首先，我們回顧過去。在最長的時間范圍里，歷史似乎呈現出一系列不同的增長模式，每個新模式都比前一個模式增長更快。根據這個規律推測，可能會出現另一種（甚至更快速的）增長模式。然而，我們并不特別強調這個觀點，因為這并不是一本關于“科技加速”、“極速增長”，或者集合在“奇點”標題下的各種觀點的書。然后，我們要回顧人工智能的歷史，之后再探索目前人工智能的能力。最后，我們簡要地介紹一些專家近期的觀點和調查，并且思考一下我們對于未來發展之時間表的空白領域。

增長模式和宏大歷史

僅在幾百萬年前，我們的祖先還在非洲森林中穿梭。以地質或進化的時間尺度來看，從與類人猿共同擁有的最后一代祖先向智人的進化是非常快速的。我們進化出直立的姿勢和對生拇指，而最重要的是，我們的大腦體積和神經組織發生了相對微小的變化，但正是這些變化引起了人類認知能力的巨大進步。因此，人類可以進行抽象思維，交流復雜的思想，可以比地球上任何其他物種更好地積累和傳承文化信息。

這些能力使人類創造出越來越高效的生產技術，從而使我們的祖先從熱帶雨林和草原向遠方的遷徙成為可能。尤其是進行農耕之后，人口總數和人口密度都在增加。更多的人口意味著更多的想法；更大的人口密度則意味著想法更容易傳播，并且更多的個體可以專注于發展專門的技能。這些發展提高了經濟生產力和技術實力的增長率。后來與工業革命相關的發展則帶來了第二次與此相當的增長率的劇增。

這些增長率的變化有著重要的影響。幾十萬年前，在早期人類（或原始人類）史前時代，增長非常緩慢，要使人類生產能力增長到能夠維持另外100萬人基本生存的水平，需要大約100萬年的時間。到了公元前5000年，經過了農業革命，增長率已經提高到只需要兩個世紀就能實現同樣的增長。今天，經過了工業革命，世界經濟平均每90分鐘就能夠增長相同的量。

即使是現在的增長率，如果持續一定時間，也會產生可觀的結果。如果世界經濟繼續以過去50年的速度增長，那么到2050年，全球財富將是現在的約5.8倍，到2100年則是約35倍。

然而，當前這種依指數增長實現穩定繁榮的方式仍舊是不夠的，如果世界再經歷一次農業革命或工業革命那樣的飛躍式增長，世界將會呈現出完全不同的面貌。經濟學家羅賓·漢森通過研究歷史上的經濟和人口數據，推測出過去社會中經濟呈倍數增長所要經歷的時間：在洪積世狩獵采集社會下，經濟增長翻倍需要224000年，在農業社會需要909年，在工業社會則需要6.3年。（在漢森的模型中，當今時代是農業社會和工業社會發展模式的混合體，世界經濟實現倍數增長的速度還不能達到6.3年這個平均時長。）但如果出現另外一種完全不同的經濟增長模式，類似于農業革命和工業革命時期的飛躍式發展，那么世界經濟便會以每兩周的時間實現翻倍增長。

以當今形勢看，要實現這種增長速度無異于癡人說夢。觀察家們可能已經發洪積世（Pleistocene），又譯更新世，地質時代第4紀的早期。—譯者注現，對于以往的歷史時期而言，世界經濟很難在某一段時期中實現好幾次翻倍增長。然而，我們現在就要學著對這種不尋常的情況習以為常。

弗諾·文奇（Vernor Vinge）開創性的文章以及雷·庫茲韋爾（Ray Kurzweil）等人的著述所揭示的那種即將到來的技術性奇點已經受到了廣泛關注。然而，“奇點”這一術語在很多不同領域被混亂地使用，并催生出一種不合理的技術烏托邦氛圍，就好像我們會就此迎來太平盛世了。考慮到“奇點”這個詞所指的大部分涵義與本文的論述不甚相關，我們可以去掉這個詞并代替以更精確的術語，以便闡述得更清晰。

我們更感興趣的一個與“奇點”相關的術語是智能爆發，尤其是機器超級智能的前景。肯定會有人意識到增長模式是比農業革命和工業革命還要激烈的另一種可能的飛躍式增長模式。這些人也會意識到，要想讓世界經濟實現在僅僅數周內翻倍的增長速度，就需要創造出一種比人類的生物性思維更快、更有效的思維方式。但是我們很難通過分析經濟增長曲線以及推斷過往經濟增長模式來認真嚴肅地了解機器智能變革的前景。我們將看到，更加強有力的理由會讓我們認真考慮這一問題。

大預期

自20世紀40年代計算機被發明出來之后，機器就一直被寄予厚望，人們希望機器能夠具備人的一般智能，更確切地說，就是機器要具備普通判斷力和有效的學習、推理能力，并且要能夠制訂計劃以應對復雜信息處理過程帶來的挑戰，這種挑戰可能來自自然和抽象領域的各個方面。在計算機剛面世時，人們就期望能夠在未來20年之內賦予計算機人工智能。但一年又一年過去了，實現讓機器具備人工智能的日期卻一拖再拖；以至于今天，關心人工智能的未來學家們依舊普遍認為智能機器的出現還需要20多年。

在談到徹底變革所需要的時間時，預言家們總喜歡用20年這個時間跨度：這個時間跨度既抓眼球，又足夠長，長到可以讓一個目前看起來還是模糊想象的突破成為現實。為什么不是更短的時間跨度呢？因為大多數在未來5～10年內可能對世界產生重大影響的技術目前已經在小范圍內被應用了，而全新的技術在不到15年之內就能讓世界煥然一新，當然這也只是一個理論假設。另外，之所以喜歡說20年，還有可能是因為一個預言家的職業生命大概就是這么長，這樣一來他在做出大膽假設時也不用承擔名聲受損的風險。

然而，即便一些人在過去對人工智能的預言不準確，這也并不意味著人工智能就是不可能或者永遠無法實現的。那么，為什么人工智能的發展總是落后于預期呢？這主要是因為創造人工智能機器所遭遇的技術困難遠遠超過了先驅者們認為的程度。但這也只是說明我們遇到了多大的技術難題以及我們離解決這些難題還有多遠。很多時候，一個最初看起來復雜得不可救藥的難題往往在后來都會意外地被非常簡單的手段所解決，當然，用復雜的手段解決難題更為常見。

在下一章，我們將會看到那些可能實現與人類相同智能的人工智能的具體路徑。但我們在一開始就需要注意一點，那就是如果我們將實現人工智能視為一輛火車所要到達的站臺，那么不管我們現在與將要到達的站臺之間有多少臨時停靠站，實現與人類智能相同的機器智能也并不是終點站。順著這條道路再往前走，下一個站臺就是機器智能超越人類智能。這列火車不會在達到人類智能水平這一站就停滯不前或者減速行駛，它很有可能會飛速而過。

第二次世界大戰時期，阿蘭·圖靈密碼破譯小組的首席統計師兼數學家I·J·古德大概是清晰闡述人工智能未來圖景的第一人。在那段寫于1965年、后來被經常引用的名言中，他這樣寫道：

我們把超智能機器定義為具備超越所有聰慧人類智能活動的機器。考慮到設計機器是智能活動的一部分，那么超智能機器甚至能夠設計出更好的機器。毫無疑問，肯定會出現諸如“智能爆發”這樣的局面，人類智能會被遠遠地甩在后面。因此，第一臺超智能機器將是人類創造的最后一臺機器，當然前提條件是這臺機器足夠聽話并告訴我們要怎樣才能控制它。

目前存在的顯著風險便與這個智能爆發相關，我們必須以最嚴肅的態度審視這一風險，即使我們知道（實際上我們并不知道）出現這一風險的可能性非常小。但是盡管人工智能的先驅者們相信與人類智能水平相當的人工智能所存在的危害，大多數人也并不認為人工智能會有超越人類智能的可能。他們腦海里存在著這樣的固有觀念，即就算是機器能夠達到人類的智能水平，也不能因此就推斷出機器最終會發展成超越人類智能的超智能機器。

人工智能的先驅者們大多數時候都不認為他們的事業可能會存在風險。至于創造人工智能以及具備人工智能的計算機霸主是否會存在任何安全隱患或者倫理風險，先驅者們才不會在這些問題上面多費唇舌，更別說去嚴肅思考了。即便是在當今這個不怎么批判技術使用過程中所存風險的社會背景下，這種缺失也讓人備感詫異。我們當然希望這些先驅者們的事業最終能夠成功，但我們要的不僅僅是嫻熟的技術以引燃智能爆炸，我們還要能在更高水平上掌握控制權，以免我們在爆炸中身首異處。

而在瞻望未來之前，對于機器智能歷史的飛速一瞥對我們而言還是頗有助益的。

希望與絕望并存

1956年夏天，10名研究神經網絡、自動化理論以及智能的科學家們在達特茅斯學院組成了一個為期6周的工作組。這個達特茅斯夏季項目經常被認為是人工智能研究的第一縷曙光。大多數參與者后來都成了這一領域的開創性人物。項目組成員的樂觀預期在給項目資助方洛克菲勒基金會提交的一份報告書中展現得淋漓盡致：

現報告我們10人團隊經過兩個月針對人工智能的研究成果……這項研究建立在這樣一個設想的基礎上，即智能所能實現的學習或者任何其他方面的特征在理論上都能夠被機器精確地模擬出來。該研究嘗試去發現機器是如何使用語言、形成抽象思維與概念、解決人類所面臨的問題以及學會自我改良的。我們認為由這些精心遴選出來的科學家們組成的團隊在經過一個夏天的研究后，能夠在其中一個或者幾個問題上實現突破性進展。

距離這一大膽的開創性研究已經過去了60年，人工智能在這60年中跌宕起伏，既經歷過大肆宣傳、野心勃勃的高潮期，也遭遇過挫折滿滿、令人失望的低潮期。

達特茅斯會議激發了人工智能的第一次研究熱潮，該項目的主要組織者約翰·麥卡錫說這一時期是一個“看，我能辦到！”的時代。在這一人工智能發展的早期時代，研究者們建立起各種系統以批駁那些認為“機器不能做‘某事’”的懷疑論。這類懷疑論在當時非常流行。為了對抗這種懷疑論，人工智能研究者們在某些微觀領域創造了小型系統去實現具體的“某事”，以便證明機器是能夠做“某事”的。這些微觀領域往往被完全限制在某個非常具體的范圍內，使得演示簡單的機器性能成為可能。比是早期的邏輯思想家的這類系統便可以證明懷特海和羅素那本《數學原理》（Principia Mathematica）第二章中的大多數定理，而邏輯思想家的證明過程甚至比原來的證明更加簡潔，這駁斥了那種認為機器“只會數數”的想法并顯示出機器也能夠進行推理和邏輯證明。在這之后又出現了通用問題解算程序，這種程序在原理上能夠解決很大范圍內的專業問題：既有能夠解決大學一年級課本里微積分問題的程序，也有能應用于某些智商測驗中解決圖像類比問題的程序，還有能寫出簡單代數語言的程序。Shakey（意思為搖擺）機器人的出現顯示出邏輯推理能夠與知覺結合在一起，并可以應用于設置和控制肢體動作，其之所以被叫作shakey，是因為這種機器人在演示時總是不停抖動。ELIZA程序則展示了一臺計算機是如何模仿羅杰斯這類心理治療師的。在20世紀70年代中期，SHRDLU系統演示了一只模仿人類的機器人手臂是如何在擺放著幾何物體的世界中，遵循使用者用英文打出的指令行事并且回答其輸入的問題的。在之后的10年中，相繼出現了各式各樣的系統程序：能夠以多個古典音樂作曲家的風格創作曲子的系統，在特定的臨床診斷中表現得比初級醫師還要好的系統，能夠自動駕駛汽車的系統，以及能夠發明專利的系統。有的系統甚至還會說笑話。

但在早期的演示系統中取得成功的這種方式卻被證明很難向更廣泛的領域延伸，也很難解決更難的問題。原因之一在于常用的窮舉法很難解決可能的“組合爆炸”的問題。窮舉法可以解決簡單問題，但是只要問題變得稍微復雜一些，這種方法就沒有用了。例如要證明一個有5步推理、一個推理規則以及5條公理的定律，便可以簡單列舉出3125種可能的組合方式，然后挨個試驗并尋找那個能夠推出預期結果的組合。窮舉法也可以運算6步或者7步的推理。但是隨著任務變得越來越復雜，這種窮舉法便很快遇到了瓶頸。要證明一個有50步推理的定律，工作量可并不是證明5步推理定律工作量的10倍，如果用窮舉法的話，就可能需要550≈8.9×1034種可能的組合，即使是對于最快速的超級計算機來說，這也是不可能實現的計算。