论文部分内容阅读
人工智能不太可能产生智能的机器，但是合成生物学已经创造出智能的生命。如果你非要担心某种科学不可，与其担心人工智能，不如担心合成生物学吧
人工智能的概念从1956年提出，经历了跌宕起伏的60年。或许是因为人们对科学天生的幻想，或许是因为资本对科技新概念过于狂热，或许是因为各路媒体对现代社会文明程度的夸张表述……自2016年阿尔法围棋（AlphaGo）战胜围棋高手李世石，人工智能似乎就进入了爆炸式增长的前夕。最近两年来，人工智能走出实验室、跨出科技圈，如股价、房价一样，越来越成为一个公众热议的话题。
奇点会很快到来吗
现在硅谷到处都有人在讲“奇点”（The Singularity），该理论认为，我们即将迎来机器时代：机器的智能程度远远超过人类，以至于人类既无法控制机器，也无法理解它们的想法。换句话说，未来可能会有机器比我们人类更加聪明，甚至聪明到我们都没有办法控制的地步。上述假设听起来比较有道理，而且很多人都同意，例如，物理学家斯蒂芬·霍金、世界首富比尔·盖茨、特斯拉和Space X的创始人埃隆·马斯克。
现在人们谈论的奇点，其实都是在四个假设上面建立起来的。第一个假设是，人工智能系统正在向前极大地飞跃；第二个假设是，这个飞跃比以往任何的飞跃都要更快；第三个假设是，我们不得不去应对这些超人工智能；第四个假设则是，机器能做一些我们做不了的事情。但是，在奇点假设过程当中可以发现很多漏洞，这些假设从某种角度来讲都是错的。所以，我并不相信奇点很快就会到来。
人工智能发展并没有想象中的好
首先，我并没有看到太多在人工智能领域取得长足进步的地方。虽然人工智能被媒体渲染得炙手可热，成为了街谈巷议的重要话题，但是事实上，机器人目前依然是非常愚蠢笨拙的机器，它能提供的服务还很有限，大多数被用于执行在人类看来是简单至极的人类活动。绝大多数的机器人都在流水线上工作（例如在汽车工厂进行简单的组装工作），在我们生活中能真正帮上忙的机器人还很罕见——带有计算机视觉的机器人非常罕见，带有语音识别的机器人也非常罕见。主要的机器人制造商，包括ABB（瑞士）、库卡（德国）和四大日本公司（发那科、安川、爱普生和川崎）的主营业务都是工业机器人，而且是智能水平不高的机器人。换句话说，今天几乎不可能在市面上买到自主机器人，让它在工厂或库房等严格可控的环境之外给人类提供切实的帮助。
Youtube上有人上传了一段关于由1.6万台计算机组成的神经网络如何开始认知猫咪的视频，媒体开始大惊小怪、过分关注，但这只不过是任何老鼠都能做的事情，而且老鼠不需要使用1.6万台计算机即可轻而易举地完成识别猫咪的任务。一个计算机神经网络（AlphaGo）打败了世界围棋冠军，媒体又开始了新一波甚嚣尘上的大惊小怪。要知道，人类大脑每小时大约消耗 20 瓦能量；而以AlphaGo 有1920 块CPU以及 280 块GPU的配置，每小时的耗能可以达到 440 千瓦的水平（这还不包括训练过程中消耗掉的能量）。相反，我更加惊叹于一个20瓦的人脑能够与440千瓦的计算机怪兽竞争。更为重要的是，我们这20瓦的低能耗大脑还能够做许多其他了不起的事情，而AlphaGo除了下围棋之外无一是处。如果一个人使用比你多 2万倍的资源，却仅仅做了一件事， 你到底该怎样定义这个人？
目前的机器仍然是非常愚蠢且有着很大局限性的，当我们希望机器能够为我们做点什么时，我们必须遵守严格的规则，否则机器根本不明白我们想要它们干什么。我们被无数的机器环绕，但是这些机器只有在我们像机器一样行动时才能正常运转。例如，买票时，你需要按照要求进行一步步操作；打电话时，你也需要准确地输入数字，并给出拨打指令。
在第一个假设里，其实很多人工智能的飞跃建立在摩尔定律的基础上，也就是说摩尔定律仍然是让我们看到人工智能现在有如此大进步的原因。而现阶段的人工智能虽然在不断向前发展，但摩尔定律的发展基本到了一个停滞的状态。
进步不是来源于人工智能本身
第二个假设提到，现在人工智能正在加速发展。但正如前面所讨论的，这一现象并没有真实发生。过去几十年里人类制造了汽车、电话、飞机等，而且家用电器领域也都有很大的飞跃，这些都极大地改变了世界。但是早在48年前，硅谷就已经造出可移动的机器人，可是在48年后的現在，又有多少家庭拥有机器人呢？
事实上，关于人工智能的大多数成功案例都是基于20年或者30年前发明的技术。这些进步不是来源于人工智能本身，而是由于更快、更便宜的计算机所带来的计算能力的提高。30年前，同样的人工智能技术不可能在彼时的计算上运行。现在它们能够成功地下围棋或者打扑克，但是这源于更快的计算机，而不是更“聪明”的计算机。
现在的人工智能基本上只是对神经网络的培训而已。如果拥有较大的案例数据库或者数据集，神经网络便可以被培训。如果没有基于某种任务的大量数据库，即便是最复杂的神经网络，也毫无用武之地。神经网络已经在某些领域取得了些许成功，但这也只是人类在这些领域创造了巨大数据集之后的事情。
对人工智能的终极检验准则就是常识。没有常识的人（例如主动去碰开水的人）会被认为是愚蠢的。机器就没有任何常识，这就是为什么最“聪明”的神经网络也不能做一些简单任务的原因。学习意味着能够把同样的知识运用到其他的任务上，从哲学上讲，神经网络并没有学到任何东西，机器人并不能学习到常识，这就需要人们重新找到一个逻辑通道，让机器人可以按常理做事情。比如当你说饿了的时候，它不会把你的猫给煮了。
更需要担心的是人类自身的智慧
第三个假设认为超人工智能即将到来，但我认为，其实超人工智能已经存在了。第四个假设则是，有机器能做一些我们做不了的事情。想想蝙蝠可以在黑暗中飞行、可以抓昆虫、可以倒立在墙上，你可以吗？机器当然能够做一些我们人类做不了事情，而且在很长时间之前，我们就已经这么做了，比如用手表计时。所以，没有必要担心超人工智能的到来。
我们的确需要人工智能，因为它能够解决许多问题。例如，健康护理已经成为现代社会最为关键的社会功能之一，而智能机器能够提升健康护理的质量。想象一下，一个机器能够快速扫描你做过的所有医疗影像，并基于最新的科学知识进行分析，进一步为你预防疾病。像日本这样的老龄化国家，没有足够的年轻人照顾老年人，因此人们需要这样的机器人。此外，人类还需要可以做危险工作的机器人。我不害怕人工智能，我怕它来得还不够快。
其实在我看来，人类的智慧才更需要我们担忧，我们总是在制定各种各样的规则、制度。如果人们不在道路上划线就没有办法做智能驾驶或自动驾驶，像这些规矩不会让人类更加聪明，只会让人类像机器一样运转。
优化设计的合成生物学时代
在合成生物学领域，确实出现了很多实质性的进步。21世纪不是奇点的世纪，而是“优化设计婴儿”的时代，我们能够像设计建筑物一样设计婴儿。21世纪将是“破坏性生殖技术”（Disruptive Reproductive Technologies，简称DRT）的时代。2016年，一种称作“体外配子”（In Vitro Gametogenesis，简称IVG）的新技术出现了，并且由日本九州大学的分子生物学教授林克彦（Katsuhiko Hayashi）成功在小白鼠身上进行了试验。她在实验室中用小白鼠的皮肤细胞成功地培育出了能够产生后代的雄性精子、雌性卵细胞，以及相应的许多胚胎。不久的未来，医生仅需要一名女性的几个细胞和男性的几个细胞就可以制造出许多合意的胚胎。然后，这些父母将被告知每一个胚胎的特征并挑选他们最喜欢的胚胎。想象一下，一个计算机程序能够让父母观察100个不同的胚胎：父母将能够看到每个胚胎在5岁、10岁、15岁、20岁、80岁时的模拟样子。父母可以模拟每个胚胎的一生，并决定他们要哪个胚胎。这一天已经不再遥远。2013年，一个名为Connor的“优化设计婴儿”出生了，他的父母在牛津大学Dagan Wells实验室内从七个胚胎中选择了他。
人工智能不太可能产生智能的机器，但是合成生物学已经创造出了智能的生命。如果你非要担心某种科学不可，与其担心人工智能，不如担心合成生物学吧。
（作者为人工智能科学专家，哈佛大学、斯坦福大学、加州伯克利大学客座教授。王艺璇译）
人工智能的概念从1956年提出，经历了跌宕起伏的60年。或许是因为人们对科学天生的幻想，或许是因为资本对科技新概念过于狂热，或许是因为各路媒体对现代社会文明程度的夸张表述……自2016年阿尔法围棋（AlphaGo）战胜围棋高手李世石，人工智能似乎就进入了爆炸式增长的前夕。最近两年来，人工智能走出实验室、跨出科技圈，如股价、房价一样，越来越成为一个公众热议的话题。
奇点会很快到来吗
现在硅谷到处都有人在讲“奇点”（The Singularity），该理论认为，我们即将迎来机器时代：机器的智能程度远远超过人类，以至于人类既无法控制机器，也无法理解它们的想法。换句话说，未来可能会有机器比我们人类更加聪明，甚至聪明到我们都没有办法控制的地步。上述假设听起来比较有道理，而且很多人都同意，例如，物理学家斯蒂芬·霍金、世界首富比尔·盖茨、特斯拉和Space X的创始人埃隆·马斯克。
现在人们谈论的奇点，其实都是在四个假设上面建立起来的。第一个假设是，人工智能系统正在向前极大地飞跃；第二个假设是，这个飞跃比以往任何的飞跃都要更快；第三个假设是，我们不得不去应对这些超人工智能；第四个假设则是，机器能做一些我们做不了的事情。但是，在奇点假设过程当中可以发现很多漏洞，这些假设从某种角度来讲都是错的。所以，我并不相信奇点很快就会到来。
人工智能发展并没有想象中的好
首先，我并没有看到太多在人工智能领域取得长足进步的地方。虽然人工智能被媒体渲染得炙手可热，成为了街谈巷议的重要话题，但是事实上，机器人目前依然是非常愚蠢笨拙的机器，它能提供的服务还很有限，大多数被用于执行在人类看来是简单至极的人类活动。绝大多数的机器人都在流水线上工作（例如在汽车工厂进行简单的组装工作），在我们生活中能真正帮上忙的机器人还很罕见——带有计算机视觉的机器人非常罕见，带有语音识别的机器人也非常罕见。主要的机器人制造商，包括ABB（瑞士）、库卡（德国）和四大日本公司（发那科、安川、爱普生和川崎）的主营业务都是工业机器人，而且是智能水平不高的机器人。换句话说，今天几乎不可能在市面上买到自主机器人，让它在工厂或库房等严格可控的环境之外给人类提供切实的帮助。
Youtube上有人上传了一段关于由1.6万台计算机组成的神经网络如何开始认知猫咪的视频，媒体开始大惊小怪、过分关注，但这只不过是任何老鼠都能做的事情，而且老鼠不需要使用1.6万台计算机即可轻而易举地完成识别猫咪的任务。一个计算机神经网络（AlphaGo）打败了世界围棋冠军，媒体又开始了新一波甚嚣尘上的大惊小怪。要知道，人类大脑每小时大约消耗 20 瓦能量；而以AlphaGo 有1920 块CPU以及 280 块GPU的配置，每小时的耗能可以达到 440 千瓦的水平（这还不包括训练过程中消耗掉的能量）。相反，我更加惊叹于一个20瓦的人脑能够与440千瓦的计算机怪兽竞争。更为重要的是，我们这20瓦的低能耗大脑还能够做许多其他了不起的事情，而AlphaGo除了下围棋之外无一是处。如果一个人使用比你多 2万倍的资源，却仅仅做了一件事， 你到底该怎样定义这个人？
目前的机器仍然是非常愚蠢且有着很大局限性的，当我们希望机器能够为我们做点什么时，我们必须遵守严格的规则，否则机器根本不明白我们想要它们干什么。我们被无数的机器环绕，但是这些机器只有在我们像机器一样行动时才能正常运转。例如，买票时，你需要按照要求进行一步步操作；打电话时，你也需要准确地输入数字，并给出拨打指令。
在第一个假设里，其实很多人工智能的飞跃建立在摩尔定律的基础上，也就是说摩尔定律仍然是让我们看到人工智能现在有如此大进步的原因。而现阶段的人工智能虽然在不断向前发展，但摩尔定律的发展基本到了一个停滞的状态。
进步不是来源于人工智能本身
第二个假设提到，现在人工智能正在加速发展。但正如前面所讨论的，这一现象并没有真实发生。过去几十年里人类制造了汽车、电话、飞机等，而且家用电器领域也都有很大的飞跃，这些都极大地改变了世界。但是早在48年前，硅谷就已经造出可移动的机器人，可是在48年后的現在，又有多少家庭拥有机器人呢？
事实上，关于人工智能的大多数成功案例都是基于20年或者30年前发明的技术。这些进步不是来源于人工智能本身，而是由于更快、更便宜的计算机所带来的计算能力的提高。30年前，同样的人工智能技术不可能在彼时的计算上运行。现在它们能够成功地下围棋或者打扑克，但是这源于更快的计算机，而不是更“聪明”的计算机。
现在的人工智能基本上只是对神经网络的培训而已。如果拥有较大的案例数据库或者数据集，神经网络便可以被培训。如果没有基于某种任务的大量数据库，即便是最复杂的神经网络，也毫无用武之地。神经网络已经在某些领域取得了些许成功，但这也只是人类在这些领域创造了巨大数据集之后的事情。
对人工智能的终极检验准则就是常识。没有常识的人（例如主动去碰开水的人）会被认为是愚蠢的。机器就没有任何常识，这就是为什么最“聪明”的神经网络也不能做一些简单任务的原因。学习意味着能够把同样的知识运用到其他的任务上，从哲学上讲，神经网络并没有学到任何东西，机器人并不能学习到常识，这就需要人们重新找到一个逻辑通道，让机器人可以按常理做事情。比如当你说饿了的时候，它不会把你的猫给煮了。
更需要担心的是人类自身的智慧
第三个假设认为超人工智能即将到来，但我认为，其实超人工智能已经存在了。第四个假设则是，有机器能做一些我们做不了的事情。想想蝙蝠可以在黑暗中飞行、可以抓昆虫、可以倒立在墙上，你可以吗？机器当然能够做一些我们人类做不了事情，而且在很长时间之前，我们就已经这么做了，比如用手表计时。所以，没有必要担心超人工智能的到来。
我们的确需要人工智能，因为它能够解决许多问题。例如，健康护理已经成为现代社会最为关键的社会功能之一，而智能机器能够提升健康护理的质量。想象一下，一个机器能够快速扫描你做过的所有医疗影像，并基于最新的科学知识进行分析，进一步为你预防疾病。像日本这样的老龄化国家，没有足够的年轻人照顾老年人，因此人们需要这样的机器人。此外，人类还需要可以做危险工作的机器人。我不害怕人工智能，我怕它来得还不够快。
其实在我看来，人类的智慧才更需要我们担忧，我们总是在制定各种各样的规则、制度。如果人们不在道路上划线就没有办法做智能驾驶或自动驾驶，像这些规矩不会让人类更加聪明，只会让人类像机器一样运转。
优化设计的合成生物学时代
在合成生物学领域，确实出现了很多实质性的进步。21世纪不是奇点的世纪，而是“优化设计婴儿”的时代，我们能够像设计建筑物一样设计婴儿。21世纪将是“破坏性生殖技术”（Disruptive Reproductive Technologies，简称DRT）的时代。2016年，一种称作“体外配子”（In Vitro Gametogenesis，简称IVG）的新技术出现了，并且由日本九州大学的分子生物学教授林克彦（Katsuhiko Hayashi）成功在小白鼠身上进行了试验。她在实验室中用小白鼠的皮肤细胞成功地培育出了能够产生后代的雄性精子、雌性卵细胞，以及相应的许多胚胎。不久的未来，医生仅需要一名女性的几个细胞和男性的几个细胞就可以制造出许多合意的胚胎。然后，这些父母将被告知每一个胚胎的特征并挑选他们最喜欢的胚胎。想象一下，一个计算机程序能够让父母观察100个不同的胚胎：父母将能够看到每个胚胎在5岁、10岁、15岁、20岁、80岁时的模拟样子。父母可以模拟每个胚胎的一生，并决定他们要哪个胚胎。这一天已经不再遥远。2013年，一个名为Connor的“优化设计婴儿”出生了，他的父母在牛津大学Dagan Wells实验室内从七个胚胎中选择了他。
人工智能不太可能产生智能的机器，但是合成生物学已经创造出了智能的生命。如果你非要担心某种科学不可，与其担心人工智能，不如担心合成生物学吧。
（作者为人工智能科学专家，哈佛大学、斯坦福大学、加州伯克利大学客座教授。王艺璇译）