你以為的人工智能，都還是「人工智障」_風聞

來源：微信公眾號“中信出版社”

今年初，海底撈開了一家**全智能餐廳，**裏面號稱從配菜、出菜到上菜環節都進行了人工智能化改造，全程都由機器人來完成服務。

大家紛紛表示要去打卡的同時，也感嘆，人工智能真的越來越走進我們的生活了。

但在人工智能研究發展一片熱火朝天時，有個人卻説，你們的方向都錯了，現在的人工智能的各種運用，根本連智能的門都沒摸到。

他是誰？他為何這麼説？我們認為的人工智能到底智能不？本期新常識，我們來一起討論這些議題。

一、智能音箱到底智能嗎？

**語音智能設備，可能是最為普及的人工智能應用設備了。**它由2011年的Siri起頭，到2016年，中國科技公司也紛紛入局。

智能音箱慢慢從200美元的外國高科技，變成了200人民幣的親民小玩意兒。

據2018、2019年的調查顯示，兩年來中國每季度的智能音箱的銷量，**都在千萬以上。**618促銷活動中，某度出品的“智能音箱”累積銷量突破一百萬。

似乎一夜之間，**白菜價的“人工智能”走進了尋常人家。**招呼一聲就可以幫你開燈、查機票、看菜譜、定鬧鐘、逛網店，無聊了還可以賠聊。

那麼，智能音箱的普及是不是標誌着人工智能時代，終於來了？

這話説得還是太早了點。

雖然智能音箱聽懂人話的技能令人驚歎，彷彿是個有靈魂的音箱。但是，在整個人工智能的理論體系上講，它還是個很原始的產品。

從基本原理上講，它的大部分主要功能，是基於一些並不複雜的邏輯：

1、語音識別

現在智能音箱可以聽取大、小、遠、近的聲音指令，甚至一些方言，中英文混雜都難不倒它，可以説在語音識別方面已經做得十分優秀了。

不過語音識別在基本原理上並不複雜：一個語言的數據庫，外加一套聲音數據的算法。雖然技術在這套算法上越來越精細，不過這種“聽寫”的技能，遠沒有觸及“智能”的核心領域。

2、優化搜索

不知道大家發現沒，在人工智能領域領先的公司，大多是做搜索引擎的公司：谷歌、百度，還有同樣自帶搜索的淘寶和京東。

這背後的邏輯在於：目前我們看到的“機器智能”“機器理解”“機器翻譯”，基礎上是搜索的結果。

説白了，**機器給你的回答，歸根到底，都是搜出來的。**所謂的“人工智能”，只不過是把已有的答案找出來，念給你聽而已。

目前，“人工智能”搜得越來越好、越來越精準，還會記憶你的喜好。只是扒開它的底褲，它還是個搜索引擎而已。

3、對話機器人

Comscore（美國的一家信息服務公司）在2018年進行的一項調查顯示，美國用户用得最多的智能音箱功能，居然是聊閒天。

現在智能音箱的聊天功能，簡直讓人覺得它有靈魂。

阿信準備了幾道“送命題”調戲了一下自家的智能音箱，給大家體會一下。

阿信：我室友是個傻子怎麼辦？

音箱：傻人有傻福啊，你這麼聰明怎麼問出這麼傻的問題？（竟無言以對）

阿信：我覺得人生沒有指望了怎麼辦？

音箱：怎麼會？你會發現生活中總有對你好的人。認真地對待生活，生活也會給你回報的。（好吧，似乎有那麼點安慰效果）

阿信：你喜歡我嗎？

音箱：你知道我對你，不僅僅是喜歡。（説得老臉一紅）

看起來很厲害，是不是？不過，這看似的智能，但恰恰是“人工智能”中最原始的。

早在1966年，就有科學家設計出了能和人對話的程序。到如今，對話機器人（chatbot）説話越來越像個小機靈鬼。

即便如此，它本質上還是一個數據庫，它會提取人話中的關鍵詞，然後調用數據庫中的內容，組織相應的回答。

1950年，人工智能先驅阿蘭·圖靈提出了**“圖靈測試”**的預想，也就是説：如果人在和一個機器對話時，感覺不到對方是機器，那麼這個機器才算具有人類智能。

 

綜上，阿信又想了想，問了一個對人工智能來説是“跨學科”的超綱問題。

阿信：理查德·道金斯今年幾歲？

音箱：我還小呢。（你是不是隻聽進去後四個字？你的百度百科呢？你的計算能力呢？）

除此之外，智能音箱還包含了影音資料庫的關聯、物聯網等功能，它們和“人工智能”的關係就更遠了。當然，這些本身都是很優秀的技術（手動狗頭）。

那麼，什麼是更高級的人工智能呢？目前大家普遍接受的觀點是（當然還有人不這麼認為，這個到後面再説），運用到**“深度學習”**才算人工智能的高階玩家。

二、深度學習下人工智能的新發展

前面我們雖然稍微diss了下智能音箱，但有一點還是要為它正名：智能音箱的核心——語音識別的高段位是需要動用到深度學習的，它也被認為是人工智能未來發展的方向。

如果哪天智能音箱能做到真正意義上的語音識別，那才可以説它是真的智能。

什麼是更高級的語音識別？

用大白話講，就是機器能夠有理解句子意思的能力。

我們知道，同一句話，甚至同一個詞，在不同語境下表達的意思可以千差萬別。當機器經過千萬次的神經網絡訓練獲得了這種捕捉句意的能力，才算一隻高級別的智能機器。

而這種神經網絡訓練，我們可以簡單理解為深度學習。

**深度學習根植於數學、計算機科學和神經科學中。**它從數據中學習，就像嬰兒認知周圍世界那樣，從睜開眼睛開始，到慢慢獲得駕馭新環境所需的各種技能。

目前，深度學習在AI醫療的自動診斷、投資回報預判、牌場競技、自動駕駛、智能翻譯、情緒識別等領域都有比較前沿的運用成果。

三、顛覆貝葉斯理論的因果新科學

就當大家都以為深度學習是人工智能的發展未來時，貝葉斯網絡之父朱迪亞·珀爾卻説，現階段的深度學習，根本談不上是真正的人工智能。

朱迪亞·珀爾

要知道，人工智能的發展在很多方面都得益於珀爾早期的研究，但他卻在最近推翻了自己，甚至説，沿着目前的基於貝葉斯網絡開展的深度學習探究方向是錯誤的，這條路永遠也到不了實現真正人工智能的彼岸。

於是，他提出了一個因果關係之梯的概念，説我們現在的人工智能研究都在因果之梯的第一層，也就是觀察模仿層。

目前，人工智能的研究都侷限在這個層級。

比如大家都覺得厲害得不得了的AlphaGo以4:1戰勝了世界圍棋頂尖高手李世石，但底層設計也是計算機上億次對人類棋手動作的追蹤、觀察和記錄。

當時網絡上有人戲謔道：

“人工智能贏了不可怕，至少説明它還不懂得韜光隱晦，如果它假裝輸給人類，那才更加可怕。”

這句看似戲言的話，卻暗藏了人工智能當前最大的發展瓶頸：只會學習和處理數據，卻不懂得像人類一樣去思考和模擬存在於數據之外的其他可能性。

而機器只有突破到第三層的**“反事實”**才能實現強人工智能。

在這一層級上進行的思維活動是想象、反思和理解。

珀爾將這一層級定義為反事實推理，剛好與尤瓦爾·赫拉利在《人類簡史》中的觀點不謀而合。

尤瓦爾認為，人類所以變成今天的樣子，是忽然學會了**“虛構”**——從幻想某一棵大樹可以保佑我們，一直到後來的有限責任公司和資本信貸體系，人類不斷虛構出美麗的故事，最終建立起龐大而牢固的人類帝國。

人類發展出描繪虛構事物的能力正是人類進化過程中的認知革命，反事實推理是人類獨有的能力，也是真正的智能。

尤瓦爾·赫拉利

當人工智能具備了“虛構”甚至“反事實推理”的能力時，那麼強人工智能時代終將到來。

針對能否開發出具備自由意志的機器人的問題，珀爾的答案是 絕！對！會！

**四、人工智能的禮物：**提升判斷力

讀到了這裏，一定會有人問：人工智能都是科技圈的概念，跟我有什麼關係的？就算我理解了人工智能的發展新方向，又有何用呢？

和我們的最大的關係是——提高個體的判斷力和決策力。

當下的社會信息實在嘈雜，為了防止被矇騙、被忽悠，我們都需要具備一些認知力和判斷力傍身。

珀爾將判斷力劃歸為五個層級。

1. 相信權威

2. 相信經典

3. 人羣研究

4. 控制變量

5. 隨機實驗

從1到5，是判斷力逐漸提升的階段。

套用這五個層級，舉個栗子。

現在有一種賣得很貴的保健品，號稱用的材料都是貨真價實的珍貴的藥材煉，對身體有好處，吃了可以延年益壽。

那問題來了，我們怎麼能知道它是不是真有效呢？

最底層的判斷力是既然這個東西“貴”，那就肯定有效。賣得貴，自然品質好。這就是相信權威，但顯然邏輯是經不起推敲的。

“貴”可以讓你覺得有效，最多相當於“理論上應該有效” —— 可真正有沒有效，得看實踐。

今年的春晚就有一個類似的賣假保健品的小品

於是，**判斷力升級至第二層：**相信經典。

身邊有個熟人吃了這個保健品有效，所以認為它有效。

 一個例子能證明有效嗎？可能熟人那幾天偶然身體不好，本來不吃也能恢復，吃保健品和恢復完全是巧合。

所以，**一個樣本是沒有參照意義的。**你不僅要問身邊的一個人，更要問身邊的一羣人，甚至將樣本羣放得更大。你才起碼能大致瞭解吃了這個保健品到底有沒有效。

第三層判斷力是樣本擴大後，對人羣的研究。

保健品公司委託某野雞大學出了一個報告，説吃了這個保健品的人羣的身體狀況，平均而言，比沒吃的人羣好。那這個報告能説明這個保健品有效嗎？

 

還是不能。

保健品定價高，目標用户是**高消費羣體。**這無形中向用户樣本切了一刀：這些消費得起如此高昂保健品的人的醫療保障、生活環境、飲食結構各方面都比窮人要好，他們的身體狀況、基因底子本來就“應該”更好。

你怎麼能知道是吃了保健品的人身體好呢，還是身體好的人更容易買保健品吃呢？

雞生蛋、蛋生雞的哲思實在是太考驗吃瓜羣眾的判斷力了。事實上，大部分人的判斷力都停留在這一層級上面。

想要繼續攀升，就要引入一些**統計學的方法論了。**比如説：控制變量、隨機實驗等。

在當下的信息體系中獲得一點知識是很難的。有誰能想到，一句“這東西真有效嗎？”居然引出了一個規則怪異的數學遊戲，這也正是科學家與吃瓜羣眾的區別。

吃瓜羣眾的判斷方法多是看看產品介紹、詢詢價格、問問身邊人的評價；稍稍精進一點的，在網上看看更多的用户評論。

而科學家的方法則是控制變量和做隨機實驗，這就是高判斷力和低判斷力的差距。

現在都説當今世界的貧富差距正在拉大，同樣的，**人****跟人的判斷力的差距更大。**在這個知識碎片化滿天飛的時代，沒有一點判斷力傍身，是萬萬不可的。

用訓練人工智能的思維方法來訓練我們的這種判斷能力，也許正如珀爾所説，是“人工智能奉獻給人類的第二個禮物”。

而未來的人工智能到底能不能如珀爾所説，擁有認知、預判和虛構故事的想象力，讓我們拭目以待吧。

參考資料：

1. 《為什麼》[美] 朱迪亞·珀爾 著 中信出版集團 2019.6

2. 從海底撈無人餐廳, 看2019人工智能新動向，搜狐網

3. Enge, Eric. “Rating the Smarts of the Digital Personal Assistants in 2018”.