人們在社會市場上互相需求，大多時候只是需要對方“非人格化”的產(chǎn)品或服務。我們可以接受不發(fā)生感情交流的市場服務，自然也可以接受機器人更好的單項服務

今年高考有一條趣聞：6月7日晚在北京和成都兩地，AI第一次走進高考考場，與人類一爭高下。學霸君推出的Aidam在數(shù)學考試中拿下了134分；成都準星云學科技有限公司推出的AI-MATHS則得了105分。

“AI-MATHS”的“家長”林輝說，研發(fā)高考機器人最大的難點在于，要讓系統(tǒng)準確理解人類語言?！爸苯佑脭?shù)學語言表述的應用題它可以輕松解答，但它最大的弱項是不能理解考題里場景式的描述語言，它會讀不懂題目?！?/p>

這事情有兩種解讀：一是，只要可以轉(zhuǎn)換為計算機語言的考試或比賽，人都比不過電腦；二是，人工智能再牛也不能像人一樣思考。

研究人工智能多年的復旦大學徐英瑾教授就屬于第二類解讀者。他拿家政服務舉例，“如果機器人給一個大知識分子收拾書房，打掃得太干凈，他反而不滿意：‘亂有亂的味道！書房怎么可以弄得這么干凈呢？’但是你不給他打掃，他又不開心了，‘書總歸要碼得整齊一點，蜘蛛網(wǎng)總歸要掃掉吧’。所以，行為的分寸如何把握，是需要人工智能來學習和判斷的。這是需要人類去調(diào)教的?！?/p>

徐教授這話，讓我哈哈大笑。他對智能的理解還固守著“人本主義”思維，就是假設計算機如果想趕上或超越人類的智能，就必須發(fā)展出意識。但真正的科學卻有另一種看法。用赫拉利《未來簡史》里的話說：“想達到超級智能可能有多種方式，并不是每一種都需要通過意識。數(shù)百萬年來，生物進化一直順著意識這條道路緩緩前行，但非生物的計算機卻可能完全不會走這條窄路，而是走向另一條通往超級智能的捷徑?！?/p>

什么捷徑呢？就是避開“模擬人類意識”這一難題，只進行功能分解。赫拉利舉了自動駕駛汽車的例子，社會系統(tǒng)需要的是把人從a點運到b點，而且要最快、最安全、成本最低。就這一點而言，自動駕駛汽車很快就能比人類司機更好，就算它不能享受音樂，也不會因存在的奧秘深感敬畏，又有什么關系呢？

徐教授擔憂，機器人保姆不了解知識分子的“臭毛病”。試問：就算請真人保姆，如果不交代自己“亂有亂的味道”的嗜好，真人保姆就一定能心領神會嗎？

說白了，現(xiàn)代社會是一個抽象社會，近代以來的經(jīng)濟發(fā)展首先就得益于市場分工，誰在專業(yè)上做得最好，誰就受到市場青睞，至于“他是誰”以及“其他技能如何”無所謂。人們在社會市場上互相需求，除了親人朋友等熟人外，大多數(shù)情況下只需要對方“非人格化”的產(chǎn)品或服務，并沒有感情互動的要求。

越是市場化發(fā)達地方的人，越會感覺，提供市場服務的人不是熟人、不發(fā)生情感交流更好，這樣不累，也不會擔心隱私泄露。比如，你在網(wǎng)上買個充氣娃娃，難道希望送貨的快遞員是熟人，或者給你一點使用建議？

我們可以接受不發(fā)生感情交流的市場服務，自然也可以接受機器人提供的更好單項服務。

回看人工智能這些年的發(fā)展，走的也是這條捷徑。傳統(tǒng)人工智能研究采取的是“物理主義+還原論”立場，在圖片識別方面，他們總是想找到內(nèi)存里面與插圖完全一樣的信息來識別，這當然很難。

人工智能2.0就不一樣了，我們只需要“喂養(yǎng)”很多圖片，機器人通過大數(shù)據(jù)+深度學習+神經(jīng)網(wǎng)絡可以慢慢地理解一些圖形的含義。深度學習的核心理念是增加神經(jīng)網(wǎng)絡的層數(shù)來提升效率，將復雜的問題分段分層解決。以人臉識別為例，第一層可以識別局部中的模塊，如一個三角形或者眼睛；第二層再把識別出的眼睛、嘴、鼻子組合起來，看它們的距離和比例關系；依次類推精細處理下去。目前人臉識別已基本攻克。

《三體》作者劉慈欣曾多次表示對主流文學以“人”作為基本尺度的不滿，“文學給我的印象就是一場人類的超級自戀”，而他寫作的科幻文學則試圖“超越自戀”，致力于“體驗更多的東西”。

文/鄺海炎

資深媒體人，著有《快刀文章可下酒》