透過《邊界》看AI——生而為“人”才是AI最終的宿命_風聞
互联网江湖-2022-09-20 14:56
愛因斯坦説，“知識是有限的，而想象力卻能漫遊世界。”
想象力是打開科技進步之門的第一把鑰匙。
早在萊特兄弟發明世界上第一套飛機飛行控制系統以前，人類在壁畫、詩歌以及各種各樣的藝術作品中早就開始了遨遊天空的暢想。到了現代，藝術與科技越發融合，以科幻電影為代表的文藝作品，正在向人們揭示更多未來科技社會演化的圖景。
科技的本質是創造，而對於造物者而言，最大的成就莫過於“創造自我”。
現實總是美好暢想最恰當的註解。
2006年，深度學習之父，加拿大多倫多大學教授，傑弗裏辛頓和他的學生提出降維和逐層訓練的方法，推動了深度學習在具體應用上的進步。自此，人類開始真正跨進了AI時代的大門。
中秋節假日期間難得空閒，便讀了最近買的兩本新書，一本是温鐵軍教授和他團隊著作的《去依附》，講的是宏觀經濟。另一本是商湯科技主編的《邊界》，講的是AI的本質、發展路徑、與認知觀。
顯然，AI還是比枯燥的宏觀經濟要更吸引人。讀完《邊界》這本書後，使我感受良多，對於人工智能對於科技與社會發展的思考也有了一些新的閃光。
突破邊界：人性是AI最好的答案
前兩年5G基站開始鋪設的時候，5G也成了鄰居們的話題。倒不是説大爺大媽們對科技多有興趣，而是他們關心5G基站這東西會不會有輻射，對人有沒有影響。
彼時我曾想，科技社會發展進步這麼快，對於尚未適應的人們來説，也許前期科普教育與技術落地的進度也同樣重要。
如果把這個問題放到AI領域，那麼事情就變得更加嚴肅：畢竟AI一旦成熟，對人們的影響遠比5G要大得多。AI作為一項可能會顛覆人類歷史的技術，社會化的認知可能比技術發展本身更為重要。
那麼問題來了：
當下的人們該如何去認知人工智能？人工智能的發展還要解決哪些問題？未來人工智能究竟會走向何方？會不會顛覆人類自己？我們人類究竟該怎樣去發展人工智能？對於大眾而言，這些問題似乎很難有答案。
首先是對AI的定義。
1950年，達特茅斯會議上正式提出了人工智能的概念，但長久以來並沒有統一的共識。在廣泛的對人工智能的定義上，人工智能並不一定是“人形”，而是“能夠像人一樣分析決策，甚至具有感情”的“圖靈機”。
到了現代，人工智能的內涵仍然在不斷發展。
對於人工智能，《邊界》這本書中提到這樣一個觀點：人工智能是定量和變量的混合體。
人工是定量，而智能是變量。這個變量帶來兩條發展的路線，一個是“類人智能”，另一個是非類人智能。也就是説，不管是不是人型，其實都是AI，只不過，一種是真實存在的AI，能與你聊天、互動，能幫做家務，另一種則是“工具人”AI，默默的為你解決問題，為你打工。
兩種路線背後，透出的是人們對AI演化發展的兩種思考。
一方面，人們希望AI在思維、決策以及意識等方面與人類相似，擁有與人相同的情感觀、世界觀，並能夠為人類提供各種幫助。
目前來看，AI語音識別、知識圖譜已經展現出這樣的能力，但離人們理想中的應用還有很長距離。
另一方面，AI早已在體能、技能層面大大超過人類的非類人智能（算法），已經在部分領域展現出人類遙不可及的能力，人們顯然希望能夠更好地用這種能力提高社會生產力。
大眾開始認識到算法這種“超人”的能力，其實很早就有，比如大學設立的“自動化”學科。自動化能夠幫助人類“簡單”地使用很多超級工具，無限放大人類自身的力量和技巧，比如飛機的自動駕駛系統、高精數控機牀設備等等，它們將人類社會帶入到了全新的高度。
2016年，谷歌AlphaGo大比分戰勝李世石、柯潔。
人類下圍棋下了有千百年，AI才學習了幾年？人類吃過的鹽比AI用過的電都要多！但這恰恰説明無論是類人AI還是非類人AI，它們的潛能是十分驚人的，甚至是顛覆性的。
這就延伸出來另一個重要的問題：相比AI的定義，對人類來説，AI的立場究竟是什麼？
書中另一個非常有意思的觀點或許可以從側面解答：AI不僅是創新，也同樣是傳承。
技術的創新的另一面，往往也是文化內核中的人性的傳承。
書中提到一個很有意思的案例，中國古代“符合”的概念，皇帝調兵遣將，要先驗虎符，虎符這個物件兒，承載着古代可信驗證的理念內核。
在現代，可信驗證的內核沒有變，只不過，古時的虎符變成了如今的AI人臉識別。
再比如，中國古典文化中非常注重歸納總結，比如中醫，《黃帝內經》《本草綱目》都是歸納總結法下，古代人民智慧的結晶。這與人工智能的發展相契合，基於深度學習的人工智能，也是從數據中發現規律，並實現應用……
也就説，解決問題的工具變了，但目的沒變，都是為了滿足人的需求，這也是技術中最底層的人性底色。
從虎符到AI，時代雖然變了，但其中的文化內核依然以電子的形式在傳承。
這樣的傳承也似乎印證書中提出的“AI發展的存在路徑依賴”的看法。
為什麼中美兩國AI行業發展那麼快？答案其實很簡單，美國有先進的半導體、芯片產業，這是AI發展的物質基礎，中國有更多的應用場景，這同樣是AI演化的必要條件。
我認為，AI對人類，也同樣存在“路徑依賴”。
賦予技術真實的人性，一直是人類譜寫AI“狂想曲”最真摯、樸實的精神內核。
從《列子·湯問》中“偃師造人”的奇思妙想，到1921年《羅素姆萬能機器人》智能人造人概念的誕生，再到電影《機械姬》《人工智能》中的細膩情感，充滿人性光輝的AI始終是AI科幻的主題之一。
也就是説，我們或許不必過度擔心機器人三原則帶來的疑問，也不必過度擔心AI最終會超越人類，因為人性就是AI最好的答案，生而為“人”，才是AI最終的宿命。
拓展邊界：AI的目的在於驅動“第四次工業革命”
如果説談AI與人性還是有些遙遠，那麼，我們再來嘮嘮離我們比較近的AI，這也是一些對AI有些興趣，但瞭解不深的朋友們所關心的問題。
比如，當下的AI技術究竟有什麼用？
在真正回答這個問題之前，先普及一個概念：技術的本質其實是工具，它的最大價值，就是降低了生產力的成本。
比如説，電燈發明以前，人們晚上獲得照明的成本是很高的，可能得去買煤油、掏馬糞、買蠟燭。電力的普及以及電燈的發明，本質上降低了人們獲取照明的成本。反過來講，如果把“照明”看作一種商品，那麼電燈的發明其實提高了“照明”的生產。
從刀耕火種，再到青銅時代再到工業時代，人類文明進步的一個主線是單位生產力的成本更低了。
這種成本的降低，得益於GPT（通用目的技術）的進步和驅動，比如 蒸汽機、電力、半導體、計算機。
書中認為，在計算機之後，AI是一種新的GPT。
理由有兩個：
像電力、半導體、計算機那樣，AI技術下能夠誕生新的產業。
電力行業出現以後，不僅帶動了製造業的電氣化，也同樣促進了消費經濟的發展，出現了夜經濟。因此，一個國家的用電量也往往與經濟增長呈正相關關係。
半導體出現以後，誕生了計算機、互聯網，後來又誕生了智能手機，最終有了如今繁榮的電商產業、物流產業以及互聯網產業。
AI技術出現後誕生了什麼？
智能經濟。
AI是智能經濟的基礎設施，AI技術也能推動產業形成新的商業模式。
比如，在出行領域，智慧交通產業開始飛速發展，自動駕駛開始實際應用到汽車上；在金融領域，AI人臉識別加速了身份驗證的流程，提高了驗證效率；在工業領域，AI開始參與到生產管理上，AI質檢、無人機作業，都降低了工業生產的風險，提高了效率；在醫療領域，AI開始應用到臨牀影像診斷……
第二，在誕生新產業的過程中，要有新的創新方法論。
比如，AI對產業鏈的重構，正在重塑產業端的流通生產的方式。
我們以汽車產業為例，傳統汽車整車走完整個開發流程需要3年，而智能汽車的迭代時間會更短，比如在底盤系統開發中，AI知識圖譜與算法結合，引入到零件設計中則能提高設計工作效率，進而縮短開發週期，提高產品迭代節奏。
再比如，流通端，AI與物流的融合後誕生了智能倉儲系統，汽車零部件物流、整車物流配送效率都進一步提高了。
這些AI引發的行業變化，都需要新的生態架構做基礎，也需要新規則制度推動，也就是説，AI誕生的新產業不僅是產生了新技術，也產生了新的創新方法。
而這些新的技術、新的體系、新的創新方法，都有可能成為“第四次工業革命”的關鍵要素。
因此，可以斷言的是，AI作為一種GPT技術，它的目的在驅動“第四次工業革命”。
不過，從落地端來看，它距離真正的“工業革命”，也確實還有很長的路要走。
理性看待AI產業的發展，也是《邊界》這本書透露出的一個重要觀點。必須要認識到，AI真正的大規模落地，滲透到千行百業，還需解決一系列的問題。
1：基礎設施的問題。
AI是程序，需要運行的物理承載，因此基礎設施的高度，決定着AI實用價值的最終高度。這也是商湯的產業實踐，希望通過構建大裝置去解決的問題。
2：算法的通用化、以及泛化問題。
AI賦能千行百業，首先要解決的問題就是適應性問題。越通用的算法，適應性就越強，落地行業越多，算法的效果也就更好，更容易實現技術落地到商業化場景拓展，再到算法優化的正循環。
3：AI技術的量產應用問題。
不得不承認，AI技術的開發成本其實是很高的，這與人才的規模，市場需求程度，以及實際的商業化空間等因素相關。
解決AI技術量產的關鍵，就在於解決長尾算法生產問題，最理想的方法是“用AI生產AI”，如果能實現這一點，那麼就能通過規模化的AI算法模型生產，進一步降低AI的成本。
縱使AI行業需要解決的問題很多，也很難，但AI仍然是目前最有希望改變人類社會的技術之一。
人類歷史的經驗是，當一項底層技術的成本有效降低，生產力的革命往往就會發生。
第二次工業革命的本質，其實就是內熱燃氣的高效率使得單位生產力成本降低了，再比如，電力的廣發應用，促使信息化、電氣化降低了單位生產力的成本。這引發第三次工業革命。
腦洞一下，如果有一天算法生產的成本能夠被有效降低，AI技術應用變得更廉價，那麼我們為什麼沒理由相信，下一次工業革命是由AI帶來的呢？
重塑邊界：人類認知、知識、思維擴容
當然，變革不會一夜發生。
這需要人類認知、知識以及思維的不斷擴容，然後由量變引發質變。事實上，人工智能技術發展的過程，也是一個人類認知體系不斷擴容的過程。
人工智能技術的發展，需要跨行業跨學科的耦合創新，一方面是要加速技術、人才的雙向流通，另一方面，要充分發揮“產學研”體系的創造性。
AI知識的容量絕對值越大，AI技術轉化生產力效率也就越高。
科技發展的一條規律是，重大問題的突破以及創新，往往都是在多個領域交叉發展創新的過程中誕生的。而AI領域，也是仿生、數學、編程、邏輯等多學科交叉領域。
這意味着一件事，一個成熟的AI必然是一個超大的知識容量的合集。為了完成這個合集，也需要人類認知、知識不斷擴容。在這個過程中，科技的邊界被打破，倫理、邏輯甚至哲學都將融入其中。因此，AI技術發展的過程，也是一個不斷重塑邊界的過程。
中國工程院院士陳杰認為，在這個過程中，AI需要面臨四大挑戰。
人工智能與生物智能的距離很遠。突變環境下智能協同複雜環境下的脆弱性安全問題陳院士用一個生動的例子，來説明當下人工智能與生物智能的差距：
當烏鴉想吃核桃時會把核桃放在馬路上，讓車輪碾碎後吃到核桃，但馬路有汽車太危險，於是它就通過學習把核桃放到斑馬線上，汽車遇到紅燈，烏鴉就安全地吃到了果實。
目前，機器難以實現這樣的智能，如何藉助生物行為研究複雜環境下的機器智能，仍然是一個巨大的挑戰。
中國科學院院士毛軍發認為，挑戰的確存在，但人工智能的賦能空間依舊很廣。
比如，在有數據、有規則，邊界比較清晰明確的場景中，人類有一天會被打敗，圍棋大戰就是一個很好的例子。
再比如，2018年佳士得拍賣行以432500美元賣出一幅人物肖像畫《愛德蒙·貝拉米肖像》，而這幅肖像畫由AI所作。
如果説，AI在邏輯領域打敗人類，尚可接受，那麼，在更為感性以及評價更為主觀的藝術領域，AI與人類並駕齊驅則衝擊了人們的固有觀念：藝術的本質究竟是感性創作還是基於數據的理性創造？
再進一步來看，AI的邊界不僅包括技術邊界，也同樣包括一個認知邊界的問題。
比如，大眾何時能真正接受？技術的發展遠比大多數人想的快得多，如何被接受？比如自動駕駛帶來的交通安全問題，再比如AI伴侶能否合法意義上成為真正的伴侶？
這些問題可能需要整個社會來回答。
這説明一點，當AI技術知識擴容，邊界拓展之後，AI技術也同樣會進一步影響人的思維方式。一些傳統的固有觀念和思維可能會被顛覆。
由此來看，認知、知識擴容之後，人類真正接受AI，可能還需要一個思維擴容的過程，而這個過程，可能比AI成熟所需要的時間更加漫長。
未來邊界：AI時代未來已來
未來AI如何發展，不僅取決於技術，也同樣取決於社會大眾的認知。畢竟，“科學無邊界”不僅是科學家的問題，是整個人類社會需要思考和回答的問題。
“很多技術在發展過程中的一個重要任務就是讓社會認識這項技術的特點以及風險，這樣人們就能做出更好，更理性的選擇”。
《邊界》一書最後對話中實錄中，清華大學蘇世民書院院長薛瀾教説道。
1950年的圖靈之問，把AI技術與人類的從哲學層面聯繫起來，數十年之後，真正意義上能夠通過圖靈測試的AI仍未誕生。
面對這個經典的AI之問，商湯科技CEO徐立在書中提出了另一個思路，如果把“機器會思考嗎”轉變為“機器會猜想嗎”？
這些年人工智能的發展顯然已經給出了肯定的答案。
但我相信，機器會猜想只是一個起點，是AI邁向未來的一大步也同樣是一小步，AI時代的新生與變化，一定比人們預測的更加精彩。
時代的大幕已經拉開，接下來，AI，能夠怎樣改造這個我們所熟知的世界，我們不得而知。
不過，影響世界的前提是認識世界，對於這個渴求科技創新的世界來説，改變總是一件好事。
最後發起一個小調查 ：
最近也在讀一些書，也希望能夠與大家一起分享自己讀書感悟，如果大家喜歡的話，以後在科技評論之外，我也會新開一個讀書分享系列專題，大家可以一起學習交流。
當然，一千個讀者中就有一千個哈姆雷特，以上絮絮叨叨的長文，也只是我自己有感而發。
畢竟讀書這件事兒，聽別人講，肯定會少點原汁原味，倒不如自己去看來的簡單直接，也許會有許多不同的感受和體會。