什么是智能

最近，我和我的妻子梅亞很幸運地參加了一個由瑞典諾貝爾基金會舉辦的人工智能研討會。在會議中，那些頂尖的人工智能研究者在“什么是智能”這個問題上展開了一場冗長的討論，最后卻未能達成共識。我們覺得這件事很有趣：居然連人工智能研究者也無法就“什么是智能”達成一致意見！因此，關于智能，顯然不存在一個無可辯駁的“正確”定義。相反，有許多不同的定義在互相競爭，“參戰”的定義有邏輯能力、理解能力、計劃能力、情感知識、自我意識、創造力、解決問題的能力和學習能力等。

在這場關于智能未來的探索中，我們想采用一個最廣泛、最兼容并包的觀點，而不想局限于目前已知的智能范圍。這就是為什么我會在第1章對智能下一個很廣的定義，并在本書中用一種很寬泛的方式來使用這個詞的原因。

智能（intelligence）：完成復雜目標的能力。

這個定義很廣，足以涵蓋前文提到的所有定義，因為理解力、自我意識、解決問題的能力、學習能力等都屬于我們可能會遇到的復雜目標。同時，這個定義還能將《牛津英語詞典》中的定義“獲得和應用知識與技能的能力”也涵蓋進去，因為你也可以將“應用知識與技能”作為一個目標。

由于可能存在許多不同的目標，因此，也可能存在許多不同的智能。所以，從我們的定義出發，用IQ這種單一指標來量化人類、動物或機器是沒有意義的。假設有兩個計算機程序，一個只會下象棋，另一個只會下圍棋，請問哪一個更智能？這個問題并沒有標準答案，因為它倆各自擅長的事情沒法進行直接的比較。不過，假如存在第三個計算機程序，它能夠完成所有目標，并且，它在某一個目標上，比如下象棋，做得遠比前面所說的兩個程序都好，而且在其他目標上完成得也不比它們差，那我們就可以說，第三個程序比前面兩個程序更加智能。

另外，爭論某些邊緣化的例子是否具備智能，也沒什么意義，因為能力不是非黑即白、非有即無的，而是分布在一個連續譜上。舉個例子，什么樣的人算得上能說話？新生兒？不能。電臺主持人？能。但是，假如一個幼童能說10個詞，她算不算得上能說話？如果她會500個詞呢？界限應該劃在何處？在我所說的智能定義中，我特意用了一個很模糊的詞——復雜，因為人為地在智能和非智能之間畫一條界線是于事無補的，不如對不同目標所需的能力進行量化，可能會更有用一些。

對智能進行分類，還有一種方法，那就是用“狹義”（narrow）和“廣義”（broad）來進行區分。IBM公司的深藍（Deep Blue）計算機雖然在1997年戰勝了國際象棋冠軍加里·卡斯帕羅夫（Garry Kasparov），但它能完成的任務范圍非常“狹窄”，因為它只能下象棋，盡管它的硬件和軟件都令人印象深刻，但它甚至不能在井字棋游戲中戰勝一個4歲的兒童。谷歌旗下DeepMind公司的“DQN”人工智能系統能完成的任務范圍稍微廣一點：它會玩幾十種經典的雅達利電子游戲，并且玩的水平與人類的水平不相上下，甚至更好。相比之下，人類智能的寬度可比它們廣多了，人類能掌握多如牛毛的技能。只要經過訓練，假以時日，一個健康的兒童不僅能夠學會任何游戲，還能學會任何語言、運動或職業技能。將人類智能和機器智能做個比較，我們人類會在寬度上立馬勝出。不過，機器在某些比較狹窄的任務上勝過了我們，這些任務雖然小，但數量卻在與日俱增。我在圖2-1中列出了這些任務。人工智能研究的“圣杯”就是建造最廣泛的通用人工智能，它能夠完成任何目標，包括學習。我們將在第4章詳細探討這個話題。“通用人工智能”這個詞變得流行起來，得感謝三位人工智能研究者：沙恩·萊格（Shane Legg）、馬克·古布魯德（Mark Gubrud）和本·戈策爾（Ben Goerzel），他們用這個詞來形容人類水平的通用人工智能，即能夠完成任何目標并且完成得與人類不相上下的能力。我將遵照他們的定義。因此，每次我使用通用人工智能時，都是在說“人類水平的通用人工智能”，除非我明確地在這個縮寫前面加上了形容詞，比如超人類水平的通用人工智能。

雖然人們在使用“智能”這個詞時，總是傾向于帶有積極正面的色彩，但我想強調的是，在本書中使用“智能”這個詞時，我不會做任何價值判斷，它就是完成復雜目標的能力，而無論這個目標被認為是好的還是壞的。因此，一個智能的人可能非常擅長幫助他人，也可能擅長傷害他人。我們將在第7章探討有關目標的問題。說到目標，我們還需要澄清一個微妙的問題，那就是：我們所說的目標，究竟是誰的目標？假設在未來，你擁有了一臺全新的個人機器助理，它雖然沒有自己的目標，但會完成你安排給它的任何事情。某一天，你叫它為你做一頓美味的意大利晚餐，然后，它上網搜索了意大利菜的菜譜，了解了如何到達最近的超市、如何煮意大利面等問題，最后成功地買來了所需的原料，并為你烹制了一頓美味的晚餐。那么，你可能會認為它是智能的，即使最原始的目標其實是你的。實際上，當你提出要求時，它就繼承了你的目標，并將其分解成幾層子目標，從付錢給收銀員到磨碎帕爾瑪干酪，而這些子目標都是屬于它自己的。從這個層面來看，智能行為毫無疑問是與達成目標聯系在一起的。

人類總喜歡按難度對任務進行排序（見圖2-1），但這些任務的難度順序對計算機來說卻不一樣。對人類來說，計算314159和271828的乘積，可比從照片中識別一個朋友難多了，但計算機早在我出生以前就已經在計算能力上超過了人類，而接近人類水平的計算機圖像識別技術卻一直到近期才成為可能。低級的“感覺運動”任務對計算機來說雖然需要消耗大量的計算資源，但很容易完成。這種現象被稱為“莫拉維克悖論”（Moravec's paradox）。有人解釋說，造成這個悖論的原因是，為了完成這些任務，我們的大腦其實調用了其1/4的資源，即大量的專門硬件，從而使這些任務感覺起來很容易完成。

我很喜歡漢斯·莫拉維克所做的下面這個比喻，并冒昧地將其呈現在了圖2-2中：

計算機是通用機器，它們的能力均勻地分布在一個寬廣得無邊無際的任務區域上。不過，人類能力的分布卻沒那么均勻。在對生存至關重要的領域，人類的能力十分強大，但在不那么重要的事情上就很微弱。想象一下，如果用地形來比擬人類的能力，就可以畫出一幅“人類能力地形圖”，其中低地代表著“算數”和“死記硬背”，丘陵代表著“定理證明”和“下象棋”，高聳的山巒代表著“運動”“手眼協調”和“社交互動”。不斷進步的計算機性能就好像水平面，正在逐步上升，淹沒整個陸地。半個世紀以前，它開始淹沒低地，將人類計算員和檔案員逐出了歷史舞臺。不過，大部分地方還是“干燥如初”。現在，這場洪水開始淹沒丘陵，我們的前線正在逐步向后撤退。雖然我們在山頂上感到很安全，但以目前的速度來看，再過半個世紀，山頂也會被淹沒。由于那一天已經不遠了，我建議，我們應該建造一艘方舟，盡快適應航海生活！

在莫拉維克寫出這段話的幾十年之后，“海平面”如他所預言的那樣毫不留情地持續上升，就好像全球變暖打了雞血一樣。一些“丘陵”地區（包括下象棋）早已被淹沒。下一步會發生什么，我們又應當做些什么，這就是本書余下部分的主題。

隨著“海平面”持續上升，它可能會在某一天到達一個臨界點，從而觸發翻天覆地的變化。在這個臨界點，機器開始具備設計人工智能的能力。在這個臨界點之前，“海平面”的上升是由人類對機器的改進所引起的，但在這個臨界點之后，“海平面”的上升可能會由機器改進機器的過程推動，其速度很可能比人類改進機器的速度快得多，因此，很快，所有“陸地”都會被淹沒在水下。這就是“奇點”理論的思想。這個思想雖然十分迷人，但卻充滿爭議。我們將在第4章探索這個有趣的話題。

計算機先驅艾倫·圖靈曾有一個著名的證明，假如一臺計算機能實施一組最小的特定運算，那么，只要給它足夠的時間和內存，它就能被編程以實施其他任何計算機能做的任何事情。超過這個臨界點的機器被稱為“通用計算機”（universal computers），又叫作“圖靈通用計算機”（Turing-universal computers）。就這個意義而言，今天所有的智能手機和筆記本電腦都算得上是通用計算機。類似地，設計人工智能所需的智能也有一個臨界點，我喜歡將這個臨界點視為“普遍智能”的臨界點：給它足夠的時間和資源，它就可以具備完成任何目標的能力，并且完成得和其他任何智能體不相上下。比如，如果普遍智能認為自己需要更好的社交技能、預測技能或設計人工智能的技能，那它就有能力去獲得這些技能；如果它想要了解如何建造一個機器人工廠，它也完全有能力去獲得建造工廠的技能。換句話說，普遍智能具備發展到生命3.0的潛力。

然而，既然物理學提出，萬事萬物在最基本的層面上都只是四處游走的物質和能量而已，那么，信息和計算究竟是什么呢？看得見摸得著、具備物理實體的物體如何體現出抽象無形、虛無縹緲的東西，比如信息和計算呢？換言之，一堆無聊愚鈍、按照物理定律飛來飛去的粒子是如何展現出我們認為的“智能”的行為的呢？

如果你認為這個問題的答案是顯而易見的，并且認為機器可能會在21世紀內達到人類的智能水平，或者如果你是一位人工智能研究者，那么，請跳過本章余下的部分，直接開始閱讀第3章；否則，請你讀一讀本章剩下的三節，這是我特別為你而寫的內容。