激辩：人工智能将会取代一半的人类工作吗？-ZAKER新闻
i 黑马讯 12 月 15 日消息，由创业黑马主办、摩比神奇冠名的 2016 年创业黑马社群大会今日在京举行。在本日激辩环节上，朋友印象、乂学教育创始人栗浩洋，格灵深瞳技术副总裁邓亚峰，图森互联首席科学家王乃岩，智能管家 CTO 雷宇，DeepCare 联合创始人、CEO 刘圣等六位嘉宾开展了题为 " 人工智能将会取代一半的人类工作吗？" 的激烈辩论。这场讨论，虽然是以辩论的形式进行，但实际上正反方只是表象，这其实是六位嘉宾对人工智能发展未来的讨论。栗浩洋，用工业革命代替了大部分工人的工作为佐证，代表正方提出人工智能不只是代替一半的人类工作，可能会代替 80%、90% 的人类工作。他认为未来十几年是 " 人工智能 +" 的时代，这场颠覆将会比互联网和移动互联网给人类带来的颠覆更加令人震撼；刘圣则代表反方提出 " 人工智能不会取代人类，而是解放生产力 "。以下为现场辩论实录节选：正方辩手（会）：邓亚峰 格灵深瞳技术 VP栗浩洋 朋友印象、乂学教育创始人雷宇 智能管家 CTO
反方辩手（不会）：王乃岩 图森互联首席科学家刘圣 DeepCare 联合创始人、CEO王曦 杉数科技联合创始人正方反方辩论陈词正方邓亚峰：我认为人工智能能够取代人类的工作，人工智能实际上是用机器来实现人的一些智能，增强人的能力的技术。它的目标实际上是要提高这个社会的生产力。为什么说它能够取代人的工作：第一，技术的进步。人工智能发展了 60 年，到今天为止在技术上取得了非常大的进步。过去的 50 年中只有 4 倍的提升，但是在最近一两年内达到了 20 倍的提升。第二，大家也感受到在之前的时候讲人工智能，很少有人关注，而现在社会、资本、特别是应用的产生，能够促进这个行业的进步。第三，实际上，人工智能代替的是人比较简单的重复性工作，所以说能够做到一半的人被代替。反方王曦：今天我们讨论的这个题目其实是面向未来的，但是如果回溯一下历史，我们会发现伴随着任何一次科技技术的革新，都会有类似的讨论，所以我们不妨来看一下历史上究竟发生过一些什么，给大家举一个不太遥远的例子。1908 年，当人类第一次实现批量化、流程化生产福特汽车的时候，人们出现了相似的担忧，因为整条生产线上可能一半以上、甚至三分之二的员工都已经不被需要了，只需要 14 个小时就可以生产一部汽车，这样人类的工作彻底会被机器取代。但是实际上我并没有看到这些人被彻底淘汰，相反我看到的是这些人转而能够服务于由于机械化、流程化生产，而催生出一个比原来更大千倍、万倍的生产。具体而言就是汽车的生产、制造、服务、保险，现在可能是一个达到了 11 万亿的市场。最后总结一下，我认为这个问题不要关注眼前的这张小饼，要看人工智能给我们带来的大饼。正方雷宇：我觉得人工智能提高生产力，释放很多好的需求，是一定会发生的。比如，现在人工智能的基础是通过机器深度学习，可以把人类以前所有的基于经验的、基于数据的很多工作，都承担起来，我觉得这是社会进步，就和第一次和第二次产业革命是一样的道理。我觉得这是一个不可逆的过程，大家必须去接受它，只有这样才能把人的精力释放出来，人类才能引领新的格局、引领新的未来。我本人是做机器人的，如果我们把机器人作为人工智能的最佳载体来说的话也是一样的，很多重复劳动还有高危的一些行业已经在发生了，比如说客服机器人、迎宾机器人、消防机器人，都是在代替人类的工作，大家会觉得这是在解放生产力，我觉得这是一定会发生的事情。反方王乃岩：我的观点主要有两点：第一，我确实赞成对方辩友说的，可以取代掉部分的人工工作。可能机器可以取代掉人类 99% 的工作，但是剩余 1% 的工作，是需要人来完成的。比如说在自动驾驶中，机器可能在 99% 的时间能够取代人，但是在剩下 1% 的时间，也就是那些往往最危险、最关键的时刻，人的作用依然是不可取代的。但是如果只考虑那 99%、忽略掉 1% 的话，这样的系统仍然是不能完全被机器所运作的。第二点，目前的人工智能依然是以数据为主导的弱人工智能，这其中涉及到我们要去采集大量的数据，用来覆盖掉我们所有可能可以遇到的情况，我们并不能像人类这样使用一个描述性的语言定义一个事情，这样的一个弱人工智能其实是非常不完善的。正方栗浩洋：刚才反方的一辩其实正好证明了我们的观点。他说其实人工智能机械化取代了人的工作，以至于他可以做别的，或者像马斯洛说的那样什么也不做，由政府来发福利。我投资并担任董事长的乂学教育，做的就是用机器来代替人类老师的工作。我认为我们可以代替几百万、几千万的老师，因为每位老师不可能像人工智能系统一样了解 6 万个知识点，了解 6000 万道题目、了解所有的高考、中考……，这样的人工智能机器人与人对比，其智能远高于人类智商的智能。所以我认为人工智能代替的人类目前的工作，将是大面积的而且也是恐怖式的，而人类到底走向哪里，能不能被政府发福利，能不能获得更优越的生活，我们并不知道。反方刘圣：刚才我觉得正方的一辨、二辨也是反过来在证明我们的观点。刚刚我们的二辩说人工智能很多可以解决大部分的问题，但是可能最后只有 1% 到 10% 的问题是没法解决的，所以这个时候需要人类的介入。举个例子，我们是做人工智能和医疗的，我们想做的事情是，想教会电脑看医疗的片子。我们在帮助医生的时候，等于医生在看病的时候，看的是脑袋里面的数据库，根据他很多年的经验积累下来的数据库。一个好的医生一辈子看的不会超过 5 万个病例，可是 5 万个病例如果教给机器来学的话，可能只需要一个礼拜的时间。那我们通过大数据的积累，帮助医生提高其诊疗水平，最后做决定的时候还是由医生来做。三分钟的自由辩论正方：其实在极少数的地方，人工智能只能代替一部分的人，但是在 80% 的工作里面，人工智能可以全部代替人。比如说搬运机器人，比如说很多工业制造商的生产线，完全可以用机器人代替人。反方：我们不否认这件事儿，但是我们今天的辩题是是否能够取代人类。我们其实回想工业革命或者是农业革命，都是一样的。我们被取代的工作通常都是重复性的比较低价值的工作。把这些人力解放出来之后，其实他们可以投入到更高价值的工作当中去，为我们整个社会创造一个更大的饼、更大的价值。正方：实际上我觉得人工智能是不可能把人都抛弃掉或者取代掉的，但是在人数众多的重复性的劳动上是具有非常大的优势的。也有很多工作并不能被完美地切分，还是举自动驾驶的例子，我们不能在 90% 的情况下是自动驾驶，但是剩下 10% 的情况要求人在两三秒钟内接管车辆，这是不现实而且是很危险的。反方：刚才我们都强调是可不可以取代，但是其实在很多行业里面，人工智能能够比人做得更优秀，这是大家不容否认的。比如，在一些需要精度的地方，机器人是完全可以代替人类的，并且我觉得这个是可以依赖他的。科技是用来被人用的，这是我们最核心的观点，只有科技才能推动人类发展。我们杉数科技就是一个用运筹优化，机器学习、深度学习理论来帮助企业做决策的。但是我今天依然是反方的辩手，这两件事情其实并不矛盾，因为我们的目的并不是要取代决策者，而恰恰相反我们要为决策者提供支持。他能够告诉我们什么样的决策场景、什么样的决策输入，才能得出一个合理化结论。换句话说，如果把人工智能切分开来，要以人工为基础去开发智能，而当智能成熟了以后，他必须要反过来服务于人工。正方：我觉得对方三位辩友搞混了智能化机器、智能系统和人工智能的区别。人工智能其实就是要全面取代人类的，至少在某一个领域里面全面取代，包括自动驾驶，我认为未来有一天一定是全面取代所有的司机，尽管它可能也会死人，但是出事故的概率远远低于人类，我们就可以让它百分百取代。还有医疗，我们每个人都受过庸医给出来的错误诊断的痛苦，现在别说普通的医病的案例，既使在 CT 对于癌症的诊断方面，最高明的医生大概也就 80% 的准确度，而现在人工智能已经达到 99% 的准确度。为什么在这么高准确度的时候，你要让一个低智能的人类再来替机器做的判断呢？反方：这个问题其实更涉及到技术层面的一些理解。这一轮人工智能的兴起，很大程度上是源于深度学习的发展。但是我们知道深度学习从 2012 年有了一个飞速发展之后，至今也有差不多四五年的时间了。深度学习的红利还能持续多久？以目前从学术界的角度来看，最多也就再有 5 年时间。我的意思不是说人工智能不会有发展，而是在 5 年之后，我们在这一波深度学习的发展之下，我们能解决的问题已经解决得很好，但是我们不能解决的问题仍旧不能解决。实际上这种强人工智能，仍然需要再有一波需要像深度学习这样的革命性变革。正方：花旗银行和牛津大学的一个报告，跟你的看法相反，他认为美国有 47% 的人类工作，中国、印度有 70% 的人类工作，都会在最近的 15 年全部被取代。反方：刚才正方三辩一直在强调人工智能是要取代人类的，但是我想问一个事情，就是人工智能再厉害、机器人走到哪儿也是要找电源的。正方：我想回复对方二辩说的结论。其实我是不认同的。第一，这个辩题没有规定时间，5 年。第二，深度学习技术，其实我跟乃岩本身是做算法方面的，这个技术确实取得了非常大的进步，但是并不等于它是停止了，它其实变成了一个基础，比如说在特征表示这方面。所以说技术的进步，尤其是现在受到这么多的关注、这么多的资本和学校的支持，其实这个领域是很难用今天的视角来看，它就已经是限定了的。反方：我非常同意你刚才说的，不能以一个限定的眼光去静态地看我们现在这张饼的大小，这张饼的大小可能很容易就可以有一半甚至更多被机器人或者人工智能取代。但是因为它们所催生出来的更大的饼，它们能占多少，我相信远远到不了一半。正方：所以我们并没有说完全把人代替掉，而是把人解放出来做更高级的工作。我是说让人解放出来做这些需要脑力活动的高级的工作。反方：我继续补充一下刚才的观点。现在的人工智能仍然是数据驱动的人工智能，所以它的使用场景仍然是非常局限的。确实我们在一些限定的场景、特殊的应用下可以超越人类。但是在更多的情况下，因为机器是没有常识的，所以会导致对于人类很简单的一些任务反而不能实现，比如是识别红绿灯这样一个简单的任务。正方反方总结陈词正方栗浩洋：我们认为人工智能不只是代替一半的人类工作，可能会代替 80%、90%，就像在几百年前，工业其实代替了大部分工人的工作，尤其是在农业领域，90% 的人类工作都会被播种机、收割机所代替。现在人工智能的收割机已经可以识别到每秒钟扫描 5000 株植物，看出植物的病变程度和未来要撒什么农药，从而节省 90% 的农药。除了一些常规行业，人工智能在一些我们认为不可取代的领域里面，也取得了更好的成绩，包括新闻编辑、律师判案，甚至是艺术领域。我们当时说人只能走到艺术的领域和情感的领域，但是现在人工智能在艺术领域的发展，它能够读懂毕加索、梵高。人工智能作出的画已经超过了 80% 的画家的水平，也就是说，世界上 80%、90% 的艺术从业者都要被取代。人工智能艺术的商业应用更是非常奇葩。在《冰川时代》里面，人工智能机器人所做的美术渲染，已经完全代替了美工设计。在朋友印象里面我们做的人工智能和人与人之间的交往，不但能帮你高效地进行了社交，而且我们期望在未来你不一定需要那么多的朋友和闺密，有一个人工智能的机器人闺密，可以跟你一起聊天、抒情，帮你一起去发泄骂你的老板，但是最后它们又能给你最有价值、最客观、最冷静的建议，能够帮助到你。到了那一天，人工智能代替我们所有人 80% 的工作，并不是一件恐怖的事儿，而是我们在座的每个人必须要接受和拥抱的现实，也是我们每一个企业致力于要做的一件事情。我觉得互联网 + 时代已经过时了，未来十几年是人工智能 + 的时代，而这场颠覆会比互联网和移动互联网给人类带来的颠覆更加令我们恐怖和震撼，每一个人一定要好好拥抱。反方刘圣：我先来回应正方的观点。您捕捉到了很重要的一个点，我们现在这一波的人工智能主要是基于大数据的，所以我们用来训练的大数据其实是从行业里面来的。您刚才讲的现在也有人工智能从事创造性的行业（比如说作诗、写音乐、画画），可是这些机器人作的画和写出来的音乐，只能够达到一般人的水平，也就是说让我们一般人看起来还不错的水平。如果真的让专家来评判的话，还是远远不足的。应该这样讲，我们在座的各位都是人工智能的从业者，所以我们对未来是坚信不一的，我总结一下，我们并不认为人工智能会取代人类，而是解放生产力。有三个观点需要重申：第一个观点：人工智能目前还是比较弱的人工智能，所以它的应用场景是非常有限的，它只能在特定的场景下解决一个定义非常明确的任务。第二个观点：它能够取代的工作也非常有限，有三种工作是人工智能无法取代的，也就是领导者、连接者、沟通者。领导者就不多说了，没有人愿意听一个机器说话。沟通者和连接者是什么意思呢？比如说医疗是一个跨学科的行业，包括软件工程师、算法工程师和医疗工作者，连接者这个事情就必须要人来做。有一句名言说，医生是偶尔会治疗，常常会帮助，总是在安慰。那安慰这件事情只能人来做，而不能机器来做。第三个观点：我们认为人工智能取代的是人类的重复性的劳动，我们把这些生产力解放出来，人类可以把时间放到更好的，解决一些高难度的劳动上面去，给社会、给整个进步创造更大的价值。
相关标签：
原网页已经由 ZAKER 转码排版
互联网新闻1小时前
互联网新闻5小时前
互联网新闻7小时前
亿欧网1小时前
亿欧网1小时前
亿欧网49分钟前
人人都是产品经理1小时前
亿欧网2小时前
亿欧网3小时前
亿欧网5小时前
猎云网5小时前
亿欧网5小时前
品途商业评论5小时前
亿欧网5小时前
亿欧网6小时前揭秘高级人工智能5大最具争议观点：真的能取代人类吗_百度知道
揭秘高级人工智能5大最具争议观点：真的能取代人类吗
我有更好的答案
不会的。之所以叫人工智能说明它还是人工的。即使在某些方面人工智能可能比人们做的会好一点但是归根到底还是人设计出来的，不会取代
采纳率：96%
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。揭秘高级人工智能5大最具争议观点：真的能取代人类吗？　 　 他们认为未来超人类智能会取得主导地位的这一观点，其实基于五个证据并不充分的假设之上。所谓证据不充分，就是说这些假设未来有可能成为现实，但到目前为止还没有任何真正的证据作为支持。
　　有人说未来计算机人工智能将会比人类还要聪明，会取代人类所有的工作，占用所有的资源，人类将会灭亡。这是真的吗？
　　这是我做人工智能讲座时听到过最多的问题。提出这一问题的人态度都很真诚，他们也是听各种专家谈到这个问题，比如史蒂芬·霍金、埃隆·马斯克和比尔·盖茨等，因而产生了忧虑，认为上述情景未来十分有可能成为现实。在最近举行的一次有关人工智能技术的大会上，一支由九人构成的专家组就表示，在不久的将来，超人类智能是一定会出现的。
　　他们认为未来超人类智能会取得主导地位的这一观点，其实基于五个证据并不充分的假设之上。所谓证据不充分，就是说这些假设未来有可能成为现实，但到目前为止还没有任何真正的证据作为支持。具体说来，这五个假设包括：
　　1. 人工智能的程度正在以指数形式超越人类；
　　2. 我们将会把人工智能变为通用智能；
　　3. 我们能够用硅的形式来研究人类智能；
　　4. 智能的扩展是没有任何限制的；
　　5. 在我们掌握了超级智能之后，能够用它来解决绝大多数问题。
　　与上述五个没有充分证据支持的假设相比，我个人认为下面五种说法更具说服力：
　　1. 智能并不是一个单一维度的名词，所以“比人类更加聪明”是一个没有任何意义的概念；
　　2. 无论是人类，还是人工智能，都没有向通用智能发展的计划；
　　3. 在其他媒体上模拟人类思维会受到成本的限制；
　　4. 智能的维度并其实受限制；
　　5. 智能只是整个发展过程中的一个因素。
　　因此，如果仅仅依靠上面五个没有充分证据支持的假设，就说超人类人工智能将来会完全代替人类，那与宗教中的迷信没什么两样。在下面的内容中，我将会针对这五个错误的假设进行逐个的详细分析，并且给出相应的反对理由，论述超人类人工智能迷信的本质。
　　1. 人工智能的智慧程度正在以指数形式超越人类？
　　其实，在很多情况下，人们对人工智能的误解，都始于对自然智能的误解。他们错误地认为，智能只是一个单一维度的概念。大多数科技人员倾向于将智能画成一条斜率大、增速快的直线，就像Nick Bostrom在《超级智能》这本书中画的一样。也就是说，这条线的一端代表着低智能，比如说小型动物，而另一端则代表着高智能，比如说天才，就好像智能是能够简单地用分贝数值来表示的声音一样。所以说，从这种发展趋势来看，我们不难想象智能会随着直线的无限延伸而突破限制，最终超出我们人类自己的智能极限。
　　这一模型从外观上来看就像梯子，也就是说每一个阶梯所代表的智能水平，都是从低到高逐渐增加的。低等动物处在人类智能水平之下的阶梯，而高水平的人工智能自然而然就处在人类智能水平之上的阶梯。这种高水平人工智能何时超越人类智能并不是最重要的事情，最重要的是衡量逐渐升高的智能水平所用的指标。
　　这一模型最大的问题，就在于它带有虚构色彩，就像古老的进化阶梯一样。在达尔文提出进化论之前，人们认为自然界的进化过程就是阶梯型的。就像上文所说的一样，低等动物处于人类智能水平以下的阶梯上。哪怕是在达尔文的进化论问世之后，人们还是习惯性地将进化过程比作阶梯。他们认为，整个进化过程从鱼类开始，随即演变为爬行动物，接着再变成哺乳动物，后来再升级为灵长类动物，最终变成人类。每一个状态，都是在前一个状态的基础之上实现了一点演化和升级。当然，聪明和智能程度也就随之提升了。所以说，在某种程度上，智能演变阶梯与人类存在演变阶梯是平行的。但其实，这两种模型所提供的观点都不是完全科学的。
　　能够更加准确地形容物种自然演变过程的图表，是萨斯大学的教授David Hillis首次在DNA的基础之上提出的发散性圆形结构，它的形状看上去有点像曼陀罗花。在圆形结构的中间是最为原始的生命形式，然后随着时间的推移，向四周进行延伸和发散。因此，地球上存在的距今最近的生命形式，就形成了这个圆形结构的外周。与蟑螂、狐狸和细菌一样，人类也处在这个圆形结构的最外一周。这些物种都经过了延续三十亿年之久的生殖和繁衍过程。直白地说，现如今的蟑螂和细菌都是经过高度演化的生物存在，与人类没有什么大差别。上文所提到的从低等到高等的演化阶梯根本是不存在的。
　　相似地，智能演变过程也不存在什么阶梯。智能并不是一个单一维度概念，而是诸多不同认知类型和模式的混合物。而且，这些类型和模式都是能够连续的统一体。下面，我们就以衡量动物智能作为最简单的例子。假如智能果真是单一维度概念，那么鹦鹉、海豚、马、松鼠、章鱼、蓝鲸、猫和大猩猩的聪明程度就应该是呈一条直线上升的。但是目前，我们并没有任何科学证据，来给这样一条直线提供支持。其中一个原因，是不同动物的聪明程度应该是不存在差别的，但是我们并没有看到这一点。动物学主要研究的，是不同动物的不同思考方式。但或许，它们都有着相对类似的“通用智能”呢？这不是没有可能，只是目前我们还没有什么用来测量这种智能的合理指标和方式。但相反，针对不同类型的认知，我们还是有不少衡量指标的。
　　如果我们想要用一个更加准确的模型来描述智能，那就要利用Richard Dawkins写的算法来画出它的可能性空间。智能是由诸多连续统一体构成的结合体，包含多个节点，每个节点都是一个连续统一体，是具有高度多样性的高维度复杂结构。我们可以将智能这个复杂结构看成是由多种乐器协奏出来的交响乐。它们不仅在音量上存在差别，在旋律、音色和节奏上都存在差别。所以，我们可以将其看作是一个生态系统。这样一来，不同的组成节点之间都是相互联系、相互依存和相互转化的。
　　用Marvin Minsky的话来说，人类的大脑中聚集着各种各样的思想。我们生活在一个会思考的生态系统之中，这个系统中包含着可以进行不同类型思考过程的认知形式，比如演绎、归纳、符号推理、情商指数、空间逻辑和长短期记忆等等。整个神经系统也是一种拥有独特认知模式的大脑。也就是说，我们不仅仅用大脑在思考，更是用整个身体在思考。
　　这些认知组成形式，在不同个体和不同物种之间是不一样的。在不少情况中，动物是比人类更加聪慧。比如说，松鼠能够连续几年准确记住橡子的位置，但人类却不能。所以，从这个认知形式来看，松鼠的确是优于人类的。
　　这个道理，在人工智能方面也是一样的。人工大脑在某些维度中已经超过了人脑。比如说，计算器在数学方面是优于人脑的；谷歌的记忆在某些维度中也是优于人脑的。我们现在正在对人工智能进行完善和优化，让它们在特定模式中达到精通状态。虽然在其中一些模式中，它们能做的事情我们也能做，但是它们更加擅长，比如概率和数学。然而在其他一些模式中，它们能做的事情我们根本就不能做，比如说搜索引擎能够记住60亿网页上的每一个单词。将来，我们会发明出全新的认知模式，即不存在于人类世界，也不存在于任何生物系统。在很多情况下，这些模式是针对某些特定的工作种类发明出来的，适用范围比较小，或许只有在统计学和概率的范畴中才能发挥作用。
　　在其他情况下，全新的思维方式将会是各种认知形式的综合体。我们可以利用这一综合体，来解决单靠智能解决不了的问题。在商业和科学领域，有些很难解决的问题需要采用两步走战略：第一步，发明一种全新的思维模式，与人类大脑共同运作；第二，将二者结合起来解决问题。因为我们现在要解决的问题，是以前解决不了的，所以我们认为这种认知是比人类大脑“聪明”的。但事实上，这种认知与人类大脑是不一样的，不能够直接进行比较。那么，究竟不一样在什么地方呢？主要就是对人工智能带来的益处看法不同。我认为，一个有效的人工智能模式，就是要能够以“外星人”那种非同寻常的智能来思考问题。也就是说，这一模式最主要的资产，就是它的相异特性。
　　2. 我们将会把人工智能变为通用智能？
　　对于人类智能的第二个误解，就是我们认为自己有着向通用智能发展的想法和计划。现在，有不少人工智能研究人员都想要发明一种通用智能。但其实，如果我们认同智能可以提供一个较大的可能性空间这一说法，那就不存在所谓的通用智能这种状态。人类智能并不是处于一个中心位置，周边有其他智能包围。相反，人类智能只是一种非常具体的智能，范围非常小，只是支撑着我们在这个星球上演化数百万年甚至数千万年的基础。在所有可能的智能类型中，人类智能只是处于某个角落而已，就像在浩渺无边的银河系中，我们也只是处于某个角落而已。
　　我们肯定能够想象，甚至是能够发明一种瑞士军刀式的思维方式。这种方式能够完成很多事情，但却不能事事精通。人工智能需要遵循的工程准则，与所有事物需要遵循的准则是一样的：你无法做到十全十美，将所有事情做到最优状态，只能从中找到一个平衡。所以说，在某些功能实现最优之前，你是无法兼顾所有功能的。所谓的“做好每件事”的思维，是不能够指导你真正做好每件事的。因为我们相信自己的大脑是全能的，所以想要发明一种智能来使得所有的思维方式发挥最大作用。但到目前为止，我还没有看到这种可能。简单地说，我们还没有找到足够多的思维方式来考虑所有事情。
　　3. 我们能够用硅的形式来研究人类智能？
　　那么，我们为什么会产生发明通用智能这一想法？我想主要是因为通用计算这个概念。通用计算在1950年首次以Church-Turing这一假设正式问世，这一假设认为所有符合特定要求的计算都是等同的。因此，不管是在机器部件中，还是在生物大脑中，所有的计算都有一个共同的核心，都有着相同的逻辑过程。这就意味着你应该可以利用能够进行通用计算的机器，来模拟任种计算过程或者思维过程。坚信科学会以指数形式不断进步的人士，认为这一原则将来能够指导我们发明出控制人类大脑的硅质大脑，超过人类大脑的智能程度。不过，对于这样一种观点，我们还是应该保持怀疑态度，毕竟它所依赖的理论基础是对Church-Turing这一假设的错误解读。
　　这一理论的起点，是在不受限制的记忆和时间内，所有的计算都是等同的。但是最大的问题就在于，在现实生活中，没有哪一台计算机是拥有无限记忆或者时间的。当然了，如果你忽略时间这个因素的话，那么所有的思维过程就也是等同的。如果你再进一步忽略现实生活中的储存和记忆限制，那还可以在任何一种结构当中模拟人类思维。
　　能够模拟人类思维过程的唯一方式，就是在与人类大脑极其类似的带有水分的组织中完成计算工作。也就是说，在干燥硅质大脑中运行的复杂人工智能，并不能产生真实的人类思维方式。因此，我认为，只有通过与人类组织类似的神经元，才有可能发明出与人类大脑高度相似的人工大脑，才有可能让它们的思维方式与我们人类的思维方式相似。但是，想要研发出与人类高度相似的组织和神经元，所需成本是非常高的。这些组织与人类大脑中的组织越是相似，那么所产生的效益就越大。
　　再者，上文也说了，我们不仅用大脑思考，更是用整个身体思考。有大量数据表明，我们的神经系统指导着理性的决策过程，能够预测和学习。所以说，我们模拟整个人体系统的次数越多，能够精确复制这一系统的可能性就越大。
　　4. 智能的扩展是没有任何限制的？
　　超人类智能的理念，以及该智能能够持续自行优化这一观点的核心，就是坚信这种智能在规模上不受任何限制。但是到目前为止，我都没有找到任何支撑这一核心观点的证据。说到底，还是因为我们错误地把智能当成了单一维度的概念。从科学角度来看，在整个宇宙空间中，没有哪一种物理维度是不受限制的。比如说，温度不是无限的，不管是热，还是冷，都是有一定限度的。再比如说，空间、时间和速度也都不是无限的。或许，数学上的数轴是没有任何限制的，但是所有其他的物理属性都是有限制的。那么，问题就来了。智能的极限到底在哪里呢？我们倾向于认为，智能的极限是远超过我们人类智能极限的，就像我们认为人类智能极限是远超过蚂蚁智能极限一样。先不考虑上文反复提到的单一维度问题，我们认为人类自己并不是智能的极限，有什么样的证据作为支持呢？我们为什么就不能够处于智能最高水平呢？
　　或许思考这个问题，更好的一个角度是将我们人类的智能看成是数百万种可能的智能形式中的一种。所以说，在维度数量多达数百个甚至数千个的前提下，认知和计算的每一个维度都有极限，思维的种类也就相应地有无数种，这无数种中没有哪一种是不受限制的。当我们遇到这些思维时，或许会下意识地认为它们中的某些要优于人类。在最近出版的一本书中，我粗略列出了几种在某些方面确实要优于人类的思维。
　　现如今，有些人想要给这些实体取名叫做超人类人工智能。但事实上，这些思维的多样性和特异性，会帮助我们发现更多有关智能的新知识和新看法。
　　再有，在那些拥护超人类人工智能的人看来，智能将来会以指数形式向上发展。至于产生这种想法的原因，应该是他们认为一直以来智能确实是在以指数形式发展的。但是，针对这一观点，目前同样没有任何证据可以证明。不管使用什么方式进行计算或测量，都不能得出智能以指数形式向上发展这一观点。说它是以指数形式增长，就意味着人工智能能够以规律性的间隔实现能力水平的翻倍。这种说法同样没有任何证据支持。那么，既然现在没有证据支持，我们又为什么要假设它在不久的将来会以指数形式上升呢？在这条呈指数形式上升的曲线上，唯一真正存在的就是我们在人工智能上的投入。我们为了提高智能程度，投进去的各种资源确实是呈指数形式上升的。但与此同时，人工智能的产出水平，却不是以指数形式上升的。人工智能并不会每隔三年就实现两倍的智能水平提升，甚至每隔十年都不一定能实现两倍的智能水平提升。
　　5. 在我们掌握了超级智能之后，能够用它来解决绝大多数问题？
　　本文讨论的最后一个关于超人类人工智能的错误想法，就是有一种几乎不受任何限制的超级智能，能够快速解决很多现实生活中无法解决的问题。
　　这种观点的支持者认为，更高级别的智能可以产生范围更广的积极影响，带来更多进步。我个人将这种想法称作是“思维主义”，这类人错误地认为，在不久的将来，我们取得的进步只会受到思维能力这一个因素的影响。换句话说，就是只会受到智能这一个因素的影响。
　　我们就以治疗癌症或者延长寿命作为例子。这些问题仅仅依靠思维过程是没有办法解决的。没有哪一种思维主义，能够发现细胞如何变老，搞清楚染色体终端的结构如何。没有哪一种智能，能够通过简单阅读现今世界上各种科学文献，就详细掌握人体结构的运作模式。没有哪一种超级人工智能，能够通过简单了解过去和现在的核裂变实验，就在一天之内找到全新的核裂变模式。现实世界中，各种实验数不胜数，得到的互相矛盾的数据也数不胜数，我们需要进一步进行实验，才能最终形成真正可以发挥作用的正确假设。只是考虑有可能的数据，是无法收获正确数据的。
　　思维（智能）只是科学的一部分，甚至是很小的一部分。举个最简单的例子，我们无法找到足够多的数据作为支持，来解决人人都要面对的死亡问题。对生物体进行实验通常需要很长时间，比如说细胞新陈代谢的过程是非常缓慢的，无法人为加快，可能要花几年或者几个月，最少也要几天的时间才能够拿到结果。如果我们想要了解有关亚原子粒子的详细情况，那光是动脑思考是无法做到的，而是需要动手去建造大而复杂的物理结构。
　　但是，超级人工智能能够加快科学发展的速度，这一点是毫无疑问的。我们能够利用计算机来模拟原子和细胞，对多种因素进行控制来人为加快速度。但是，在我们试图以最快的速度取得成果的过程中，有两点会限制模拟效果。第一，模拟和模型要想比实物更快，就必须要排除掉一些因素；第二，测试和验证这些模型是否符合事实需要一定的时间，这个过程是不能刻意加快的。
　　总之，人工智能要想切实发挥作用，就必须要与现实世界进行融合，其创新步伐也必须受到现实世界的各种条件限制。如果跳过实验和原型研发，不愿意接受现实和失败，那么智能就只有想法而没有结果。在所谓的“比人类更加聪明”的人工智能出现之前，我们需要去研究和实验。当然了，这种智能出现的时间和进步的速度，在很大程度上受人工智能技术的发展影响。
TOPS5238゜12185゜21918゜31809゜41437゜51247゜61201゜71095゜8941゜9874゜1012894゜111471゜27497゜36870゜46693゜55720゜65367゜75333゜85238゜95131゜10
天使 金额未透露 融资战略投资 金额未透露 融资Pre-A 金额未透露 融资种子 200万人民币 融资
市场及媒体合作李小姐010 37.cn投稿邮箱.cn
投资界微信
(C)清科集团版权所有京ICP备号-2