人工智慧如何跳出圖靈束縛，重新啟動

編者按：計算機視覺與AI專家Filip Piekniewski不久前發布的博客《AI冬天快來了》在網上引發熱議，許多大公司的專家也參與了辯論和討論。該文主要對深度學習提出了批評，認為這項技術遠算不上革命性，而且面臨各種瓶頸。

兩周前，作者把自己對AI的看法進行了歸納，認為AI被圖靈定義限定在狹窄範圍，我們需要如何跳出框架、面對現實，哪些問題可以修復。

以下是界面編譯的他的十個觀點：

1.我們掉入了圖靈關於智能的定義的陷阱。在著名的圖靈公式中，他把智能限定為一場對手為人類的語言遊戲。這就把智能設定為（1）一個遊戲的解決方案（2）將人類擺在裁判的位置上。這個定義極有欺騙性，因而不是特別適合這個領域。狗、猴子、大象甚至嚙齒動物都非常智能，但卻不會說話，因此在圖靈測試里它們是過不了關的。

2.AI的核心問題是莫拉維克悖論（Moravec"s Paradox）（註：莫拉維克說，「要讓電腦如成人般地下棋是相對容易的，但是要讓電腦有如一歲小孩般的感知和行動能力卻是相當困難甚至是不可能的。」）。這個悖論是1998年首次闡述的，30年過去了，我們在這方面的進展如此之少，真是令人尷尬。這個悖論的主題是，最簡單的現實顯然要比最複雜的遊戲還要複雜得多。我們痴迷於博弈（以及其他限制嚴格且定義明確的話語範圍，如數據集）中的超人表現，以此作為智能的標誌。我們完全忽視了一個事實——是現實本身，而不是人類的某個委員會，才能某個參與者的智能做出終極評判。

3.我們的模型或許有效，但其原因往往是錯誤的。深度學習就是一個明顯的例子。表面上我們解決了對象識別，但無數研究表明，深度網路能夠識別對象的原因，跟人類能發覺對象的原因有著巨大差異。有些人出於圖靈測試理念只想著怎麼愚弄人，對他們來說，這個問題也許並不重要。而對那些關心如何讓人工代理能夠處理意外（域外）現實的人來說，這個問題就至關重要了。

4.現實不是遊戲。如果說兩者有相似性，那就是，現實是規則不斷變化的遊戲的無限集合。只要出現重大進展，遊戲規則都要重寫，所有玩家都得跟著調整，否則就會死掉。智能，就是一種會進化從而讓主體解決這一問題的機制。我們可以造出機器，在規則固定的遊戲中超出我們自己的能力，但這並不能告訴我們如何造出機器去玩「規則不斷變化的遊戲」。

5.物理現實中有某些規則是不變的——比如物理定律。人類已經把這些定律表述出來，並藉此做出預測，文明因而建立。但是，這個星球上的每一種生物，為了能在地球上生存，也都以非語言的方式掌握了這些規律。小孩子不需要學習牛頓定律，就知道蘋果會從樹上掉下來。

6.我們的視覺數據模型其實是非常不完善的，因為它們僅僅依賴事物在時間顯現中的停留，以及人類打的抽象標籤。深度網路就算看了幾百萬張樹上蘋果的照片，也永遠無法發現重力（以及其他許多顯而易見的事情）。

7.關於常識，最大的困難在於，它對我們顯而易見，但卻幾乎無法用語言表達，進而在數據中打上標籤。對於一切「明顯」事物，我們都有著巨大的盲點。因此，我們無法教會計算機常識，這不僅因為可能不切實際，而且更根本原因在於，我們恐怕都無法意識到常識是什麼。只有當機器人做了某件極其愚蠢的事情之後，我們才意識到，「哦，原來機器人不理解這個??」

8.如果我們希望解決莫拉維克悖論（在我看來，這應該成為今天任何嚴肅的AI努力的焦點），那麼，我們怎麼也得模仿一下生物體，即純粹通過觀察世界來學習，而不需要標籤的輔助。一個比較有希望的想法是，開發一個對未來事件作出臨時預測的系統，然後通過將其預測與實際情況進行對比來學習。無數實驗表明，這的確是生物體大腦中發生的事情，而且從各種角度來說，這樣做非常有意義，因為這些系統，除了其他方面之外還必須學習物理定律（所謂的樸素物理學）。預測性視覺模型，是朝著這個方向邁出的一步，但肯定不是最後一步。

9.我們特別需要在圖靈的定義之外框定「智能」的質量。從非平衡態熱力學，我們應該能發現一些好點子，這與預測性假設也是一致的。為什麼呢？因為我們需要開發出註定無法通過圖靈測試的智能代理（因為它們不會展現出語言智能），但依然需要一個衡量開發進展的框架。

10.我們今天所做的一切以及被稱為AI的東西，都是能夠語言化的、某種形式的自動化。在很多領域，這些能發揮作用，但是，這和用Excel代替紙張表格來幫助會計並沒有太大不同。最大的問題（且一直）是自主。自主不是自動化。自主比自動化的意味多多了，如果自主意味著比人類更安全，比如自動駕駛汽車，那麼自主的含義比自動化要多太多了。自主應該等同於寬泛定義的智能，因為它意味著處理意外的、未經訓練的、未知的未知的能力。

在博客後的留言中，Piekniewski還提出他關於AI如何衝擊就業的分析。他把這個問題分為兩部分：

1）我們會繼續把越來越多的任務自動化嗎？很有可能。這會導致人們失業嗎？大概是的。但是自從工業革命開始，我們已經解決了這個問題，每當我們消滅一些工作時，其他一些就業機會就會出現。

2）我們是否會建立一支擁有人類能力的AI奴隸隊伍，由它們去完成人類目前所做的一切，而人類則去度過無盡的假期？我不認為，不會很快發生，甚至在50年內都不可能發生。

總而言之，我們目前所做的，可能會導致許多工作自動化，但令人驚訝的是，或許這些工作不是人們都在談論的那些。比如卡車司機、計程車司機、警察、保安和任何需要處理「長尾」事件的職業，其實都是安全的。恕我直言。但是保險代理人、房地產經紀人、各種官僚人士、零售人員、圖書管理員以及其他限定和定義明確的領域，每個人都可能受到威脅。

作者不認為汽車駕駛會很快地大規模自動化。卡車司機除了駕駛卡車，還要保養卡車，比如加油、修理等等。即使駕駛可以自動化，我們仍然需要讓人跟著貨物，以防萬一。就算是收銀員，也有很多不可知情況，比如條碼不可用等等。所以，他們中的一些人會失去工作但不是全部，有些人仍然需要處理那些尾部情況。而且，在一些嚴重的經濟衰退或自然災害的情況下，這些自動化設備也可能一下子變得毫無用處。

而通用AI、可以為我們做任何事的智能奴隸，或者殺人的終結者物種，目前並沒有出現在科技的地平線上。（編譯：黃錇堅）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！