離人工智慧奇點還有多遠

【人工智慧不太可能產生智能的機器，但是合成生物學已經創造出智能的生命。如果你非要擔心某種科學不可，與其擔心人工智慧，不如擔心合成生物學吧】

□皮埃羅·斯加魯菲（PieroScaruffi）

人工智慧的概念從1956年提出，經歷了跌宕起伏的60年。或許是因為人們對科學天生的幻想，或許是因為資本對科技新概念過於狂熱，或許是因為各路媒體對現代社會文明程度的誇張表述⋯⋯自2016年阿爾法圍棋（AlphaGo）戰勝圍棋高手李世石，人工智慧似乎就進入了爆炸式增長的前夕。最近兩年來，人工智慧走出實驗室、跨出科技圈，如股價、房價一樣，越來越成為一個公眾熱議的話題。

奇點會很快到來嗎

現在矽谷到處都有人在講「奇點」（TheSingularity），該理論認為，我們即將迎來機器時代：機器的智能程度遠遠超過人類，以至於人類既無法控制機器，也無法理解它們的想法。換句話說，未來可能會有機器比我們人類更加聰明，甚至聰明到我們都沒有辦法控制的地步。上述假設聽起來比較有道理，而且很多人都同意，例如，物理學家斯蒂芬·霍金、世界首富比爾·蓋茨、特斯拉和SpaceX的創始人埃隆·馬斯克。

現在人們談論的奇點，其實都是在四個假設上面建立起來的。第一個假設是，人工智慧系統正在向前極大地飛躍；第二個假設是，這個飛躍比以往任何的飛躍都要更快；第三個假設是，我們不得不去應對這些超人工智慧；第四個假設則是，機器能做一些我們做不了的事情。但是，在奇點假設過程當中可以發現很多漏洞，這些假設從某種角度來講都是錯的。所以，我並不相信奇點很快就會到來。

人工智慧發展並沒有想象中的好

首先，我並沒有看到太多在人工智慧領域取得長足進步的地方。雖然人工智慧被媒體渲染得炙手可熱，成為了街談巷議的重要話題，但是事實上，機器人目前依然是非常愚蠢笨拙的機器，它能提供的服務還很有限，大多數被用於執行在人類看來是簡單至極的人類活動。絕大多數的機器人都在流水線上工作（例如在汽車工廠進行簡單的組裝工作），在我們生活中能真正幫上忙的機器人還很罕見——帶有計算機視覺的機器人非常罕見，帶有語音識別的機器人也非常罕見。主要的機器人製造商，包括ABB（瑞士）、庫卡（德國）和四大日本公司（發那科、安川、愛普生和川崎）的主營業務都是工業機器人，而且是智能水平不高的機器人。換句話說，今天幾乎不可能在市面上買到自主機器人，讓它在工廠或庫房等嚴格可控的環境之外給人類提供切實的幫助。

Youtube上有人上傳了一段關於由1.6萬台計算機組成的神經網路如何開始認知貓咪的視頻，媒體開始大驚小怪、過分關注，但這隻不過是任何老鼠都能做的事情，而且老鼠不需要使用1.6萬台計算機即可輕而易舉地完成識別貓咪的任務。一個計算機神經網路（AlphaGo）打敗了世界圍棋冠軍，媒體又開始了新一波甚囂塵上的大驚小怪。要知道，人類大腦每小時大約消耗20 瓦能量；而以AlphaGo 有1920 塊CPU以及 280 塊GPU的配置，每小時的耗能可以達到 440 千瓦的水平（這還不包括訓練過程中消耗掉的能量）。相反，我更加驚嘆於一個20瓦的人腦能夠與440千瓦的計算機怪獸競爭。更為重要的是，我們這20瓦的低能耗大腦還能夠做許多其他了不起的事情，而AlphaGo除了下圍棋之外無一是處。如果一個人使用比你多2萬倍的資源，卻僅僅做了一件事， 你到底該怎樣定義這個人？

目前的機器仍然是非常愚蠢且有著很大局限性的，當我們希望機器能夠為我們做點什麼時，我們必須遵守嚴格的規則，否則機器根本不明白我們想要它們幹什麼。我們被無數的機器環繞，但是這些機器只有在我們像機器一樣行動時才能正常運轉。例如，買票時，你需要按照要求進行一步步操作；打電話時，你也需要準確地輸入數字，並給出撥打指令。

在第一個假設里，其實很多人工智慧的飛躍建立在摩爾定律的基礎上，也就是說摩爾定律仍然是讓我們看到人工智慧現在有如此大進步的原因。而現階段的人工智慧雖然在不斷向前發展，但摩爾定律的發展基本到了一個停滯的狀態。

進步不是來源於人工智慧本身

第二個假設提到，現在人工智慧正在加速發展。但正如前面所討論的，這一現象並沒有真實發生。過去幾十年裡人類製造了汽車、電話、飛機等，而且家用電器領域也都有很大的飛躍，這些都極大地改變了世界。但是早在48年前，矽谷就已經造出可移動的機器人，可是在48年後的現在，又有多少家庭擁有機器人呢？

事實上，關於人工智慧的大多數成功案例都是基於20年或者30年前發明的技術。這些進步不是來源於人工智慧本身，而是由於更快、更便宜的計算機所帶來的計算能力的提高。30年前，同樣的人工智慧技術不可能在彼時的計算上運行。現在它們能夠成功地下圍棋或者打撲克，但是這源於更快的計算機，而不是更「聰明」的計算機。

現在的人工智慧基本上只是對神經網路的培訓而已。如果擁有較大的案例資料庫或者數據集，神經網路便可以被培訓。如果沒有基於某種任務的大量資料庫，即便是最複雜的神經網路，也毫無用武之地。神經網路已經在某些領域取得了些許成功，但這也只是人類在這些領域創造了巨大數據集之後的事情。

對人工智慧的終極檢驗準則就是常識。沒有常識的人（例如主動去碰開水的人）會被認為是愚蠢的。機器就沒有任何常識，這就是為什麼最「聰明」的神經網路也不能做一些簡單任務的原因。學習意味著能夠把同樣的知識運用到其他的任務上，從哲學上講，神經網路並沒有學到任何東西，機器人並不能學習到常識，這就需要人們重新找到一個邏輯通道，讓機器人可以按常理做事情。比如當你說餓了的時候，它不會把你的貓給煮了。

更需要擔心的是人類自身的智慧

第三個假設認為超人工智慧即將到來，但我認為，其實超人工智慧已經存在了。第四個假設則是，有機器能做一些我們做不了的事情。想想蝙蝠可以在黑暗中飛行、可以抓昆蟲、可以倒立在牆上，你可以嗎？機器當然能夠做一些我們人類做不了事情，而且在很長時間之前，我們就已經這麼做了，比如用手錶計時。所以，沒有必要擔心超人工智慧的到來。

我們的確需要人工智慧，因為它能夠解決許多問題。例如，健康護理已經成為現代社會最為關鍵的社會功能之一，而智能機器能夠提升健康護理的質量。想象一下，一個機器能夠快速掃描你做過的所有醫療影像，並基於最新的科學知識進行分析，進一步為你預防疾病。像日本這樣的老齡化國家，沒有足夠的年輕人照顧老年人，因此人們需要這樣的機器人。此外，人類還需要可以做危險工作的機器人。我不害怕人工智慧，我怕它來得還不夠快。

其實在我看來，人類的智慧才更需要我們擔憂，我們總是在制定各種各樣的規則、制度。如果人們不在道路上劃線就沒有辦法做智能駕駛或自動駕駛，像這些規矩不會讓人類更加聰明，只會讓人類像機器一樣運轉。

優化設計的合成生物學時代

在合成生物學領域，確實出現了很多實質性的進步。21世紀不是奇點的世紀，而是「優化設計嬰兒」的時代，我們能夠像設計建築物一樣設計嬰兒。21世紀將是「破壞性生殖技術」（DisruptiveReproductive Technologies，簡稱DRT）的時代。2016年，一種稱作「體外配子」（In Vitro Gametogenesis，簡稱IVG）的新技術出現了，並且由日本九州大學的分子生物學教授林克彥（KatsuhikoHayashi）成功在小白鼠身上進行了試驗。她在實驗室中用小白鼠的皮膚細胞成功地培育出了能夠產生後代的雄性精子、雌性卵細胞，以及相應的許多胚胎。不久的未來，醫生僅需要一名女性的幾個細胞和男性的幾個細胞就可以製造出許多合意的胚胎。然後，這些父母將被告知每一個胚胎的特徵並挑選他們最喜歡的胚胎。想象一下，一個計算機程序能夠讓父母觀察100個不同的胚胎：父母將能夠看到每個胚胎在5歲、10歲、15歲、20歲、80歲時的模擬樣子。父母可以模擬每個胚胎的一生，並決定他們要哪個胚胎。這一天已經不再遙遠。2013年，一個名為Connor的「優化設計嬰兒」出生了，他的父母在牛津大學DaganWells實驗室內從七個胚胎中選擇了他。

人工智慧不太可能產生智能的機器，但是合成生物學已經創造出了智能的生命。如果你非要擔心某種科學不可，與其擔心人工智慧，不如擔心合成生物學吧。