人工智能时代：破解人机共存密码（套装共10册）

奈杰尔·理查兹是新西兰籍马来西亚人，他是职业拼字游戏玩家（是的，拼字游戏也有职业玩家）。他母亲回忆说：“他开始学说话的时候，对字词不感兴趣，只对数字感兴趣，他把一切都与数字联系起来。”他28岁时，他的母亲跟他比赛玩拼字游戏：“我知道一种你不擅长的游戏，因为你拼写不是很好，而且你英语也没学好。”四年后，理查兹赢得了泰国国际大赛（国王杯）的冠军，这是世界上最大的拼字游戏锦标赛。

他多次赢得美国、英国、新加坡和泰国拼字游戏锦标赛的冠军（锦标赛每两年一届，他在2009年获得亚军），还分别在2007年、2011年和2013年赢得了拼字游戏世界冠军。

2015年5月，理查兹决定记住法语拼字游戏中允许使用的38.6万个单词（北美拼字游戏中允许使用的单词数为18.7万个）。之前除了bonjour（你好）和每个回合中记录得分的数字，理查兹一句法语都不会，除此之外，他也不理解法语单词的含义，他只是记忆。

9周后，他在法语拼字游戏世界冠军决赛中以565∶434的惊人成绩取得胜利。就算他练了9周，每天练习16个小时，要记住法语拼字游戏中的38.6万个单词，每个单词平均也只有9秒钟的记忆时间。然而据称，理查兹并没有逐个记单词，而是逐页浏览，字母都印入脑海中，他在玩拼字游戏时只是按需回忆。

理查兹在法语拼字游戏锦标赛中的表现与在英语比赛中一样快速敏捷，完全无法想象他其实不会用法语进行交流。对理查兹这样的专家来说，拼字游戏本质上是数学游戏，通过棋子的组合获得积分，限制对手做同样事情的机会，同时保留将来可能有用的字母。重要的技能是识别模式和计算概率的能力，没有必要知道单词的含义。

理查兹是史上伟大的拼字游戏玩家之一，尽管他生性安静谦虚，就像一台专注于自己业务的电脑一样。

或者我应该说计算机就好比理查兹？计算机不知道任何单词的真正含义，它只是处理存储在内存里的字母组合。计算机存储器容量很大、处理速度很快，但处理字母组合是很有局限性的任务，仅在特定明确的情况下有用处，例如单词分类、字数统计或单词搜索。许多计算机的专长也是如此，它们都令人印象深刻，但其应用范围严重受限。

单词、图像和声音识别软件受到粒度法（granular approach）的限制——它们试图匹配单个字母、像素和声波，而不是像人类那样在语境中识别和思考。

思考之源和思维之火

1979年，34岁的道格拉斯·霍夫施塔特（中文名为侯世达）因其著作《歌德尔、艾舍尔、巴赫——集异璧之大成》获得普利策奖。该书主要探索我们的大脑是如何运作的，以及计算机有朝一日会如何模仿人类的思维。霍夫施塔特一生都在努力解开这个极其难解的谜题。人类如何从经验中学习？我们如何理解我们生活的世界？情绪来自哪里？我们如何做出决定？我们如何编写不灵活的计算机代码来模仿神秘灵活的人类思维？

霍夫施塔特得出的结论是：思考之源和思维之火。当人类看到一个活动、阅读一篇文章或听到一段对话时，能够专注于其最突出的特征，即“骨骼本质”（skeletal essence）。真正的智能是识别和评估情境本质的能力。人类通过类比其他经验来理解这一本质，又利用这一本质来增加经验。霍夫施塔特认为，人类智能的根本是收集和分类人类经验，然后对其进行比较和组合。

令霍夫施塔特沮丧的是，计算机科学走向了另一个方向。计算机科学家不再尽力模仿人类大脑，而是专注于计算机存储、检索和处理信息的能力，因此计算机软件变得有用起来（并有利可图）。软件工程师不再尝试理解人类思想如何运作，他们转而开发产品。

限制计算机科学研究的范围，也就限制了计算机的潜力。如果程序员不愿尝试，计算机就永远不会像人类思维那样智能。霍夫施塔特感叹道：“作为人工智能领域的新人，我不想参与一些花里胡哨冒充智能的编程行为，尤其是当我知道这与智能毫不相关时。

对AI（人工智能）所采取的迂回路线，有一个很好的比喻。人类一直梦想着飞行，梦想着双脚离地在天空翱翔，甚至还梦想着去月球旅行。

这是异常困难的，早期很多尝试都以失败告终，例如传说中的伊卡洛斯（Icarus），他身缚由蜡和羽毛制成的翅膀。离开地面的另一种方法是爬树，这需要力量、技巧和决心，有可能会成功，但无论树有多高，它都不会使我们翱翔天空或到达月球（如图2.1所示）。

同理，人工智能不再尝试设计按人类思维方式思考的计算机，而是运用技巧和决心，虽然也取得了成效、产生了作用，但是爬到“树顶”（有些人认为我们可能接近“树顶”了）也不会让我们更有可能制造出真正拥有人类智能的计算机。

霍夫施塔特举的一些例子令人信服。就像大写字母A，即使可以用不同的字体和样式书写，人类还是能立刻辨认出来，因为我们将字母A的变体同我们曾经看到和记住的变体进行类比。霍夫施塔特称此为“心理类别的流动性”。

软件程序就完全不同了。这些程序通过编程，将字母A与通过特定方式排列而成的像素关联起来。如果与其内存中的像素图案高度匹配，计算机就能识别该字母；如果与计算机的记忆略有不同，它就无法识别。

那些出现奇怪字母的网页验证码小框（如图2.2所示）就是建立在计算机对此无能为力的基础之上的，这称为CAPTCHA（全自动区分计算机和人类的图灵测试）。人类可以轻松破译字母变体，电脑却不能。

除了数字和字母，CAPTCHA还会要求用户点击含有某些物体图像的方框，如花、椅子和道路等，因为人类会立即识别出无数变体，但计算机程序却不能。我们并不是说计算机永远无法像人类那样识别物体。而且其视觉识别程序一直不断改进，总有一天会变得非常可靠。要害在于这些程序不会像人类大脑一样运作，因此，称其具有人类那样的智能具有误导性。

我们将事物分解为“骨骼本质”，并且能认识到它们如何结合在一起。看到图2.3中的简笔画，我们可以立刻把握其本质（一个箱子、一个手柄、两个轮子和文字），也明白箱子、手柄、轮子和文字是如何相关的。我们认为它是某类马车，可以滚动，可以托运物品，还可以拉动滑行。我们不需要匹配像素就能知道，是因为我们见过箱子、手柄和轮子，知道它们有什么用处，无论是单独的零件，还是零件的组合。我们看到箱子上的文字“红魔鬼”，可以立即读取，而且我们知道这是不重要的装饰。

图2.3 简笔画：这是什么？

计算机没法这么做。计算机需读取数百万或数十亿张货车图片，才能得到该像素的数学表达方式。然后，在需要识别货车图片时，计算机会创建图片像素的数学表达式，并在其数据库中寻找高度匹配的结果。这个过程很难确定——匹配结果有时令人惊叹，有时则令人捧腹。

我曾请一名优秀的计算机科学家使用最先进的计算机程序来识别图2.3，该程序有98%的把握能确定图中是一家商店，也许是因为矩形上的文字类似店面标识。

人类无须看过100万辆货车才能知道货车是什么。一辆货车足以让我们了解其关键特征，不仅如此，我们还可以了解货车能做什么、不能做什么——货车可以被吊起、被放下、被填充、被启动，但不能飞行或翻跟头。

人类思维掌握事物基本特征并理解其含义的能力确实令人惊叹。我们知道图2.3是个箱子，因为它与我们看到的其他箱子相似，即使这些箱子的尺寸大不相同，也可能没有轮子和手柄。几乎同时，我们能识别所见的圆圈是轮子，因为它们位于箱底，我们知道这能让箱子移动，我们曾经见过箱子随轮子移动。我们还会推测箱子另一侧可能还有两个轮子，即使我们没有看到它们，因为我们知道如果另一侧没有轮子，箱子就会站不稳。

我们根据经验得知，带轮子的箱子通常用于搬运物品，所以，这个箱子可能是空心的，有空间可以存放或搬运东西。即使我们看不到箱子内部，也可以推测里面装有东西。我们还会想到用小推车来装载玩具、石块或小动物的情景。

即使只用了两条线绘制，我们也知道那是手柄，因为带轮子的箱子通常都有手柄或马达，这个从箱体延伸出的东西，类似我们见过的其他手柄，附在物件上，可用于推拉。我们认为，“红魔鬼”的字样很可能是不重要的装饰，因为箱子表面的文字通常只起装饰作用。

我们不需要为找到和这个特定物品一模一样的东西，把记忆翻个底朝天才能得到结果（这是计算机程序的方式，即通过处理像素寻找匹配）。相反，我们神奇的大脑能够掌握基本要素，并理解其组合的含义。

我们的大脑可以连续处理那些来来回回、类比不断且迅速闪现的想法。我们可能会将“红魔鬼”的字体与其他字体进行比较，还会比较相近的颜色。我们可能会想到雪橇、出现雪橇的电影或滑雪的经历。我们可能会想到可以驾乘或用来运物的汽车或马。想法来得太快，以至于我们无法有意识地跟上它们。想法不由自主地涌现，如果我们的大脑不那么非凡，就会被这些想法冲垮。

我们可以筛选出几十个（甚至是数百个）想法——留住一些，忘记一些，结合一些——再由一些想法联想到其他想法，它们通常与我们最初的想法仅有一点儿模糊联系。计算机会有哪怕一丁点儿类似的意识吗？

计算机不理解人类的信息，如文本、图像、声音。软件程序会尝试将特定的输入与存储在计算机内存中的特定内容进行匹配，以生成软件工程师指示计算机生成的输出。特定细节的偏差可能会导致软件程序失败。“红魔鬼”这一文本可能会使计算机感到“迷惑”，因此无法将那个箱子识别为箱子。粗略描绘出的手柄可能会被误认为是棒球棒或电线杆。圆圈可能被误认为是馅饼或保龄球。

我们思维的灵活性使我们能够轻松处理模棱两可的情况，并在特定情况和一般情况之间来回切换。我们能识别出具体某辆小推车，是因为我们知道小推车通常是什么样的。

人类可理解形式复杂的文本、图像和声音，从而能够推测过去，预测修改或合并事物的结果。在小推车的例子中，我们可能会从车的简略结构推测出它是手工制作的，还可能会因为没有凹痕和划痕而认为它是新的，或者至少是保护得很好的。我们可能会预测，如果下雨的话，小推车会积满水；用手柄拉动或者用力推，它就会移动。我们还会想象，如果两个孩子玩小推车，一个孩子会爬到里面，另一个孩子会拉着它走。我们可能还希望推车的主人没有走远。我们可以估算购买小推车要花多少钱。我们会想象坐在小推车里面是什么感觉，即便我们从未在现实生活中这么做过。

即使它被装饰成马或宇宙飞船的样子，我们也能从车轮和手柄知道这是辆小推车。我们还能够识别出没有看见的东西，例如，种植在车上的番茄植物、绑在袋鼠背上的推车、大象用象鼻摆弄推车。人类可以用熟悉之物来联想陌生的事物。而计算机还远远不能识别陌生的事物，确切来说是不一致的图像。

综上原因，将计算机称为智能是错误的。

计算机是超人吗？

计算机有强大的记忆，能以极快的速度输入、处理和输出大量信息。这些功能让计算机能够完成如超人般的壮举：在流水线上不知疲倦地工作，解决复杂的数学方程组，在陌生的城镇找到面包店的详细方位。

计算机在存储和检索信息方面非常出色，如乔治·华盛顿在哪天出生，玻利维亚的首都是哪里，利物浦最后一次赢得英超联赛是什么时候。计算机在进行快似闪电的计算方面也表现得非常出色，而且始终如一。如果要求正确编程的计算机算出8 722的平方，它基本上可以立即得出答案，并且每次的答案都相同。将同样的问题抛给任何一个普通人，他都要算很久，而且答案不一定可靠。

这种精确性和一致性使计算机极其擅长快速可靠地执行重复性任务，其精确度高且不会感到厌倦或疲劳。比如，计算机在监督巧克力饼干的生产时，可以保证每次配料都一样，烘焙温度、时间和包装统统一样。

机器人可以刀枪不入，这使它们能够探索遥远行星和茫茫深海，下到矿井里或去其他对人类有害的环境中工作。

计算机可以保持精确的记录（如医疗、银行和电话记录），并飞快地检索信息。自动机器人和无人驾驶车辆让我们能自由地做更多有益的活动。机器人宠物和电脑游戏让我们感到愉快，但尽管使出浑身解数，计算机还是做不到真正的关心和喜爱。机器狗与真正的狗不一样。Siri（苹果智能语音助手）也不是真正的朋友。

计算机对照片、视频、电视和电影的编辑能力也很强。例如，计算机软件能完成相同物体放于不同位置的图像或不同物体放于相同位置的图像之间的无缝变形。计算机在这项技术上做得比人工手绘更快更好。

即使是儿童也可以使用这样的软件来扭曲、放大和改善照片和视频。该软件可识别人的鼻子，将其变成猪鼻子，或识别人的头发并在其上添加滑稽的帽子，或识别出人嘴并将其歪曲成牙齿尽失和脾气暴躁的样子。人类也能做同样的事情，但做不到这么好，而且要慢得多。

奇点

在耸人听闻的书籍和电影的推波助澜之下，这些超人的壮举使许多人担心人类的未来。基于对计算机发展历史的推断，世界领先的计算机预言家雷·库兹韦尔预测，到2029年，机器智能将完胜人类智能，出现他所谓的“奇点”。计算机将具备人类所有的智力和情感能力，包括“搞笑、浪漫、友爱和性感”。他还预测，到2030年，血细胞大小的计算机纳米机器人将被植入我们的大脑中，“这些将从根本上把我们的新皮层置于云端”。我们的大脑不再需要花费许多小时品读《战争与和平》，只需要几分之一秒就能将其阅读完毕。他并没有说那几分之一秒的阅读是否会产生愉悦感。对某些事而言，效率并不是最重要的。

有些牵强附会的设想认为，这些超级智能机器将会通过奴役或消灭人类来自我保护。这些猜测都是有趣的电影情节，仅此而已。

更离谱的是，想象机器人已经接管人类，我们自认为正在经历的生活实际上是机器为自我娱乐而开发的巨型计算机模拟的一部分尽管很难想象机器人需要娱乐。

某些令人不安的预测只是想象力太丰富了——极具讽刺意味的是，计算机并没有那种创造力。其他预测则是基于对原始计算机能力发展历史的简单推断——计算机容易产生的那种不严谨的推断。

一项有趣的研究分析了过去350年里的英国公众演讲者，发现其演讲的句子的平均长度从弗朗西斯·培根的每句话72字降至温斯顿·丘吉尔的每句话24字。按照这种趋势发展（著名的“最后一句话”推论），最终每句话的字数会归零，然后变成负数。与此类似，20世纪一项针对取得奥运会100米短跑金牌的男女运动员所耗时间的推论表明，到2156年奥运会，女运动员会比男运动员跑得更快，其跑步时间将在2636年变成零（隔空传送？），然后变为负数（时光倒流？）。

马克·吐温反其道而行之，想到了：

在166年的时间里，密西西比河下游缩短了220英里^[1]，也就是平均每年超过1英里的小事。因此，任何一个不盲目或愚蠢的冷静之人都可以看到，在鲕状岩志留纪时期（Old OoliticSilurian Period），密西西比河下游长达130万英里，像一根钓竿一样伸向墨西哥湾。同样，所有人都可以看到，742年后，密西西比河下游将只剩1.75英里 …… 科学也有令人着迷之处。人们可以用微不足道的投资，来获得如此大规模的回报。