人們對人工智能（AI）的一致看法是，具有自我意識的智能機器即將出現(xiàn)。這些機器在命令理解、圖片區(qū)分、汽車駕駛和游戲等方面均比人類做得更好。距離這樣的智能機器走進我們的生活還要多久？

　　白宮關(guān)于人工智能的新報告表示了對這一夢想持懷疑態(tài)度。報告表示，未來20年可能都不會看到“機器展現(xiàn)出廣泛適用的可媲美或超越人類的智能，”雖然報告接下來表示，在未來幾年，“機器將在越來越多的任務(wù)中，達到甚至超越人類的水平。”但報告中關(guān)于機器如何獲得這樣的智能的假設(shè)缺少一些重要觀點。

　　作為一名AI研究人員，很榮幸我的研究領(lǐng)域在美國政府最高級別會議上被提及，但是報告的內(nèi)容幾乎完全集中于我所說的“無聊的AI。”報告以半句話就駁回了我所研究的AI分支，轉(zhuǎn)而解釋進化如何幫助開發(fā)不斷完善的AI系統(tǒng)，以及計算模型如何幫助我們理解人類智力演變。

　　該報告集中于所謂的主流AI工具：機器學(xué)習(xí)和深度學(xué)習(xí)。這些人工智能技術(shù)已經(jīng)可以在“Jeopardy！”游戲中表現(xiàn)出色，并且在最復(fù)雜的游戲中擊敗了人類圍棋大師。當(dāng)前的智能系統(tǒng)可以快速處理大規(guī)模數(shù)據(jù)和復(fù)雜計算。但它們?nèi)狈σ粋€要素，這是未來研發(fā)具有自我意識的智能機器的關(guān)鍵。

　　我們需要做的不僅僅是教機器，更需要打破四類人工智能之間的界限，跨過機器與人類之間的障礙。

　　第一類AI：反應(yīng)式機器

　　最基本的AI系統(tǒng)就是完全反應(yīng)式的，并且既不能形成記憶也不能利用過去的經(jīng)驗指導(dǎo)當(dāng)前決策。IBM的國際象棋超級計算機——DeepBlue，在90年代末擊敗國際大師GarryKasparov，它就是這種反應(yīng)式機器。

　　DeepBlue能夠識別棋盤上棋子，并且知道每個棋子如何移動。它可以預(yù)測下一步自已以及對手如何移動，然后從中選擇最佳移動方案。

　　但它沒有任何過去的概念，也沒有任何關(guān)于之前發(fā)生了什么的記憶。除了一個很少使用的國際象棋的具體規(guī)則，不允許重復(fù)三次相同的移動，DeepBlue不考慮之前發(fā)生的任何事。它只考慮當(dāng)前棋盤上棋子的位置，然后從所有可能的下一步動作中選擇一種。

　　這種類型的智能涉及到計算機對世界的直接感知并作出相應(yīng)反應(yīng)，而并不依賴于對世界的內(nèi)部概念。在一篇開創(chuàng)性的論文中，AI研究員 RodneyBrooks認為我們應(yīng)該只開發(fā)這樣的機器。RodneyBrooks的主要理由是人類不擅長構(gòu)造適于計算機的精確的仿真世界，即AI學(xué)術(shù)界所謂的真實世界的“表示”。

　　目前我們所驚嘆的機器智能要么對世界沒有這樣的概念，要么只針對特定任務(wù)有有限的概念。DeepBlue的創(chuàng)新點在于它不是增加棋子下一步的可移動方案。相反，開發(fā)者找到了一種方法來減少可移動方案，即基于每種方案產(chǎn)生的結(jié)果，放棄探索一些潛在的可移動方案。如果沒有這項能力，DeepBlue將需要變得更強大才能打敗Kasparov。

　　同樣，谷歌的AlphaGo，雖然打敗了人類頂級圍棋大師，但也不能評估所有潛在移動方案。AlphaGo的分析方法比DeepBlue更復(fù)雜，它使用神經(jīng)網(wǎng)絡(luò)來評估游戲局勢發(fā)展。

　　這些方法確實讓AI系統(tǒng)在特定游戲中表現(xiàn)更出色，但它們不適用于其他情況。這些計算機思維沒有更寬泛的世界的概念——這意味著它們無法執(zhí)行特定任務(wù)之外的其他任務(wù)，也容易被愚弄。

　　AI系統(tǒng)無法交互性地參與真實世界。相反，這些機器每次遇到相同的情況，處理方式完全相同。這可以確保AI系統(tǒng)的可信賴性：希望自己的自動駕駛汽車可靠。但如果想要系統(tǒng)真實地接觸世界并對其作出反應(yīng)，這就很糟糕。這些最簡單的AI系統(tǒng)永遠不會讓人感到無聊，或者感興趣，或者悲觀。

　　第二類：有限的記憶力

　　第二類AI機器可以觀察過去的情況。自動駕駛汽車已經(jīng)做到了一些，例如，它們觀察其他車輛的速度和方向。觀察過去的情況無法短時間內(nèi)完成，而是需要識別特定對象并持續(xù)監(jiān)視。

　　這些待觀察物體被添加到自動駕駛汽車預(yù)編程的世界的“表示”中。世界的“表示”也包括車道標(biāo)記、交通燈和其他重要元素，如道路曲線等。當(dāng)無人駕駛汽車為避免阻攔其他司機或與其他汽車相撞而決策變道時機時，這些物體會被考慮在內(nèi)。

　　但是這些關(guān)于過去的簡單片段化信息是短暫的，與類駕駛員積累多年駕駛經(jīng)驗的方法不同的是，它們不會被保存為可從中學(xué)習(xí)的經(jīng)驗庫信息。

　　那么，如何構(gòu)建AI系統(tǒng)，讓其擁有世界的完整的“表示”，記憶歷史經(jīng)驗以及學(xué)習(xí)如何處理新情況？Brooks是對的，確實很難做到這一點。受達爾文進化論啟發(fā)，我的研究方法可以彌補人類讓機器自我建立對世界的“表示”的這一缺點。

　　第三類AI：心理理論

　　我們可能止步于此，并將這一點作為目前AI機器與未來AI機器的重要分界點。然而，我們最好更具體地討論機器需要構(gòu)建的世界的“表示”的類型，以及它們需要關(guān)心的。

　　更先進的下一類AI機器，不僅要形成關(guān)于世界的“表示”，也要形成關(guān)于其他媒介或?qū)嶓w的“表示”。心理學(xué)中，這稱作“心理理論”——人、生物和其他物體都有影響自己行為的思想和情緒。

　　這對人類如何形成社會至關(guān)重要，因為它們讓人類進行社會性互動。如果不理解對方的動機和意圖，或者沒有考慮到別人對自己或周圍環(huán)境的認知，一起工作最困難，甚至根本無法一起工作。

　　AI系統(tǒng)如果真的走進了我們的生活，它們必須能夠理解，我們每個人都有自己的想法、情感以及期待如何對待自己。然后，它們必須相應(yīng)地調(diào)整自己的行為。

　　第四類AI：自我意識

　　AI發(fā)展的最后一步是構(gòu)建的AI系統(tǒng)可以形成自我“表示”。最終，我們AI研究人員不僅需要了解意識，而且還要構(gòu)建擁有意識的機器。

　　在某種意義上，這是第三類人工智能的“心理理論”的延伸。一定程度上，意識也可以稱作“自我意識”。（“我想要那個東西”與“我知道我想要那個東西”有很大區(qū)別。）有意識的人了解自己，知道自己內(nèi)心狀態(tài)，并可以估計他人的感受。我們認為堵車時，在我們后面鳴喇叭的人是憤怒或不耐煩的，因為這也是我們在別人后面鳴喇叭時的感受。沒有某種心理理論，我們無法做出這些推論。

　　雖然還無法創(chuàng)造出擁有自我意識的AI機器，我們還是應(yīng)該把注意力放在記憶理解、學(xué)習(xí)和基于過去經(jīng)驗的決策能力上。這是了解人類智力本身的一個重要步驟。如果想要設(shè)計或改造出極其擅長分類眼前所見事物的特殊機器，這也是至關(guān)重要的。