人工智能真的能代替人类？
最近几年，以深度学习崛起为代表的人工智能大热潮，引起了全球各行各业的强烈关注与好奇。很多人试图改行转型从事人工智能方面的工作，笔者也不例外，也试图往人工智能方向靠拢。很多人担心人工智能的快速发展，会导致未来人工智能超过人类，代替人类甚至统治人类。笔者认为，这有点过虑了。
《人工智能》《变形金刚》《终结者》等系列美国大片里的场景，目前而言都是科幻片情节。这些场景是否在未来，比如五十年后，一百年后，五百年后出现？这引起了很多人的好奇！笔者也对这个问题，饶有兴趣的做一个探讨。笔者认为，美国科幻题材大片里的无所不能远超人类智慧与认知能力极限的所谓强人工智能，永远不会出现。
目前人工智能在诸多细分的某个专业技术领域里，确实具备了比人类更强大的能力。比如前几年大热的AlphaGo/AlphaZero, 战胜了李世石以及柯蓝这样的全球顶级围棋高手；还有之前IBM公司一再宣传的机器认知系统Waston，被认为是认知计算系统的杰出代表；比如去年出现的BERT在阅读理解等诸多方面的准确率超过人类；比如科大讯飞公司的语音识别/人机耦合系统，在语言翻译领域的优良表现；比如我们网上购物场景里的智能推荐功能。。。。。。很多初级重复性的工作，机器人或者机器手臂都能完成，一些工厂开始大量部署机器人，解雇工人。甚至在一些看起来需要创造性的职业，比如广告设计，比如画画创作，比如写诗创作等方面，都有相关的人工智能产品出现。。。。。。这些都让人们不免产生各种遐想：人工智能无所不能，目前在很多专业方面，都有超过人类的惊人表现，未来其综合能力可能会超过人类，甚至会挣脱人类的掌控，反而统治人类。
不能不承认，现在计算机的算力方面，远超人类，通过强大无比的算力，来实现在某些方面对于人类计算或者认知的超越并不难。比如AlphaGO / Alpha ZERO，解析一下其工作原理就可以知道它的核心能力还是在强大的计算能力。说的简单点就是因计算能力强大，能将围棋每一步棋子落下后的各种预期都能快速计算出来，这样能找到最好下子的地方。说的专业点，AlphaGo这个系统主要由几个部分组成：1). 走棋网络（Policy Network），给定当前局面，预测/采样下一步的走棋。2). 快速走子（Fast rollout），目标和1一样，但在适当牺牲走棋质量的条件下，速度要比1快1000倍。3). 估值网络（Value Network），给定当前局面，估计是白胜还是黑胜。 4). 蒙特卡罗树搜索（Monte Carlo Tree Search，MCTS)，把以上这三个部分连起来，形成一个完整的系统。任何信息博弈都是一种搜索，搜索的复杂度取决于搜索空间的宽度（每步选择多寡）和深度（博弈的步数）。对于围棋，宽度约为250，深度约为150。Alphago利用价值网络削减深度，用策略网络削减宽度，从而极大的缩小了搜索范围。
笔者认为，人工智能不可能彻底取代人类，有如下的原因：
1, 从软件上讲，人工智能的核心算法都是人类设计的。这些算法都是人类为了解决特定领域的技术问题而设计出来的，并不具备通用性，普适性。诸多算法之间，并无互通性，个算法要能生效，需要大量数据的训练。不同数据集训练出来的人工智能，具备的能力可能大相径庭，并不是实现人类特有的举一反三，触类旁通的思考能力。
2, 从硬件上来说，人工智能的载体，不管是机器人还是某个机器设备，都是人类设计并制造出来的。它们的本质还是机器，是机器就需要维持机器运转所需要的基础原料，比如电力，比如定期维护等等，都需要靠人类来提供。
3，人工智能不具备人类特有的认知能力。认知能力是指人脑加工、储存和提取信息的能力，即我们一般所讲的智力，如观察力、记忆力、想象力等。人们认识客观世界，获得各种各样的知识，主要依赖于人的认知能力。认知能力亦称“认识能力”，指学习、研究、理解、概括、分析的能力。从信息加工观点来看，即接受、加工、贮存和应用信息的能力。认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化数据中揭示非凡的洞察。回到IBM Watson认知系统，其主要工作原理是，在分析问题并确定最佳解答的过程中，运用了先进的自然语言处理、信息检索、知识表达和推理和机器学习技术。实际上，Watson所谓的认知能力是依靠核心的IBMDeepQA技术，来生成假设、收集大量证据、并进行分析和评估。Watson通过加载数以百万计的文件，包括字典、百科全书、网页主题分类、宗教典籍、小说、戏剧和其他资料，来构建它的知识体系。搜索引擎的工作方式是，理解问题，并给出大量相关文档作为解答；与搜索引擎不同，用户可以用自然语言向Watson提出问题，Watson则能够反馈精确的答案。从解答的过程来看，Watson通过使用数以百计的算法，而非单一算法，来搜索问题的候选答案、并对每个答案进行评估打分，同时为每个候选答案收集其他支持材料，并使用复杂的自然语言处理技术深度评估搜集到的相关材料。当越来越多的算法运算的结果聚焦到某一个答案时，这个答案的可信度就会越高。Watson会衡量每个候选答案的支持证据，来确认最佳的选择及其可信度。当这个答案的可信度达到一定的水平时，Watson就会将它作为最佳答案呈现出来。归根揭底，Watson还是依赖强大快速的计算能力。虽然Waston在参加综艺节目危险边缘节目里战胜了人类，但是其在后续的实际应用比如辅助医疗方面的表现，其实并不如意，并没有所宣传的那样神奇的表现，去年传出的IBM公司的Waston系统所在健康部门大比例裁员就是证明。
机器可能有记忆力，观察力，但是它没有想象力；机器可以有学习，按照基于概率统计的分类归纳的能力，但是它没有自主性的分析能力与思考能力。这些都是作为生物体的人类特有的能力，是受生物基因决定或者影响的。一句话，人工智能在简单重复性的场景里可以部分的代替人类，但是它并不具备人类特有的更高难度更抽象层次的创造力，理解力，分析力，思考力。担心强人工智能的出现，纯粹只是杞人忧天！
2019-01-09写于杭州市。
