過去數(shù)年間，關(guān)于那次談話我想了很多，谷歌也收購了14家人工智能以及機器人方面的公司。鑒于搜索業(yè)務(wù)為谷歌貢獻了80%的收入，因此乍一看去，你可能會覺得谷歌正在擴充其人工智能方面的投資組合以改善搜索能力。但是我認為正好相反。谷歌正在用搜索技術(shù)來改善人工智能，而非使用人工智能來改進搜索技術(shù)。每當(dāng)你輸入一個查詢詞，點擊搜索引擎生成的鏈接，或者在網(wǎng)頁上創(chuàng)造一個鏈接，你都是在訓(xùn)練谷歌的人工智能技術(shù)。當(dāng)你在圖片搜索欄中輸入“復(fù)活節(jié)兔子”（Easter Bunny）并點擊看起來最像復(fù)活節(jié)兔子的那張圖片時，你都是在告訴人工智能，復(fù)活節(jié)兔子是長成什么樣的。谷歌每天擁有12億搜索用戶，產(chǎn)生1210億搜索關(guān)鍵詞，每一個關(guān)鍵詞都是在一次又一次地輔導(dǎo)人工智能進行深度學(xué)習(xí)。如果再對人工智能的算法進行為之10年的穩(wěn)固改進，加之一千倍以上的數(shù)據(jù)以及一百倍以上的計算資源，谷歌將會開發(fā)出一款無與倫比的人工智能產(chǎn)品。我的預(yù)言是：到2024年，谷歌的主營產(chǎn)品將不再是搜索引擎，而是人工智能產(chǎn)品。

這個觀點自然也會招來懷疑的聲音。近60年來，人工智能的研究者都預(yù)測說人工智能時代即將到來，但是直到幾年前，人工智能好像還是遙不可及。人們甚至發(fā)明了一個詞來描述這個研究結(jié)果匱乏、研究基金更加匱乏的時代：人工智能之冬。那么事情真的有變化嗎？

是的。近期的三大突破讓人們期待已久的人工智能近在眼前：

1. 成本低廉的并行計算

思考是一種人類固有的并行過程，數(shù)以億計的神經(jīng)元同時放電以創(chuàng)造出大腦皮層用于計算的同步腦電波。搭建一個神經(jīng)網(wǎng)絡(luò)——即人工智能軟件的主要結(jié)構(gòu)——也需要許多不同的進程同時運行。神經(jīng)網(wǎng)絡(luò)的每一個節(jié)點都大致模擬了大腦中的一個神經(jīng)元——其與相鄰的節(jié)點互相作用，以明確所接收的信號。一項程序要理解某個口語單詞，就必須能夠聽清（不同音節(jié)）彼此之間的所有音素；要識別出某幅圖片，就需要看到其周圍像素環(huán)境內(nèi)的所有像素——二者都是深層次的并行任務(wù)。但直到最近，標準的計算機處理器也僅僅能一次處理一項任務(wù)。

事情在十多年前就已經(jīng)開始發(fā)生變化，彼時出現(xiàn)了一種被稱為圖形處理單元（graphics processing unit -GPU）的新型芯片，它能夠滿足可視游戲中高密度的視覺以及并行需求，在這一過程中，每秒鐘都有上百萬像素被多次重新計算。這一過程需要一種專門的并行計算芯片，該芯片添加至電腦主板上，作為對其的補充。并行圖形芯片作用明顯，游戲可玩性也大幅上升。到2005年，GPU芯片產(chǎn)量頗高，其價格便降了下來。2009年，吳恩達（Andrew Ng）（譯者注：華裔計算機科學(xué)家）以及斯坦福大學(xué)的一個研究小組意識到，GPU芯片可以并行運行神經(jīng)網(wǎng)絡(luò)。

這一發(fā)現(xiàn)開啟了神經(jīng)網(wǎng)絡(luò)新的可能性，使得神經(jīng)網(wǎng)絡(luò)能容納上億個節(jié)點間的連接。傳統(tǒng)的處理器需要數(shù)周才能計算出擁有1億節(jié)點的神經(jīng)網(wǎng)的級聯(lián)可能性。而吳恩達發(fā)現(xiàn)，一個GPU集群在一天內(nèi)就可完成同一任務(wù)?，F(xiàn)在，一些應(yīng)用云計算的公司通常都會使用GPU來運行神經(jīng)網(wǎng)絡(luò)，例如，F(xiàn)acebook會籍此技術(shù)來識別用戶照片中的好友，Netfilx也會依其來給5000萬訂閱用戶提供靠譜的推薦內(nèi)容。

2. 大數(shù)據(jù)

每一種智能都需要被訓(xùn)練。哪怕是天生能夠給事物分類的人腦，也仍然需要看過十幾個例子后才能夠區(qū)分貓和狗。人工思維則更是如此。即使是（國際象棋）程序編的最好的電腦，也得在至少對弈一千局之后才能有良好表現(xiàn)。人工智能獲得突破的部分原因在于，我們收集到來自全球的海量數(shù)據(jù)，以給人工智能提供了其所需的訓(xùn)練。巨型數(shù)據(jù)庫、自動跟蹤（self-tracking）、網(wǎng)頁cookie、線上足跡、兆兆字節(jié)級存儲、數(shù)十年的搜索結(jié)果、維基百科以及整個數(shù)字世界都成了老師，是它們讓人工智能變得更加聰明。

3. 更優(yōu)的算法

20世紀50年代，數(shù)字神經(jīng)網(wǎng)絡(luò)就被發(fā)明了出來，但計算機科學(xué)家花費了數(shù)十年來研究如何駕馭百萬乃至億級神經(jīng)元之間那龐大到如天文數(shù)字一般的組合關(guān)系。這一過程的關(guān)鍵是要將神經(jīng)網(wǎng)絡(luò)組織成為堆疊層（stacked layer）。一個相對來說比較簡單的任務(wù)就是人臉識別。當(dāng)某神經(jīng)網(wǎng)絡(luò)中的一組比特被發(fā)現(xiàn)能夠形成某種圖案——例如，一只眼睛的圖像——這一結(jié)果就會被向上轉(zhuǎn)移至該神經(jīng)網(wǎng)絡(luò)的另一層以做進一步分析。接下來的這一層可能會將兩只眼睛拼在一起，將這一有意義的數(shù)據(jù)塊傳遞到層級結(jié)構(gòu)的第三層，該層可以將眼睛和鼻子的圖像結(jié)合到一起（來進行分析）。識別一張人臉可能需要數(shù)百萬個這種節(jié)點（每個節(jié)點都會生成一個計算結(jié)果以供周圍節(jié)點使用），并需要堆疊高達15個層級。2006年，當(dāng)時就職于多倫多大學(xué)的杰夫·辛頓（Geoff Hinton）對這一方法進行了一次關(guān)鍵改進，并將其稱之為“深度學(xué)習(xí)”。他能夠從數(shù)學(xué)層面上優(yōu)化每一層的結(jié)果從而使神經(jīng)網(wǎng)絡(luò)在形成堆疊層時加快學(xué)習(xí)速度。數(shù)年后，當(dāng)深度學(xué)習(xí)算法被移植到GPU集群中后，其速度有了顯著提高。僅靠深度學(xué)習(xí)的代碼并不足以能產(chǎn)生復(fù)雜的邏輯思維，但是它是包括IBM的沃森電腦、谷歌搜索引擎以及Facebook算法在內(nèi)，當(dāng)下所有人工智能產(chǎn)品的主要組成部分。

這一由并行計算、大數(shù)據(jù)和更深層次算法組成的完美風(fēng)暴使得持續(xù)耕耘了60年的人工智能一鳴驚人。而這一聚合也表明，只要這些技術(shù)趨勢繼續(xù)下去——它們也沒有理由不延續(xù)——人工智能將精益求精。

隨著這一趨勢的持續(xù)，這種基于云技術(shù)的人工智能將愈發(fā)成為我們?nèi)粘Ｉ钪胁豢煞指畹囊徊糠?。但天上沒有掉餡餅的事。云計算遵循收益遞增（increasing returns）[4]法則，這一法則有時也被稱為網(wǎng)絡(luò)效應(yīng)（network effect），即隨著網(wǎng)絡(luò)發(fā)展壯大，網(wǎng)絡(luò)價值也會以更快的速度增加。網(wǎng)絡(luò)（規(guī)模）越大，對于新用戶的吸引力越強，這又讓網(wǎng)絡(luò)變得更大，又進一步增強了吸引力，如此往復(fù)。為人工智能服務(wù)的云技術(shù)也遵循這一法則。越多人使用人工智能產(chǎn)品，它就會變得越聰明；它變得越聰明，就有越多人來使用它；然后它變得更聰明，進一步就有更多人使用它。一旦有公司邁進了這個良性循環(huán)中，其規(guī)模會變大、發(fā)展會加快，以至于沒有任何新興對手能望其項背。因此，人工智能的未來將有兩到三家寡頭公司統(tǒng)治，它們會開發(fā)出大規(guī)?；谠萍夹g(shù)的多用途商業(yè)智能產(chǎn)品。

1997年，沃森電腦的前輩、IBM公司的深藍電腦在一場著名的人機大賽中擊敗了當(dāng)時的國際象棋大師加里·卡斯帕羅夫（Garry Kasparov）。在電腦又贏了幾場比賽之后，人們基本上失去了對這類比賽的興趣。你可能會認為故事到此就結(jié)束了，但卡斯帕羅夫意識到，如果他也能像深藍一樣立即訪問包括以前所有棋局棋路變化在內(nèi)的巨型數(shù)據(jù)庫的話，他在對弈中能表現(xiàn)得更好。如果這一數(shù)據(jù)庫工具對于人工智能設(shè)備來說是公平的話，為什么人類不能使用它呢？為了探究這一想法，卡斯帕羅夫率先提出了“人加機器”（man-plus-machine）比賽的概念，即用人工智能增強國際象棋選手水平，而非讓人與機器之間對抗。

這種比賽如今被稱為自由式國際象棋比賽，它有點兒像混合武術(shù)對抗賽，選手們可以使用任何他們想要用的作戰(zhàn)技巧。你可以單打獨斗；也可以接受你那裝有超級聰明的國際象棋軟件的電腦給出的幫助，你要做的僅僅是按照它的建議來移動棋子；或者你可以當(dāng)一個卡斯帕羅夫所提倡的那種“半人半機”的選手。半人半機選手會聽取人工智能設(shè)備在其耳邊提出的棋路建議，但是也間或不會采用這些建議——頗似我們開車時候用的GPS導(dǎo)航一般。在接受任何模式選手參賽的2014年自由式國際象棋對抗錦標賽上，純?nèi)斯ぶ悄艿膰H象棋引擎贏得了42場比賽，而半人半機選手則贏得了53場。當(dāng)今世上最優(yōu)秀的國際象棋選手就是半人半機選手Intagrand，它是一個由多人以及數(shù)個不同國際象棋程序所組成的小組。

但最令人驚訝的是：人工智能的出現(xiàn)并未讓純?nèi)祟惖膰H象棋棋手的水平下降。恰恰相反，廉價、超級智能的國際象棋軟件吸引了更多人來下國際象棋，比賽比以前增多了，棋手的水平也比以前上升了。現(xiàn)在的國際象棋大師（譯者注：國際象棋界的一種等級）人數(shù)是深藍戰(zhàn)勝卡斯帕羅夫那時候的兩倍多?，F(xiàn)在的排名第一的人類國際象棋棋手馬格努斯·卡爾森（Magnus Carlsen）就曾接受人工智能的訓(xùn)練，他被認為是所有人類國際象棋棋手中最接近電腦的棋手，同時也是有史以來積分最高的人類國際象棋大師。

如果人工智能能幫助人類成為更優(yōu)秀的國際象棋棋手，那么它也能幫助我們成為更為優(yōu)秀的飛行員、醫(yī)生、法官以及教師。大多數(shù)由人工智能完成的商業(yè)工作都將是有專門目的的工作，嚴格限制在智能軟件能做到的工作之內(nèi)，比如，（人工智能產(chǎn)品）把某種語言翻譯成另一種語言，但卻不能翻譯成第三種語言。再比如，它們可以開車，但卻不能與人交談?；蛘呤悄芑貞浧餣ouTube上每個視頻的每個像素，卻無法預(yù)測你的日常工作。在未來十年，你與之直接或者間接互動的人工智能產(chǎn)品，有99%都將是高度專一、極為聰明的“專家”。

實際上，這并非真正的智能，至少不是我們細細想來的那種智能。的確，智能可能是一種傾向——尤其是如果我們眼中的智能意味著我們那特有的自我意識、一切我們所有的那種狂亂的自省循環(huán)以及凌亂的自我意識流的話。我們希望無人駕駛汽車能一心一意在路上行駛，而不是糾結(jié)于之前和車庫的爭吵。醫(yī)院中的綜合醫(yī)生“沃森”能專心工作，不要去想自己是不是應(yīng)該專攻英語。隨著人工智能的發(fā)展，我們可能要設(shè)計出一些阻止它們擁有意識的方式——我們所宣稱的最優(yōu)質(zhì)的人工智能服務(wù)將是無意識服務(wù)。

我們想要的不是智能，而是人工智慧。與一般的智能不同，智慧（產(chǎn)品）具有專心、可衡量、種類特定的特點。它也能夠以完全異于人類認知的方式來思考。這兒有一個關(guān)于非人類思考的一個很好的例子，今年三月在德克薩斯州奧斯汀舉行的西南偏南音樂節(jié)（South by Southwest festival）上，沃森電腦就上演了一幕厲害的絕技：IBM的研究員給沃森添加了由在線菜譜、美國農(nóng)業(yè)部（USDA）出具的營養(yǎng)表以及讓飯菜更美味的味道研究報告組成的數(shù)據(jù)庫。憑借這些數(shù)據(jù)，沃森依靠味道配置資料和現(xiàn)有菜色模型創(chuàng)造出了新式的菜肴。其中一款由沃森創(chuàng)造出的受人追捧的菜肴是美味版本的“炸魚和炸薯條”（fish and chips），它是用酸橘汁腌魚和油炸芭蕉制成。在約克城高地的IBM實驗室里，我享用了這道菜，也吃了另一款由沃森創(chuàng)造出的美味菜肴：瑞士/泰式蘆筍乳蛋餅。味道挺不錯！

非人類的智能不是錯誤，而是一種特征。人工智能的主要優(yōu)點就是它們的“相異智能”（alien intelligence）。一種人工智能產(chǎn)品在思考食物方面與任何的大廚都不相同，這也能讓我們以不同的方式看待食物，或者是以不同的方式來考慮制造物料、衣服、金融衍生工具或是任意門類的科學(xué)和藝術(shù)。相較于人工智能的速度或者力量來說，它的相異性對我們更有價值。

實際上，人工智能將幫助我們更好地理解我們起初所說的智能的意思。過去，我們可能會說只有那種超級聰明的人工智能產(chǎn)品才能開車，或是在“危險邊緣”節(jié)目以及國際象棋大賽中戰(zhàn)勝人類。而一旦人工智能做到了那些事情，我們就會覺得這些成就明顯機械又刻板，并不能夠被稱為真正意義上的智能。人工智能的每次成功，都是在重新定義自己。

但我們不僅僅是在一直重新定義人工智能的意義——也是在重新定義人類的意義。過去60年間，機械加工復(fù)制了我們曾認為是人類所獨有的行為和才能，我們不得不改變關(guān)于人機之間區(qū)別的觀點。隨著我們發(fā)明出越來越多種類的人工智能產(chǎn)品，我們將不得不放棄更多被視為人類所獨有能力的觀點。在接下來的十年里——甚至，在接下來的一個世紀里——我們將處于一場曠日持久的身份危機（identity crisis）中，并不斷捫心自問人類的意義。在這之中最為諷刺的是，我們每日接觸的實用性人工智能產(chǎn)品所帶來的最大益處，不在于提高產(chǎn)能、擴充經(jīng)濟或是帶來一種新的科研方式——盡管這些都會發(fā)生。人工智能的最大益處在于，它將幫助我們定義人類。我們需要人工智能來告訴我們，我們究竟是誰。

原文來自 Wired，作者 Kevin Kelly，標題 The Three Breakthroughs That Have Finally Unleashed AI on the World。本文由譯言?沈持盈?翻譯。