近年來(lái)的三大突破推動(dòng)了人們期待已久的人工智能的到來(lái)。

　　1. 廉價(jià)的并行計(jì)算

　　思考天然就是一個(gè)并行過(guò)程，數(shù)十億神經(jīng)元同時(shí)運(yùn)作來(lái)創(chuàng)造同步的皮層計(jì)算波。為了打造作為AI軟件主要架構(gòu)的神經(jīng)網(wǎng)絡(luò)，需要多個(gè)不同的進(jìn)程同時(shí)進(jìn)行。神經(jīng)網(wǎng)絡(luò)的每一個(gè)節(jié)點(diǎn)都大致代表大腦的一個(gè)神經(jīng)元，與周邊節(jié)點(diǎn)互動(dòng)，理解接收到的信號(hào)。為了理解一個(gè)說(shuō)出來(lái)的詞，程序必須能聽到所有相關(guān)的音素；為了識(shí)別一張圖片，它需要看到每一個(gè)像素以及周邊像素；這些都是需要深度并行計(jì)算的任務(wù)。但直到最近，通常的計(jì)算機(jī)芯片都只能一次處理一項(xiàng)任務(wù)。

　　這一切從十多年前就開始改變了，圖形處理單元（GPU）芯片的出現(xiàn)，可以用來(lái)滿足視頻游戲中繁重的視覺(jué)和并行計(jì)算需求，即每秒需要多次重新計(jì)算數(shù)百萬(wàn)像素。這一任務(wù)需要一塊專門的并行計(jì)算芯片，作為PC主板的補(bǔ)充。這種并行圖形處理芯片奏效了，游戲性大幅飆升。到2005年，GPU價(jià)格大降。2009年，斯坦福大學(xué)的吳恩達(dá)（Andrew Ng，現(xiàn)已加入百度）及其團(tuán)隊(duì)意識(shí)到，GPU芯片可以并行運(yùn)行神經(jīng)網(wǎng)絡(luò)。

　　這一發(fā)現(xiàn)釋放了神經(jīng)網(wǎng)絡(luò)新的可能性，使得神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)的連接數(shù)可達(dá)數(shù)億。傳統(tǒng)處理器計(jì)算一個(gè)一億節(jié)點(diǎn)神經(jīng)網(wǎng)的所有級(jí)聯(lián)可能性需耗時(shí)數(shù)周。而吳恩達(dá)發(fā)現(xiàn)，一個(gè)GPU集群完成同一任務(wù)只需一周。如今，諸多使用云的公司使用運(yùn)行在GPU之上的神經(jīng)網(wǎng)絡(luò)，比如識(shí)別照片中用戶好友的Facebook，為其5000萬(wàn)訂戶提供可靠推薦的Netflix。

　　2. 大數(shù)據(jù)

　　每一種智能都需要教育。就算是天生能進(jìn)行分類的人腦，也需要看到十幾個(gè)例子，才能分辨貓和狗。這一點(diǎn)對(duì)于人工智能而言更是如此。即便是編得最好的程序也需要玩至少一千局國(guó)際象棋才能表現(xiàn)良好。AI突破的部分原因是我們收集到的海量數(shù)據(jù)，為訓(xùn)練AI提供了所需的材料。巨型數(shù)據(jù)庫(kù)、自追蹤、網(wǎng)絡(luò)cookie、在線足跡、TB級(jí)存儲(chǔ)、十幾年的搜索結(jié)果、維基百科以及整個(gè)互聯(lián)網(wǎng)都成了讓AI變得更聰明的老師。

　　3. 更好的算法

　　數(shù)字化神經(jīng)網(wǎng)絡(luò)發(fā)明于20世紀(jì)50年代，但計(jì)算機(jī)科學(xué)家們花了數(shù)十年時(shí)間來(lái)駕馭100萬(wàn)到1億個(gè)神經(jīng)元之間龐大的組合關(guān)系。解決問(wèn)題的關(guān)鍵是按層來(lái)組織神經(jīng)網(wǎng)絡(luò)。就比如識(shí)別人臉這個(gè)相對(duì)簡(jiǎn)單的任務(wù)。當(dāng)一個(gè)神經(jīng)網(wǎng)絡(luò)中有一組比特被發(fā)現(xiàn)符合某個(gè)模式（比如眼睛）時(shí)，這一結(jié)果就會(huì)傳輸給神經(jīng)網(wǎng)絡(luò)的另一層來(lái)進(jìn)一步解析。下一層可能會(huì)將兩只眼睛組合到一起，然后將這一有意義的結(jié)果傳輸給下下一層，而下下一層又可以將這一結(jié)果與鼻子的模式聯(lián)系在一起。識(shí)別一個(gè)人臉可能需要幾百萬(wàn)個(gè)節(jié)點(diǎn)（每個(gè)節(jié)點(diǎn)都會(huì)生成供周圍節(jié)點(diǎn)使用的結(jié)果），層數(shù)可達(dá)15層。2006年，當(dāng)時(shí)供職于多倫多大學(xué)的Geoff Hinton對(duì)這一方法進(jìn)行了一次關(guān)鍵改良，并將它命名為“深度學(xué)習(xí)”。他能從數(shù)學(xué)上優(yōu)化每一層的結(jié)果，從而使學(xué)習(xí)速度加快。幾年后，深度學(xué)習(xí)算法被移植到GPU上，速度提升巨大。深度學(xué)習(xí)算法并不足以保證復(fù)雜的邏輯思考，但它是目前所有AI必不可少的組成部分，包括IBM的Watson、Google的搜索引擎以及Facebook的算法?！?/p>

　　這一由并行計(jì)算、大數(shù)據(jù)和深度學(xué)習(xí)算法組成的完美風(fēng)暴使得進(jìn)行了60年的AI一夜成真。而這一交叉也表明，只要這些技術(shù)趨勢(shì)延續(xù)下去（也沒(méi)有理由不延續(xù)），AI將繼續(xù)得到改進(jìn)。

　　隨著改進(jìn)的繼續(xù)，這一基于云的AI將日益成為我們?nèi)粘Ｉ畈豢苫蛉钡囊徊糠?。但這一切都有代價(jià)。云計(jì)算遵循收益遞增的法則（有時(shí)候也被稱為網(wǎng)絡(luò)效應(yīng)），即網(wǎng)絡(luò)越大，增長(zhǎng)越快。網(wǎng)絡(luò)越大，對(duì)新用戶的吸引力就越大，從而使得網(wǎng)絡(luò)變得更大，這又進(jìn)一步增大了吸引力，如此往復(fù)。提供AI的云也遵循同樣的法則。越多人使用AI，AI就會(huì)變得越聰明。一旦一家公司進(jìn)入這一良性循環(huán)，它就會(huì)變得更大，增長(zhǎng)得更快，沒(méi)有任何新興競(jìng)爭(zhēng)對(duì)手能與之匹敵。因此，未來(lái)的AI將由兩到三家大的通用云AI公司統(tǒng)治。

　　半人半AI

　　1997年，Watson的前任深藍(lán)擊敗了當(dāng)時(shí)的國(guó)際象棋大師Garry Kasparov。在機(jī)器又勝了幾場(chǎng)類似的比賽后，人類基本上失去了對(duì)此類比賽的興趣。你可能以為這就是故事的結(jié)局了，但Kasparov意識(shí)到，如果自己也能像深藍(lán)一樣立刻訪問(wèn)此前國(guó)際象棋棋局的海量數(shù)據(jù)庫(kù)，他能表現(xiàn)得更好。如果這一數(shù)據(jù)庫(kù)工具對(duì)于AI來(lái)說(shuō)是公平的，為什么人類不能用呢？為了探索這一想法，Kasparov率先倡導(dǎo)人加機(jī)器比賽的概念，即用AI增強(qiáng)人類國(guó)際象棋選手，而不是人類對(duì)抗機(jī)器。

　　如今這類比賽被稱為自由風(fēng)格國(guó)際象棋比賽，選手們可以使用任意對(duì)抗技術(shù)，可以單人上，也可以完全按照國(guó)際象棋計(jì)算機(jī)的要求移動(dòng)棋子，或者如Kasparov 所倡導(dǎo)的成為“半人半AI”選手?！鞍肴税階I”選手將聽取AI提供的下棋建議，但通常會(huì)不顧這一建議，就像我們?cè)谄嚿鲜褂肎PS導(dǎo)航一樣。在2014年的自由風(fēng)格國(guó)際象棋冠軍賽中，純粹的國(guó)際象棋AI引擎贏了42場(chǎng)比賽，而“半人半AI”選手贏了53場(chǎng)比賽?，F(xiàn)在最優(yōu)秀的國(guó)際象棋選手就是“半人半AI”的Intagrand，這是一個(gè)由人類和多個(gè)國(guó)際象棋程序組成的團(tuán)隊(duì)。

　　但最令人驚訝的是：AI的出現(xiàn)并沒(méi)有降低純?nèi)祟悋?guó)際象棋選手的表現(xiàn)。相反，便宜、超級(jí)聰明的國(guó)際象棋程序激發(fā)了更多人來(lái)玩國(guó)際象棋，聯(lián)賽場(chǎng)數(shù)增多，選手們也變得更好了?，F(xiàn)在的國(guó)際象棋大師人數(shù)是深藍(lán)擊敗Kasparov時(shí)的兩倍多。如今排名第一的人類國(guó)際象棋選手Magnus Carlsen接受了AI的訓(xùn)練，他被視為最像計(jì)算機(jī)的人類國(guó)際象棋選手，同時(shí)也是有史以來(lái)排名最高的人類國(guó)際象棋大師。

　　AI定義了人類

　　如果AI能幫助人類成為更好的國(guó)際象棋選手，它也能幫助我們成為更好的飛行員、醫(yī)生、裁判和老師。大多數(shù)由AI完成的商業(yè)工作都將使用專門的軟件AI，比如某個(gè)AI能將任意語(yǔ)言翻譯成另一語(yǔ)言，但在其他方面就無(wú)能為力了；能開車，但不能對(duì)話；或者能回憶起YouTube上所有視頻的每一個(gè)像素，卻不能預(yù)測(cè)用戶的日常工作。在未來(lái)10年中，人們直接或間接打交道的AI中有99%會(huì)是高度專一的專家AI。

　　事實(shí)上，這并非真正的智能，起碼不是我們所認(rèn)為的智能。實(shí)際上，智能可能是一種傾向，尤其是如果我們認(rèn)為“智能”是自我意識(shí)的話。我們希望自動(dòng)駕駛汽車只專注于道路，而不是和車庫(kù)爭(zhēng)論。醫(yī)院里的Watson應(yīng)該專心于自己的工作，而不是想是否應(yīng)該先主修英語(yǔ)。隨著AI的發(fā)展，我們可能要預(yù)防AI產(chǎn)生意識(shí)，最高級(jí)的AI服務(wù)可能會(huì)以無(wú)意識(shí)來(lái)標(biāo)榜自己。

　　相反，我們想要是人工智慧而非智能。與通常的智能不同，智慧專注、可度量，具有專門性。智慧也能以完全不同于人類認(rèn)知的方式思考。這種非人類思考方式的有趣例子是，IBM研究人員在今年3月的西南偏南大會(huì)上演示了用Watson生成菜譜。其中一個(gè)菜譜是使用了酸橘汁腌魚和油炸車前草的炸魚和薯?xiàng)l。有人試吃了后，感覺(jué)味道還不賴！人類可能根本就想不到這種菜譜。

　　非人類智能不是問(wèn)題，而是功能。AI的主要優(yōu)點(diǎn)就是它們的異類智能。AI思考食物的方式與大廚不同，從而也能讓我們以不同的方式思考食物，思考制造材料、衣服，思考金融衍生物，或是任一門類的科學(xué)和藝術(shù)。人工智能的異類性對(duì)我們的價(jià)值將比其速度或力量更大。

　　AI將幫助我們更好地理解智能。過(guò)去，我們會(huì)說(shuō)超智能AI將駕駛汽車，或是在國(guó)際象棋大賽上擊敗人類。而一旦AI做到這些事情，我們就覺(jué)得這些成就并不足以稱之為真正的智能。AI取得的每一次成功都重新定義了自己。

　　但我們不只是在重新定義AI的含義，我們也在一直重新定義人類的含義。在過(guò)去60年中，隨著機(jī)械加工復(fù)制了我們?cè)詾橹挥腥祟惥哂械男袨楹湍芰?，我們不得不改變之前將人類與機(jī)器區(qū)分開的看法。隨著更多種類AI的發(fā)明，我們將被迫放棄更多被視為只有人類具有的東西。我們將在接下來(lái)的十年或一個(gè)世紀(jì)中面對(duì)一場(chǎng)永久的身份危機(jī)，不斷追問(wèn)人類存在的意義。最諷刺的是，日常使用的實(shí)用性AI帶給人類最大的好處不是增加了效率，帶來(lái)了豐饒經(jīng)濟(jì)，或是進(jìn)行科學(xué)研究的新方式，而是幫助定義人類。我們需要AI來(lái)告訴我們是誰(shuí)。