
3.我們?nèi)粘Ｉ钪幸呀?jīng)每天都在使用人工智能了,，只是我們沒意識到而已,。John McCarthy，在1956年最早使用了人工智能（Artificial Intelligence）這個(gè)詞,。他總是抱怨“一旦一樣?xùn)|西用人工智能實(shí)現(xiàn)了,，人們就不再叫它人工智能了?！?
因?yàn)檫@種效應(yīng),，所以人工智能聽起來總讓人覺得是未來的神秘存在，而不是身邊已經(jīng)存在的現(xiàn)實(shí),。同時(shí),，這種效應(yīng)也讓人們覺得人工智能是一個(gè)從未被實(shí)現(xiàn)過的流行理念,。Kurzweil提到經(jīng)常有人說人工智能在80年代就被遺棄了,，這種說法就好像“互聯(lián)網(wǎng)已經(jīng)在21世紀(jì)初互聯(lián)網(wǎng)泡沫爆炸時(shí)死去了”一般滑稽。
首先,，不要一提到人工智能就想著機(jī)器人。機(jī)器人只是人工智能的容器,，機(jī)器人有時(shí)候是人形,，有時(shí)候不是，但是人工智能自身只是機(jī)器人體內(nèi)的電腦。人工智能是大腦的話,，機(jī)器人就是身體——而且這個(gè)身體不一定是必需的,。比如說Siri背后的軟件和數(shù)據(jù)是人工智能，Siri說話的聲音是這個(gè)人工智能的人格化體現(xiàn),，但是Siri本身并沒有機(jī)器人這個(gè)組成部分,。
其次，你可能聽過“奇點(diǎn)”或者“技術(shù)奇點(diǎn)”這種說法,。這種說法在數(shù)學(xué)上用來描述類似漸進(jìn)的情況,，這種情況下通常的規(guī)律就不適用了。這種說法同樣被用在物理上來描述無限小的高密度黑洞,，同樣是通常的規(guī)律不適用的情況。Kurzweil則把奇點(diǎn)定義為加速回報(bào)定律達(dá)到了極限,，技術(shù)進(jìn)步以近乎無限的速度發(fā)展,，而奇點(diǎn)之后我們將在一個(gè)完全不同的世界生活的。但是當(dāng)下的很多思考人工智能的人已經(jīng)不再用奇點(diǎn)這個(gè)說法了,，而且這種說法很容易把人弄混，所以本文也盡量少用,。
最后,，人工智能的概念很寬，所以人工智能也分很多種,，我們按照人工智能的實(shí)力將其分成三大類,。
弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅長于單個(gè)方面的人工智能。比如有能戰(zhàn)勝象棋世界冠軍的人工智能,，但是它只會下象棋,，你要問它怎樣更好地在硬盤上儲存數(shù)據(jù)，它就不知道怎么回答你了,。
強(qiáng)人工智能Artificial General Intelligence (AGI): 人類級別的人工智能,。強(qiáng)人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干,。創(chuàng)造強(qiáng)人工智能比創(chuàng)造弱人工智能難得多,，我們現(xiàn)在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力,，能夠進(jìn)行思考,、計(jì)劃、解決問題,、抽象思維,、理解復(fù)雜理念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)等操作,?！睆?qiáng)人工智能在進(jìn)行這些操作時(shí)應(yīng)該和人類一樣得心應(yīng)手,。
超人工智能Artificial Superintelligence (ASI): 牛津哲學(xué)家，知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多,，包括科學(xué)創(chuàng)新,、通識和社交技能?！背斯ぶ悄芸梢允歉鞣矫娑急热祟悘?qiáng)一點(diǎn),，也可以是各方面都比人類強(qiáng)萬億倍的。超人工智能也正是為什么人工智能這個(gè)話題這么火熱的緣故,，同樣也是為什么永生和滅絕這兩個(gè)詞會在本文中多次出現(xiàn),。
現(xiàn)在，人類已經(jīng)掌握了弱人工智能,。其實(shí)弱人工智能無處不在,，人工智能革命是從弱人工智能，通過強(qiáng)人工智能,，最終到達(dá)超人工智能的旅途,。這段旅途中人類可能會生還下來，可能不會,，但是無論如何,，世界將變得完全不一樣。
讓我們來看看這個(gè)領(lǐng)域的思想家對于這個(gè)旅途是怎么看的,，已經(jīng)為什么人工智能革命可能比你想的要近得多,。
我們現(xiàn)在的位置——充滿了弱人工智能的世界
弱人工智能是在特定領(lǐng)域等同或者超過人類智能/效率的機(jī)器智能，一些常見的例子：
汽車上有很多的弱人工智能系統(tǒng),，從控制防抱死系統(tǒng)的電腦,，到控制汽油注入?yún)?shù)的電腦。谷歌正在測試的無人駕駛車,，就包括了很多弱人工智能,，這些弱人工智能能夠感知周圍環(huán)境并作出反應(yīng)。你的手機(jī)也充滿了弱人工智能系統(tǒng),。當(dāng)你用地圖軟件導(dǎo)航,，接受音樂電臺推薦，查詢明天的天氣,，和Siri聊天,，以及其它很多很多應(yīng)用，其實(shí)都是弱人工智能,。垃圾郵件過濾器是一種經(jīng)典的弱人工智能——它一開始就加載了很多識別垃圾郵件的智能,，并且它會學(xué)習(xí)并且根據(jù)你的使用而獲得經(jīng)驗(yàn)。智能室溫調(diào)節(jié)也是一樣，它能根據(jù)你的日常習(xí)慣來智能調(diào)節(jié),。你在上網(wǎng)時(shí)候出現(xiàn)的各種其它電商網(wǎng)站的產(chǎn)品推薦,，還有社交網(wǎng)站的好友推薦，這些都是弱人工智能的組成的,，弱人工智能聯(lián)網(wǎng)互相溝通,，利用你的信息來進(jìn)行推薦。網(wǎng)購時(shí)出現(xiàn)的“買這個(gè)商品的人還購買了”推薦,，其實(shí)就是手機(jī)數(shù)百萬用戶行為然后產(chǎn)生信息來賣東西給你的弱人工智能,。谷歌翻譯也是一種經(jīng)典的人工智能——非常擅長單個(gè)領(lǐng)域。聲音識別也是一種,。很多軟件利用這兩種智能的合作,，使得你能對著手機(jī)說中文，手機(jī)直接給你翻譯成英文,。當(dāng)飛機(jī)著陸時(shí)候,，不是一個(gè)人類決定飛機(jī)該去那個(gè)登機(jī)口接駁。就好像你在網(wǎng)上買票時(shí)票據(jù)不是一個(gè)人類決定的,。世界最強(qiáng)的跳棋、象棋,、拼字棋,、雙陸棋和黑白棋選手都是弱人工智能。谷歌搜索是一個(gè)巨大的弱人工智能,，背后是非常復(fù)雜的排序方法和內(nèi)容檢索,。社交網(wǎng)絡(luò)的新鮮事同樣是這樣。這些還只是消費(fèi)級產(chǎn)品的例子,。軍事,、制造、金融（高頻算法交易占到了美國股票交易的一半）等領(lǐng)域廣泛運(yùn)用各種復(fù)雜的弱人工智能,。專業(yè)系統(tǒng)也有,，比如幫助醫(yī)生診斷疾病的系統(tǒng)，還有著名的IBM的華生,，儲存了大量事實(shí)數(shù)據(jù),，還能理解主持人的提問，在競猜節(jié)目中能夠戰(zhàn)勝最厲害的參賽者,。
現(xiàn)在的弱人工智能系統(tǒng)并不嚇人,。最糟糕的情況，無非是代碼沒寫好,，程序出故障,，造成了單獨(dú)的災(zāi)難，比如造成停電、核電站故障,、金融市場崩盤等等,。
雖然現(xiàn)在的弱人工智能沒有威脅我們生存的能力，我們還是要懷著警惕的觀點(diǎn)看待正在變得更加龐大和復(fù)雜的弱人工智能的生態(tài),。每一個(gè)弱人工智能的創(chuàng)新,，都在給通往強(qiáng)人工智能和超人工智能的旅途添磚加瓦。用Aaron Saenz的觀點(diǎn),，現(xiàn)在的弱人工智能,，就是地球早期軟泥中的氨基酸——沒有動靜的物質(zhì)，突然之間就組成了生命,。
只有明白創(chuàng)造一個(gè)人類智能水平的電腦是多么不容易,，才能讓你真的理解人類的智能是多么不可思議。造摩天大樓,、把人送入太空,、明白宇宙大爆炸的細(xì)節(jié)——這些都比理解人類的大腦，并且創(chuàng)造個(gè)類似的東西要簡單太多了,。至今為止,，人類的大腦是我們所知宇宙中最復(fù)雜的東西。
而且創(chuàng)造強(qiáng)人工智能的難處,，并不是你本能認(rèn)為的那些,。
造一個(gè)能在瞬間算出十位數(shù)乘法的計(jì)算機(jī)——非常簡單
造一個(gè)能分辨出一個(gè)動物是貓還是狗的計(jì)算機(jī)——極端困難
造一個(gè)能戰(zhàn)勝世界象棋冠軍的電腦——早就成功了
造一個(gè)能夠讀懂六歲小朋友的圖片書中的文字，并且了解那些詞匯意思的電腦——谷歌花了幾十億美元在做,，還沒做出來,。
一些我們覺得困難的事情——微積分、金融市場策略,、翻譯等,，對于電腦來說都太簡單了
我們覺得容易的事情——視覺、動態(tài),、移動,、直覺——對電腦來說太TM的難了。
用計(jì)算機(jī)科學(xué)家Donald Knuth的說法,，“人工智能已經(jīng)在幾乎所有需要思考的領(lǐng)域超過了人類,，但是在那些人類和其它動物不需要思考就能完成的事情上，還差得很遠(yuǎn),?！?
讀者應(yīng)該能很快意識到，那些對我們來說很簡單的事情,，其實(shí)是很復(fù)雜的,，它們看上去很簡單,，因?yàn)樗鼈円呀?jīng)在動物進(jìn)化的過程中經(jīng)歷了幾億年的優(yōu)化了。當(dāng)你舉手拿一件東西的時(shí)候,，你肩膀,、手肘、手腕里的肌肉,、肌腱和骨頭,，瞬間就進(jìn)行了一組復(fù)雜的物理運(yùn)作，這一切還配合著你的眼睛的運(yùn)作,，使得你的手能都在三維空間中進(jìn)行直線運(yùn)作,。對你來說這一切輕而易舉，因?yàn)樵谀隳X中負(fù)責(zé)處理這些的“軟件”已經(jīng)很完美了,。同樣的,，軟件很難識別網(wǎng)站的驗(yàn)證碼，不是因?yàn)檐浖?，恰恰相反,，是因?yàn)槟軌蜃x懂驗(yàn)證碼是件碉堡了的事情。
同樣的,，大數(shù)相乘,、下棋等等，對于生物來說是很新的技能,，我們還沒有幾億年的世界來進(jìn)化這些能力,，所以電腦很輕易的就擊敗了我們。試想一下,，如果讓你寫一個(gè)程序,，是一個(gè)能做大數(shù)相乘的程序容易寫,，還是能夠識別千千萬萬種字體和筆跡下書寫的英文字母的程序難寫,？
比如看著下面這個(gè)圖的時(shí)候，你和電腦都能識別出這是一個(gè)由兩種顏色的小長方形組成的一個(gè)大長方形,。
你和電腦打了個(gè)平手,。接著我們把途中的黑色部分去除：
你可以輕易的描述圖形中透明或不透明的圓柱和3D圖形，但是電腦就看不出來了,。電腦會描述出2D的陰影細(xì)節(jié),，但是人腦卻能夠把這些陰影所展現(xiàn)的深度、陰影混合,、房屋燈光解讀出來,。
再看下面這張圖，電腦看到的是黑白灰,，我們看到的卻是一塊全黑的石頭,。
而且,，我們到現(xiàn)在談的還是靜態(tài)不變的信息。要想達(dá)到人類級別的智能,，電腦必須要理解更高深的東西,，比如微小的臉部表情變化，開心,、放松,、滿足、滿意,、高興這些類似情緒間的區(qū)別,，以及為什么《布達(dá)佩斯大飯店》是好電影，而《富春山居圖》是爛電影,。
通往強(qiáng)人工智能的第一步：增加電腦處理速度,。
要達(dá)到強(qiáng)人工智能,，肯定要滿足的就是電腦硬件的運(yùn)算能力。如果一個(gè)人工智能要像人腦一般聰明,，它至少要能達(dá)到人腦的運(yùn)算能力,。
用來描述運(yùn)算能力的單位叫作cps（calculations per second，每秒計(jì)算次數(shù)）,，要計(jì)算人腦的cps只要了解人腦中所有結(jié)構(gòu)的最高cps,，然后加起來就行了。
Kurzweil把對于一個(gè)結(jié)構(gòu)的最大cps的專業(yè)估算,，然后考慮這個(gè)結(jié)構(gòu)占整個(gè)大腦的重量,，做乘法，來得出人腦的cps,。聽起來不太靠譜,，但是Kurzweil用了對于不同大腦區(qū)域的專業(yè)估算值，得出的最終結(jié)果都非常類似,，是10^16 cps,，也就是1億億次計(jì)算每秒。
現(xiàn)在最快的超級計(jì)算機(jī),，中國的天河二號,，其實(shí)已經(jīng)超過這個(gè)運(yùn)算力了，天河每秒能進(jìn)行3.4億億,。當(dāng)然,，天河二號占地720平方米，耗電2400萬瓦,，耗費(fèi)了3.9億美元建造,。廣泛應(yīng)用就不提了,，即使是大部分商業(yè)或者工業(yè)運(yùn)用也是很貴的。
Kurzweil認(rèn)為考慮電腦的發(fā)展程度的標(biāo)桿是看1000美元能買到多少cps,，當(dāng)1000美元能買到人腦級別的1億億運(yùn)算能力的時(shí)候,，強(qiáng)人工智能可能就是生活的一部分了。
摩爾定律認(rèn)為全世界的電腦運(yùn)算能力每兩年就翻一倍,，這一定律有歷史數(shù)據(jù)所支持,，這同樣表明電腦硬件的發(fā)展和人類發(fā)展一樣是指數(shù)級別的。我們用這個(gè)定律來衡量1000美元什么時(shí)候能買到1億億cps?，F(xiàn)在1000美元能買到10萬億cps,，和摩爾定律的歷史預(yù)測相符合。
也就是說現(xiàn)在1000美元能買到的電腦已經(jīng)強(qiáng)過了老鼠,，并且達(dá)到了人腦千分之一的水平,。聽起來還是弱爆了，但是,，讓我們考慮一下,，1985年的時(shí)候，同樣的錢只能買到人腦萬億分之一的cps,，1995年變成了十億分之一,，2005年是百萬分之一，而2015年已經(jīng)是千分之一了,。按照這個(gè)速度,，我們到2025年就能花1000美元買到可以和人腦運(yùn)算速度抗衡的電腦了。
至少在硬件上,，我們已經(jīng)能夠強(qiáng)人工智能了（中國的天河二號）,，而且十年以內(nèi)，我們就能以低廉的價(jià)格買到能夠支持強(qiáng)人工智能的電腦硬件,。
但是運(yùn)算能力并不能讓電腦變得智能,，下一個(gè)問題是，我們怎樣利用這份運(yùn)算能力來達(dá)成人類水平的智能,。
通往強(qiáng)人工智能的第二步：讓電腦變得智能,。
這一步比較難搞,。事實(shí)上,，沒人知道該怎么搞——我們還停留在爭論怎么讓電腦分辨《富春山居圖》是部爛片的階段。但是,，現(xiàn)在有一些策略,，有可能會有效。下面是最常見的三種策略：
就好像你班上有一個(gè)學(xué)霸,。你不知道為什么學(xué)霸那么聰明,，為什么考試每次都滿分,。雖然你也很努力的學(xué)習(xí)，但是你就是考的沒有學(xué)霸好,。最后你決定“老子不干了,，我直接抄他的考試答案好了?！边@種“抄襲”是有道理的,，我們想要建造一個(gè)超級復(fù)雜的電腦，但是我們有人腦這個(gè)范本可以參考呀,。
科學(xué)界正在努力逆向工程人腦,，來理解生物進(jìn)化是怎么造出這么個(gè)神奇的東西的，樂觀的估計(jì)是我們在2030年之前能夠完成這個(gè)任務(wù),。一旦這個(gè)成就達(dá)成,，我們就能知道為什么人腦能夠如此高效、快速的運(yùn)行,，并且能從中獲得靈感來進(jìn)行創(chuàng)新,。一個(gè)電腦架構(gòu)模擬人腦的例子就是人工神經(jīng)網(wǎng)絡(luò)。它是一個(gè)由晶體管作為“神經(jīng)”組成的網(wǎng)絡(luò),，晶體管和其它晶體管互相連接,，有自己的輸入、輸出系統(tǒng),，而且什么都不知道——就像一個(gè)嬰兒的大腦,。接著它會通過做任務(wù)來自我學(xué)習(xí)，比如識別筆跡,。最開始它的神經(jīng)處理和猜測會是隨機(jī)的,，但是當(dāng)它得到正確的回饋后，相關(guān)晶體管之間的連接就會被加強(qiáng),；如果它得到錯(cuò)誤的回饋,，連接就會變?nèi)酢＝?jīng)過一段時(shí)間的測試和回饋后,，這個(gè)網(wǎng)絡(luò)自身就會組成一個(gè)智能的神經(jīng)路徑,，而處理這項(xiàng)任務(wù)的能力也得到了優(yōu)化。人腦的學(xué)習(xí)是類似的過程,，不過比這復(fù)雜一點(diǎn),，隨著我們對大腦研究的深入，我們將會發(fā)現(xiàn)更好的組建神經(jīng)連接的方法,。
更加極端的“抄襲”方式是“整腦模擬”,。具體來說就是把人腦切成很薄的片，用軟件來準(zhǔn)確的組建一個(gè)3D模型,，然后把這個(gè)模型裝在強(qiáng)力的電腦上,。如果能做成,，這臺電腦就能做所有人腦能做的事情——只要讓它學(xué)習(xí)和吸收信息就好了。如果做這事情的工程師夠厲害的話,，他們模擬出來的人腦甚至?xí)性救四X的人格和記憶,，電腦模擬出的人腦就會像原本的人腦一樣——這就是非常符合人類保準(zhǔn)的強(qiáng)人工智能，然后我們就能把它改造成一個(gè)更加厲害的超人工智能了,。
我們離整腦模擬還有多遠(yuǎn)呢,？至今為止，我們剛剛能夠模擬1毫米長的扁蟲的大腦,，這個(gè)大腦含有302個(gè)神經(jīng)元,。人類的大腦有1000億個(gè)神經(jīng)元，聽起來還差很遠(yuǎn),。但是要記住指數(shù)增長的威力——我們已經(jīng)能模擬小蟲子的大腦了,，螞蟻的大腦也不遠(yuǎn)了，接著就是老鼠的大腦,，到那時(shí)模擬人類大腦就不是那么不現(xiàn)實(shí)的事情了,。
抄學(xué)霸的答案當(dāng)然是一種方法，但是如果學(xué)霸的答案太難抄了呢,？那我們能不能學(xué)一下學(xué)霸備考的方法,？
首先我們很確定的知道，建造一個(gè)和人腦一樣強(qiáng)大的電腦是可能的——我們的大腦就是證據(jù),。如果大腦太難完全模擬,，那么我們可以模擬演化出大腦的過程。事實(shí)上,，就算我們真的能完全模擬大腦,，結(jié)果也就好像照抄鳥類翅膀的拍動來造飛機(jī)一樣——很多時(shí)候最好的設(shè)計(jì)機(jī)器的方式并不是照抄生物設(shè)計(jì)。
所以我們可不可以用模擬演化的方式來造強(qiáng)人工智能呢,？這種方法叫作“基因算法”,，它大概是這樣的：建立一個(gè)反復(fù)運(yùn)作的表現(xiàn)/評價(jià)過程，就好像生物通過生存這種方式來表現(xiàn),，并且以能否生養(yǎng)后代為評價(jià)一樣,。一組電腦將執(zhí)行各種任務(wù)，最成功的將會“繁殖”,，把各自的程序融合,，產(chǎn)生新的電腦，而不成功的將會被剔除,。經(jīng)過多次的反復(fù)后,。這個(gè)自然選擇的過程將產(chǎn)生越來越強(qiáng)大的電腦,。而這個(gè)方法的難點(diǎn)是建立一個(gè)自動化的評價(jià)和繁殖過程,，使得整個(gè)流程能夠自己運(yùn)行,。
這個(gè)方法的缺點(diǎn)也是很明顯的，演化需要經(jīng)過幾十億年的時(shí)間,，而我們卻只想花幾十年時(shí)間,。
但是比起自然演化來說，我們有很多優(yōu)勢,。首先,，自然演化是沒有預(yù)知能力的，它是隨機(jī)的——它產(chǎn)生的沒用的變異比有用的變異多很多,，但是人工模擬的演化可以控制過程,，使其著重于有益的變化。其次,，自然演化是沒有目標(biāo)的,，自然演化出的智能也不是它目標(biāo)，特定環(huán)境甚至對于更高的智能是不利的（因?yàn)楦叩戎悄芟暮芏嗄茉矗?。但是我們可以指揮演化的過程超更高智能的方向發(fā)展,。再次，要產(chǎn)生智能,，自然演化要先產(chǎn)生其它的附件,，比如改良細(xì)胞產(chǎn)生能量的方法，但是我們完全可以用電力來代替這額外的負(fù)擔(dān),。所以,，人類主導(dǎo)的演化會比自然快很多很多，但是我們依然不清楚這些優(yōu)勢是否能使模擬演化成為可行的策略,。
如果抄學(xué)霸的答案和模擬學(xué)霸備考的方法都走不通,，那就干脆讓考題自己解答自己吧。這種想法很無厘頭,，確實(shí)最有希望的一種,。
總的思路是我們建造一個(gè)能進(jìn)行兩項(xiàng)任務(wù)的電腦——研究人工智能和修改自己的代碼。這樣它就不只能改進(jìn)自己的架構(gòu)了,，我們直接把電腦變成了電腦科學(xué)家,，提高電腦的智能就變成了電腦自己的任務(wù)。
硬件的快速發(fā)展和軟件的創(chuàng)新是同時(shí)發(fā)生的,，強(qiáng)人工智能可能比我們預(yù)期的更早降臨，因?yàn)椋?
1）指數(shù)級增長的開端可能像蝸牛漫步,，但是后期會跑的非?？?
2）軟件的發(fā)展可能看起來很緩慢，但是一次頓悟，就能永遠(yuǎn)改變進(jìn)步的速度,。就好像在人類還信奉地心說的時(shí)候,，科學(xué)家們沒法計(jì)算宇宙的運(yùn)作方式，但是日心說的發(fā)現(xiàn)讓一切變得容易很多,。創(chuàng)造一個(gè)能自我改進(jìn)的電腦來說,，對我們來說還很遠(yuǎn)，但是可能一個(gè)無意的變動,，就能讓現(xiàn)在的系統(tǒng)變得強(qiáng)大千倍,，從而開啟朝人類級別智能的沖刺。
總有一天,，我們會造出和人類智能相當(dāng)?shù)膹?qiáng)人工智能電腦，然后人類和電腦就會平等快樂的生活在一起,。
即使是一個(gè)和人類智能完全一樣,，運(yùn)算速度完全一樣的強(qiáng)人工智能,，也比人類有很多優(yōu)勢：
-速度。腦神經(jīng)元的運(yùn)算速度最多是200赫茲,，今天的微處理器就能以2G赫茲,，也就是神經(jīng)元1000萬倍的速度運(yùn)行，而這比我們達(dá)成強(qiáng)人工智能需要的硬件還差遠(yuǎn)了,。大腦的內(nèi)部信息傳播速度是每秒120米,，電腦的信息傳播速度是光速，差了好幾個(gè)數(shù)量級,。
– 容量和儲存空間,。人腦就那么大，后天沒法把它變得更大,，就算真的把它變得很大,，每秒120米的信息傳播速度也會成為巨大的瓶頸。電腦的物理大小可以非常隨意,，使得電腦能運(yùn)用更多的硬件,，更大的內(nèi)存，長期有效的存儲介質(zhì),，不但容量大而且比人腦更準(zhǔn)確,。
– 可靠性和持久性。電腦的存儲不但更加準(zhǔn)確,，而且晶體管比神經(jīng)元更加精確,，也更不容易萎縮（真的壞了也很好修）。人腦還很容易疲勞，但是電腦可以24小時(shí)不停的以峰值速度運(yùn)作,。
– 可編輯性,，升級性，以及更多的可能性,。和人腦不同,，電腦軟件可以進(jìn)行更多的升級和修正,，并且很容易做測試,。電腦的升級可以加強(qiáng)人腦比較弱勢的領(lǐng)域——人腦的視覺元件很發(fā)達(dá)，但是工程元件就挺弱的,。而電腦不但能在視覺元件上匹敵人類,，在工程元件上也一樣可以加強(qiáng)和優(yōu)化。
– 集體能力,。人類在集體智能上可以碾壓所有的物種,。從早期的語言和大型社區(qū)的形成，到文字和印刷的發(fā)明,，再到互聯(lián)網(wǎng)的普及,。人類的集體智能是我們統(tǒng)治其它物種的重要原因之一。而電腦在這方面比我們要強(qiáng)的很多,，一個(gè)運(yùn)行特定程序的人工智能網(wǎng)絡(luò)能夠經(jīng)常在全球范圍內(nèi)自我同步,，這樣一臺電腦學(xué)到的東西會立刻被其它所有電腦學(xué)得。而且電腦集群可以共同執(zhí)行同一個(gè)任務(wù),，因?yàn)楫愐?、動力、自利這些人類特有的東西未必會出現(xiàn)在電腦身上,。
通過自我改進(jìn)來達(dá)成強(qiáng)人工智能的人工智能,，會把“人類水平的智能”當(dāng)作一個(gè)重要的里程碑，但是也就僅此而已了,。它不會停留在這個(gè)里程碑上的,。考慮到強(qiáng)人工智能之于人腦的種種優(yōu)勢,，人工智能只會在“人類水平”這個(gè)節(jié)點(diǎn)做短暫的停留,，然后就會開始大踏步向超人類級別的智能走去。
這一切發(fā)生的時(shí)候我們很可能被嚇尿,，因?yàn)閺奈覀兊慕嵌葋砜?a)雖然動物的智能有區(qū)別,，但是動物智能的共同特點(diǎn)是比人類低很多；b)我們眼中最聰明的人類要比最愚笨的人類要聰明很很很很多,。
.jpg!liorigin)
.jpg!liorigin)
