2
| 本文作者： 劉家欣 | 2016-03-16 11:22 |
剛結束的人機大戰上，AlphaGo的表現使得人工智能（AI）成為熱門話題。人工智能最終會發展成為新的物種，而人類變成地球的邊緣物種嗎？還有多久，人工智能將會擁有超越人類的智慧？《Rolling Stone》雜志作者JEFF GOODELL對此問題作了深入探討，以下是雷鋒網對原文的翻譯：
「歡迎來到機器人幼兒園」。
Pieter Abbeel 打開機器人研究室的門，進入了這個位于加州大學伯克利分校北部的新建筑。這個實驗室顯得很凌亂：自行車隨意地倚靠在墻角，「學生」們在一個個小隔間內以各種姿勢坐著，講臺上的白板寫著各種令人費解的公式。Abbeel 是一個精干的 38 歲中年人，典型的美國工科男打扮：牛仔褲，稍大的 T 恤。在 2000 年，他從比利時來美國斯坦福大學讀博士，現在是世界著名的機器人學習專家。但首先，他必須教會機器人學生們最基本的「思考」能力。
「這就是我把這里成為幼兒園的原因」，他風趣的說。
然后他向我介紹了 Brett 。這是已破產的硅谷機器人公司 Willow Garage 生產的一個身長六尺（1.8 米）的人形機器人。七年前，實驗室購買了 Brett 并長期對其進行試驗。Brett 僅僅是實驗室機器人中的一員。在另一個小隔間內，一個沒有名字的半米長機器人通過繩索掛在椅子上。在地下室內，還有還有一臺工業機器人在盒子內日復一日地做著同樣的事情，目的是研究機器人的自學能力。穿過一條大街，還坐落著另一個伯克利大學的另一個實驗大樓，一個外科手術人形機器人正在試圖用「手」把一塊肉夾起來。旁邊則是一名博士生在試圖教會無人機如何圍繞一個物件飛行，他對我說：「我們并不希望這些無人機在天上發生交通事故，所以我們正努力賦予他們視覺識別能力」。
在工業領域，執行特定任務的機器人已經不足為奇：把機械手向左移動 6 英尺，抓起模塊，向右轉動，把模塊放到另一平臺上。這個動作每小時可以重復 300 次。但這樣的機器人并不智能，和割草機其實沒有本質區別。但最近幾年，機器學習領域有了顯著的突破，不斷研究出來的新算法已經可以粗略地模仿人類大腦，并有簡單的自我學習能力，這使得機器人學習怎么說話和識別圖案成為可能。Abbeel 的目標是讓機器人成為真正意義上的智慧，不限于特定領域，且可以通過自我學習不斷提高。
顯然，對于這個目標，他還有很長的路要走。「現在的機器人甚至連兩歲小孩的智力都達不到」，他說。例如，Brett 曾經試圖學習過一些簡單的任務，像疊衣服或打結，對于人類來說，這再簡單不過，比如認出在桌子上皺巴巴的一條棉布其實是毛巾，對于機器人來說則困難無比，沒有人類靈敏的感官，也沒有對于物質的感性認識，最重要的是，它們對于什么是「毛巾」沒有概念——它們看到的只是桌子上一團彩色的布而已。
為了解決這個問題，Abbeel 從小孩子學習中得到了靈感，創立了一個自我學習理論，使機器人在學習時，通過不斷地試錯，從而逼近最終的正確答案。現在，當 Brett 試圖疊毛巾時，他的做法和小朋友是類似的：用鉗子手把毛巾夾起來，用視覺識別觀察毛巾的形狀，思考折疊毛巾的步驟。這聽起來很蠢，但換個角度，人形機器人已經學會如何自學疊毛巾了。
聽起來令人毛骨悚然——一個有自我意識的人造人。而他們的進化速度正越來越快。什么時候他們將超越我們？如果一個機器人可以自己折疊毛巾，終有一天，他可以幫你煮飯，做手術，甚至發動戰爭？人工智能也許將為人類解決很復雜的問題，如治療癌癥及解決全球氣候變暖問題，但同樣，他們也有可能擔任破壞者的角色，電話推銷，監控人類，竊取人類隱私等等。基于此，出現了一個更大的問題：機器人會有一天能夠獨立思考，表達感情嗎？這恐怕沒有人能給出確切答案。人工智能在眾多科技領域之所以如此特殊，就在于此，機器人對于人類來說，很可能不僅僅是一個「工具」，我們站在新生活的臨界點，迎接我們的將會是革命性的科技突破，還是人類生存的巨大威脅，我們不得而知。
管他呢，革命的車輪已經啟動。去年夏天，伯克利分校團隊在一個類人形機器人上安裝了一個短期記憶系統。計算機科學專家 Sergey Levine 是這個項目的負責人，自稱這是個奇怪的項目。為了測試機器人的記憶，他們給機器人下了一個命令：讓機器人把釘子放到左右兩個洞中的一個。然后，他們把機器人的記憶數據清空，讓機器人重復放釘子的動作。令他們驚訝的是，機器人竟然準確的放進了之前的洞里。沒有了記憶數據，機器人是如何做到的呢？最終，我們明白了，在第二次執行命令時，機器人已經想出了如何用自己的方式執行命令。「這太讓人驚訝了」，Levine 說。
Abbeel 把我帶到了他的辦公室，這是一件沒有窗戶的小隔間。他在里面告訴我，有一家名叫 DeepMind 的人工智能創業公司在 2014 年被谷歌以 4 億美元收購（譯者注：應為2013年）。幾年過去了，DeepMind 研發的人工智能在玩主機游戲方面已經超過了人類。但更令人驚訝的是，他們并沒有為特定的游戲編寫程序。這和擊敗象棋冠軍的深藍不同，深藍僅僅針對國際象棋做了優化。而 DeepMind 的人工智能所知道的，僅僅是要得到盡可能多的得分而已。這里運用到的主要是深度學習的技術，簡單來說，當電腦做對了什么，就給他一個「好」 的反饋，電腦通過不斷在游戲中試錯，最終掌握游戲規則及高分技巧。
這引起了我的好奇心，研究人員在 Abbeel 的實驗室里決定嘗試一個增量學習算法的試驗，希望能夠成功的教會機器人跳躍，跑步及游泳。讓他玩主機游戲如何？出乎他們的意料，這個名為「信賴域策略優化」的算法玩游戲竟然能媲美 DeepMind 公司的算法。換句話說，信賴域策略優化擁有廣泛學習的能力。「我們發現信賴域策略優化算法能夠在游戲中擊敗人類」，Abbeel 說，「不僅僅是教機器人走路」。
Abbeel 放了一段視頻。畫面的中心是一個機器人模擬裝置，在一個開放的框架內。你可以看到一個機器人臥倒在黑白格子地板上。「現在記住，這里采用的是與剛剛視頻游戲相同的算法」，他說，機器人被賦予了三個目標：盡可能快地跑動，不要用腳大力地踏地，保持你的軀干在一定高度上。「它不知道什么叫走」，Abbeel 說，「它對于腳和手也沒有一個具體的概念，它只有這些目標，并盡可能利用四肢達成這些目標，我們看看它是怎么做的」。
Abbeel 按下了按鈕，模仿裝置就啟動了。機器人在地板上笨拙的掙扎著，讓人摸不清頭腦。原則上說，它可以決定自己是走路，是跳躍，還是邊走邊跳。Abbeel 說，但算法的即時學習機制，是機器人會以最合適的方式前進。機器人會分析先前的動作，判斷下一步應該做哪個動作，才能使自己擁有更好的前進速度，而這一切會被記錄下來，以供以后遇到類似的情況參考。不久后，機器人步履蹣跚，想一個醉漢一樣向前進。前進，摔倒，爬起，在走幾步，如此循環反復。但漸漸地，它似乎找到了走路的正確方法，甚至開始「跑」這一動作——盡管過程還是跌跌撞撞。當然，機器人并不會理解「跑」是一個怎樣的動作。程序里并沒有對「跑」下一個準確定義，盡管如此，機器人還是走得越來越快，其速度正如正常人理解的「跑動」一樣。機器人終于克服了復雜的平衡難題，靈活地運用四肢進行運動。這使我非常震驚，就像看到一條魚在 40 秒的時間內進化成人。
「喔，這機器人走路惟妙惟肖的，幾乎和真人一模一樣」。我驚嘆道。
Abbeel 笑了，「幾乎」。
除了科幻小說及電影，真正的人工智能可不是流淌著藍色血液的人造人。他們是算法——即解決具體問題的數學方程（相當于為機器人炒菜準備的食譜）。算法在 21 世紀的重要性相當于 19 世紀的煤：都是各自時代的經濟助推器及現代生活的燃料。如果沒有算法，你的手機連打電話都不行。Google，Facebook，Amazon等科技巨頭沒有了算法，就像大廈沒有了根基。
Google Deep Mind團隊Demis Hassabis
數學算法已經存在了數千年之久，現代的計算機模型也是根據算法創立的。數據輸入，電腦黑盒處理，然后算法輸出運算結果。當然，現在的科學家們把算法玩出了新花樣，試圖讓計算機自己寫代碼。假設你想控制直升機的升降，你必須寫一個算法給予計算機關于直升機控制的信息（又稱輸入數據），然后你告訴計算機你打算讓直升機如何飛行，以何種角度飛行。接下來，好戲開始，計算機將輸出自己的算法，告訴直升機具體的飛行步驟。這就是所謂的機器學習，人工智能背后的重要步驟：如果一個機器可以教會自己控制直升機起降，那么它也能教些別的什么。比如在 Tinder（美國陌陌）上找到真愛，或者在你對 iPhone 說話時識別出你的語音，更甚之，可以創造出終結者里面的天網系統。正如DeepMind 聯合創始人 Demis Hassabis所說： 「人工智能就是一門讓機器變聰明的科學」。
毫無疑問，我們現在的生活被各種智能設備環繞。當你使用谷歌地圖時，算法會根據你的位置及目的地自動繪制行走路線，當你使用谷歌語音，識別你聲音的是一種叫做神經網絡的算法，這種算法專門用于把聲音轉換成文字，把環境中的其他聲音過濾掉，并理解你的問題 。Facebook 通過不斷掃描上傳的圖片并識別敏感內容，把不允許出現的內容派出在外。
是什么促進了萬千智能設備的發展？生命的出現花費了地球 30 億年的時間，泥漿最終演化成了更高級別的智能。與此相反，計算機在 60 年的時間內瘋狂進化，一塊硅晶體最終成為一輛能夠自動在城市中通勤的汽車，或是可以在一堆人中認出某張臉的機器。在過去的每一個星期中，計算機領域都在產生新的突破：一月，DeepMind 公司的算法機器人擊敗了歐洲的圍棋冠軍，圍棋是起源于中國的棋類競技項目，復雜性遠高于國際象棋。當然，人類的不懈努力一手推動了世界的不斷發展，但我們是否已經到了一個機器人爆發的拐點？我們將創造出一種新的物種（機器人）嗎？還要多久，機器人的智慧才會超越人類？
谷歌的未來主義大師 Ray Kurzweil 提出過一個廣為人知的「奇點」理論， 認為在未來的某一時刻，硅基生物（計算機）的智力將超越碳基生物（人），生物進化的平衡將被打破。「不遠的未來，我們的思考將會交給云計算完成」，幾年前的科技會議上，他這么說。他甚至預言了「奇點」到來的準確時間：2045 年。最近一次并不正式的會議中，Tesla 和 SpaceX 創始人埃隆馬斯克認為發展人工智能將「召來惡魔」。盡管會議結束時，他告訴我他的言論可能有夸張的成分，他說，「人工智能的快速發展將招致一系列的問題，我們應該重新思考人的位置，并始終將發展人類文明作為第一要務」。正如他所指出的，機器已經滲透到人類生活的方方面面，「我們的生活已經完全電子化，把你的手機關機一天，你就明白我在說什么了」。
通常認為，只有邪惡的強人工智能才能對人類產生威脅，霍金則給予了不同的看法。「真正威脅人類的并非人工智能的邪念，而是他們的能力。一個強人工智能可能足以完美的完成他們的目標，但如果他們的目標與我們的利益并不一致，我們就麻煩了。你也許對于螞蟻并沒有惡意，但如果你管理著一個水利發電站，而一個螞蟻窩可能破壞發電站的設施，你不得不把螞蟻窩干掉。將來，我們很可能就扮演者螞蟻的角色」。
除了我們能夠想象的人工智能的用處，未來的強人工智能究竟扮演者什么樣的角色，我們還只能從科幻小說中尋找答案。「現在」，Facebook 人工智能研究小組主管 Yann LeCun 說，「人工智能的智商相當于小老鼠」，這話沒錯，IBM 花了數年時間及數百萬美元的經費制造了 Watson ，在 2011 年的一檔美國智力競猜游戲《危險邊緣》中，Watson 利用「認知計算」擊敗了最聰明的人類選手。Watson 可以以每秒 8 億頁的速度閱讀資料，并且能夠將整個維基百科的數據保存到本地隨時參考，甚至能夠查閱到數十年前的醫療及法律學術期刊。但他并不能夠教會你騎單車，因為他的用處十分狹隘——它對于世界的真正運行規律一無所知。
目前，最為成熟的人工智能程序位于西雅圖，但它甚至不能理解「人類呼吸空氣」這樣的句子。要理解這句話，你需要對世界有一個比較完善的認識，這是目前的人工智能所缺乏的。甚至給這些單詞做一個詳細的定義，人工智能也不知道呼吸對于人類生存有至關重要的作用，人類呼吸的頻率是每分鐘一次還是一生呼吸一次。即使是廣受好評的 Skype Translator （可以讓兩個人實時的使用不同的語言進行視頻聊天，并顯示翻譯），距離真正完善還有很長的路要走。
這并不是說，智能機器上位的風險并不存在，《終結者》里出現的天網系統在未來也有可能威脅人類的隱私安全。以攻擊型無人機為代表的自動化武器，在未來無疑有可能通過面部識別等技術殺人于無形。但對于人類族群來說，這還算不上什么威脅。就像現在，突然出現一名北朝鮮的黑客開發出無敵算法，賦予金正恩統治世界的能力，這顯然屬于無稽之談。在這種語境下，人工智能不像 iPhone ，只需要開發應用程序就可以直接運行。更多的，它接近于創造互聯網本身——有些只能靠時間來完成，而帶來的益處會隨時間遞增。斯坦福大學教授，目前就職于百度的吳恩達最近告訴我：「擔心人工智能毀滅人類就像擔心火星人口過多一樣——目前來講還為時尚早」。
事實上，對機器人威脅的過分夸大，最大的問題在于錯誤的估計了機器人對于未來的真正影響——底層工人被機器人所代替，面臨失業危機，戰爭中對于自動武器的過分依賴，造成黑客權力過大，這些才是我們需要擔心的。人與人之間的關系愈發疏遠，人每天與機器溝通的時間甚至超過了人，藝術家被精妙的算法取代，這些都是我們更應該關注的現實問題。而人工智能時代，人類還面臨更為嚴峻的隱私挑戰，不僅僅是無人機可能進入你的私宅，大公司權力的空前強大更是我們需要擔心的問題。正如科研機構 Institute for Ethics and Emerging Technologies 主管 Marcelo Rinesi 所言，「未來不是機器人統治人類的時代，未來是機器人無所不在，并知道你一切隱私，不斷想你推送廣告的時代」。
當然，這句話有些偏激，我們應該承認，萬物互聯的人工智能將給人類帶來無窮的福祉。包括 DeepMind 團隊的 Demis Hassabis 在內的大多數研究人員相信，如果我們賦予機器以智能，它將會幫助我們解決一些大問題，包括絕癥治療，健康檢測等方面，而不僅僅是個保姆，就像科學家們利用計算機解決物理及數學問題一樣。微軟的 Eric Horvitz 看到了人工智能更重要的意義：「人類的最大困惑，在于人腦自身究竟是如何運作的？做一個類人形機器人對于了解人類自身有重大的意義。只有理解了人類的運行規律，人形機器人才成為可能」。
每一次的技術革命都會引起部分人的恐懼，但恐懼的背后原因各不相同。在工業革命時期，英國的紡織工人暗中破壞織布機，因為他們害怕這臺機器將搶了他們的飯碗。（事實卻如他們所料）這樣荒誕的故事在電氣革命時再次重演，很多人相信在家里埋電線會導致精神失常（事實并非如此），因此拒絕接通電線。到了 20 世紀 50 年代，電氣廠商甚至擔心自家產品被核能產品所取代。
長期以來，人們對于人工智能的夸張想象總是極大地超前于現實科技。 1958 年，世界上第一套神經網絡模型「感知器」問世，有關這個模型將模仿及獲得人類知覺的新聞見諸報端。隨后的 60 年代，人工智能之父 John McCarthy 為五角大樓獻上了一份報告，他認為，一套真正可用的人工智能系統需要十年的時間搭建。現在是二十一世紀，我們知道這件事并沒有發生，更出人意料的是，關于人工智能的研究在 20 世紀 70 到 80 年代出現了停滯，科學家稱之為「人工智能的冬天」。
又一個十年過去了，冬去春來。計算機運算能力的突飛猛進，價格的迅速下降給了人工智能強大的硬件基礎。同時，一種名為圖形處理芯片（GPU）新型的芯片問世，這種芯片一開始被應用在游戲領域，令人意外的在神經網絡領域產生了巨大作用，GPU 可以為神經網絡節點的連接提供數百萬次每秒的運行速度。
另一項革命性的突破在于大數據。機器的智慧，就像人類的大腦一樣，需要一個學習與提升的過程。人類的大腦，除了基因內預設的物件分類以外，后天對于各種物體的感性認識也是很重要的經驗。在與貓和狗長期相處并觀察后，人類才分清了兩者的區別。對于機器學習來說，后天學習的重要性更甚，DeepMind 公司在圍棋及游戲領域的突破全靠數千次的練習而得。每次練習，機器對于世界的認識會進一步加深，這就是機器的學校。大量的數據基礎，TB 級的數據量，數十年的搜索乃至整個數字世界的數據都在為人工智能的智慧添磚加瓦。
在過去，「創造一個能思考的機器」這件事情，大多是哲學家及計算機科學專家們的學術研究。「與以往最大的不同在于，今日的人工智能真正投入了商業世界運行」，Facebook 人工智能團隊 LeCun 這么說。包括Facebook ，IBM，微軟公司在內的科技巨頭都或多或少在自家產品上運用了這一特性。大公司給了研究人員充足的資金，讓人工智能的研究有了足夠的商業動機。現在的科技巨頭們，都擁有一批精于算法的技術天才及海量的用戶數據。谷歌為什么能夠建立起一個如此成功的廣告平臺？精妙的廣告投遞算法對此功不可沒，它給你推送的都是你最有可能點擊的廣告。對于廣告的點擊率，每提升 0.5 個百分點，谷歌每年就會多出 5 百億美金的收入，這也解釋了谷歌為何不斷致力于提升廣告投遞算法。而這都以來與機器學習，在這一領域，蘋果，微軟，谷歌甚至像 Dropbox 這樣的云服務提供商都花費了大量的人力及金錢。
另一個競爭激烈的戰場是語音識別。語音識別在商業領域的最終目標是，讓機器與人的溝通像正常人一樣自然，這與強人工智能相比 ，難度大幅降低，而同樣擁有重要意義。「語音溝通將成為與觸摸屏幕同等重要的交互手段」，吳恩達曾斷言。谷歌與蘋果公司為了提升個人助手的實用性，一直在大肆收購硅谷的人工智能創業團隊，同時，人工智能對于無人駕駛技術也有重要意義，無人駕駛技術在未來的普及無疑會極大地改變城市的形態。不妨試想，一個不需要私車停車場的城市將節省下多少公共空間。「人工智能在近幾年成為了最時髦的科技詞匯」，舊金山企業家 Jason Calacanis 這么對我說，「最近幾個月更甚，幾乎所有的硅谷創業者們在對風投講故事的時候都會把自己的產品與人工智能扯上關系」。
這種對于人工智能被濫用的反感并非全無道理。以人工智能目前的水平，能做的無非是識別圖片中的小貓，識別你語音中的關鍵詞而已。但人類的直覺很難用算法表現，視覺識別同理。人工智能在圍棋領域的突破并沒有太多的實際意義。在人工智能擁有獨立思考能力之前，任何對于人工智能統治世界的擔憂都是杞人憂天。把人工智能訓練的像人類一樣擁有直覺及自主學習能力，科學家們還有無數的彎路要走。
「我們突破了一堵墻，我們已經摸清楚了視覺識別的門路」，LeCun 說。「好消息是，我們知道下一步該如何走，而我們相信這確實有用，但當我們以 50 邁的速度在霧中飛奔時，一堵結實的墻可能隨時會出現在正前方。當然，目前我們還開心地行駛著」。
48 歲的麻省理工物理學教授 Max Tegmark 留著一頭凌亂的蘑菇頭，為的是讓自己看起來年輕些。在他位于波士頓的兩層樓高郊區別墅中，起居室空空如也，只在墻上掛著鴨子和土撥鼠的圖片。作為最負盛名的物理學及宇宙學家，Tegmark 性格乖張，不走尋常路線。他的平行宇宙理論廣為人知，大意是，存在著無數個永不相交的宇宙，但并非每個宇宙都遵循我們已知的物理學定理。這是對于宇宙模型諸多解釋中被廣泛接受的一個。但 Tegmark 對于人工智能的狂熱程度更高，幾年來，他頻頻發聲，提醒人們應該警惕失控的人工智能的可怕。
在剛剛過去的夏季中，我們在他家的餐廳內共進了晚餐，聊了人工智能的未來及他在 Future of Life Institute （生命研究所）的工作。他是這家公司的聯合創始人，他形容這家公司是「志愿者經營的研究和宣傳組織，致力于減少人工智能的潛在風險」。盡管這家機構擁有霍金這樣的名人擔任顧問，這家機構主要還是以 Tegmark 的朋友及同事為主，他們每幾個月在 Tegmark 的起居室內見一次面。這家機構由 Open Philanthropy Project（開放慈善項目）贊助，馬斯克也捐助了 1000 萬美金，主要研究如何更好地利用人工智能，以及教育大眾科技的好處。我們共進晚餐的幾天后，這家機構在紐約時報及華盛頓郵報上發表了一封公開信，警告民眾應提防自動化武器的危害。「如果有哪個大國將人工智能用于軍事用途，那么，全球的軍備競賽幾乎是不可避免的」，信中強調。「自動化武器將成為明天的 AK 47 」。這封信得到了 2 萬人的聯名，包括霍金，埃隆馬斯克，蘋果聯合創始人斯蒂夫·沃茲尼亞克，諾貝爾獎得主 Frank Wilczek 。
2015 年一月，Tegmark 針對人工智能的潛在威脅召開了第一次重要會議（這與 Tegmark 的物理學，計算機科學博士身份沒有太大關系，相反，參加會議的都是哲學家，企業家，科幻小說作家及其他人工智能專業以外，并對于人工智能有擔憂的人士）。這個會議在波多黎各舉行，為期三天，包括埃隆馬斯克在內的各行業精英云集，形式上模仿 1975 年關于重組 DNA 風險的阿希洛馬會議，后者對于人工合成及轉基因的發展有著重要影響。出席者們主要討論了人工智能何時會達到或超越人類的智力。以吳恩達等眾多人工智能先驅為首的一方認為，這還需要數百年的時間，而馬斯克及伯克利大學計算機博士 Stuart Russell 則認為，實際時間遠快于人們所預計的。最終，各方預計時間的中位數是 40 年。Tegmark 說。
和霍金的態度相似，Tegmark 并不認為超級人工智能將是邪惡的甚至危險的。「我們必須保證人工智能的利益與我們相一致。如果你擁有一輛無人駕駛汽車，你跟它說，送我去機場吧，越快越好，于是汽車人開始飆車了，你如愿及時趕到了機場，但瘋狂的車速及過彎使你吐了一地，你抱怨道，有必要那么快嗎？這不是我要的。汽車回復，不是說好的越快越好嘛。
Tegmark 認為現在是思考這個問題的良好時機，畢竟人工智能何時到來，我們并不清楚。有可能要一百年以后，才會有強人工智能的廣泛應用，也有可能僅僅花了十年。他舉核能為例，想想初次核爆炸時發生了什么，他說，科學家初次接觸核能時，也對其潛在的負面影響感到擔憂，但如今，世界不是因核能的廣泛應用變得更美好了？
無論你去到那，總會有一部攝像機正對著你。他們藏在街角，無人機云臺，還有世界上四十億智能手機上。在 2012 年，FBI 花費了十億美金，啟用了次時代的辨認系統，這是一套識別算法，能夠對圖像上的人臉，指紋，虹膜等人類體征進行辨認，用于監控數百萬的美國人，在律師事務所里強制推行。
但這件事情基本不可能，至少很難高效地執行下去，除非 Yann LeCun 出手幫忙。在人工智能領域， LeCun 就像一個搖滾明星一樣受歡迎，在人工智能研究的早期，他與其他二人組成的小組奠定了算法識別圖像的基礎。LeCun 并不熱衷于為 FBI 服務，相反，他是公民隱私權的捍衛者，但這一切無關緊要，技術是中立的，一旦被發明出來，用在哪里就不受科學家們控制了。
最近些天，Lecun 一直呆在 Facebook 位于曼哈頓中心的辦公室中。這是個開放型辦公室，大約有一個籃球場那么大，有一堵墻上擺著大大小小的監視器。Lecun 的人工智能實驗室在辦公室的角落里，20 多名研究人員混跡在 Facebook 員工之中。（他的實驗室還雇了另外的 25 名研究人員，但分布在硅谷及巴黎）LeCun 在一個長桌子上辦公，與團隊成員們并肩而坐。如果他把視野望向窗外，他甚至能看到 IBM 開發 Watson 的大樓。
初次見面，Leun 穿著 Polo 衫及牛仔褲，一幅典型的美國教授打扮。他在巴黎長大，但僅僅只有法國口音留下了這段記憶。「我擁有宗教分子所鄙視的一切特質：一個科學家，一個無神論者，典型左派（至少按照美國的標準如此），一個大學教授及一個法國人」。在他的個人網站上，他這么寫道。他有三個小孩，每到周末他就會陪著小孩們玩模型飛機。
LeCun 是深度學習的先驅人物，而所謂的深度學習，通常被視為機器學習的更高層次，也是人工智能的重要一步。在 1980 年，他還在讀本科時，他便開始研究 1958 年的「感知器」及神經網絡，神經網絡算法允許機器理解事物，就像人類通過圖片及文字了解事物一樣。神經網絡得名于對人類腦神經結構的模仿，算法通過一個有一個的神經節點，統計分析輸入對象（可以是任何東西，包括圖像，數字，音頻）。
雖然神經網絡得名于人類的腦神經，但 Lecun 并不認為神經網絡在企圖模仿人類的生理構造。「至少這與最新的神經學研究成果無關」，他說，「這僅僅得名與神經的最初概念，如果你想造飛機，你會試圖從鳥兒身上獲取靈感，即使你不知道小鳥的生理結構，你只需它們是通過扇動翅膀飛行。但造飛機與鳥兒的生理結構就沒有太大關系。飛機的創造來源于鳥兒，但對于小鳥細致入微的生理構造解剖與造飛機并無太大幫助」。
在 LeCun 看來，想通過研究人腦內部結構推進人工智能發展的想法簡直錯的離譜，包括歐洲花費 10 年時間，13 億美金進行的人類大腦計劃，這個計劃希望能了解并在超級計算機上模仿人類 860 億個神經元，100 萬億個神經突觸，實現人工智能的飛躍性發展。「他們認為，只要搞清楚了 860 億個神經元的各自功能，并在一個足夠龐大的網絡上模擬出來，人工智能就成型了。我想」，他說，「這未免太瘋狂了」。
從新澤西州的貝爾實驗室辭職后，LeCun 在紐約大學教了十年書。到了 2013 年，馬克扎克伯格將其招至麾下，但允許他在紐約大學繼續兼職做研究。「 Mark 對我說，Facebook 已經十年了，我們把眼光發到了接下來的二十年當中：未來人們在數字世界的交流會變成什么樣呢？LeCun 回答，他一直堅信，未來人工智能將在社交網絡中扮演舉足輕重的角色，是人與人之間交流的粘合劑。然后有人告訴你，創造一個研究機構來做這件事吧，這確實很難拒絕。
LuCun 并沒有透露 Facebook 在人工智能領域究竟投入了多少資金，但通常認為，Facebook 人工智能團隊的野心和規模屬硅谷之最。我們大多數的人工智能研究集中在理解人們分享的內容上，扎克伯格在自己的主頁問答板塊這么寫道，例如，如果你上傳了一張照片，照片中有你的朋友，我們必須確保你的朋友也能看到這張照片。如果你發的是一張狗狗的照片，或是政治言論，我們也應該想辦法把對這條消息感興趣的人聯系起來。為了更好地完成這項任務，我們的目標是建立一套人工智能系統，用超越人類直覺的精準度分辨這些消息：圖片識別，音頻識別等等。一月，扎克伯格宣布，他們在 2016 年的挑戰是，建立一個簡單的人工智能，用在自己家里，以期更好地幫助他們完成工作。你可以把這套系統看成是鋼鐵俠的賈維斯，他寫道。
LeCun 說，人工智能在 Facebook 廣泛應用的絕佳案例是 Moments ，這是 Facebook 旗下的臉部識別應用，可以幫你找到手機里面朋友的照片并允許你發給他們。但不僅如此，弱人工智能在這家公司有著廣泛的應用。
除了這些花哨的小玩意兒以外，LeCun 明白，距離真正的強人工智能，現在僅僅走出了微小的一步而已。即使是被認為已有大幅進步的圖像識別，仍然面臨著諸多問題：人工智能程序對于物體形狀，反射，像素級差異過分敏感。但最主要的障礙來自于「無監督學習」。現在，機器學習仍舊依賴于人的大量參與。具體來說，機器需要識別數千張照片，然后人類把這些照片上的物體標記為貓，機器再次見到含有貓的圖片時才有可能認出來。還有一種不太常見的方法是「強化式學習」，這種學習方法是給計算機提供一個大致的小貓特征，并通過不斷的一張一張照片，告訴電腦哪張是貓片，那張不是。而「無監督學習」與這兩者都不同，它不需要一遍又一遍的反饋和輸入，而是通過類似于人的直覺，「這是人類學習的方式」，Lecun 說。我們看到物體特征，舉一反三，然后將知識放進我們的經驗庫里，「這是我們必須撬開的一扇鐵門」。他說。
如果我給你看一部電影，在播放時突然暫停，然后問你下一秒會發生什么，你大概很容易猜的出來。 LeCun 說。一架飛機即將在空中墜落，你基本不用知道太多理論知識，就能判斷接下來的畫面，但如果是一個復雜的謀殺案，然后我問你電影里誰才是真正的殺人兇手，影片最后的結局是什么，你大概就得動動腦子了。他說，預測是智慧的本質，我們應該如何做，才能做出一個能夠預測電影接下來劇情的計算機呢？不要說預測兇手了，就是理解這個世界是立體的，擁有諸多物理限制，能夠預測飛機的墜落，在目前仍舊是一件困難的事情。
所幸，LeCun 找到了一種可能的解決方法， 把所有 facebook 上的內容全部標記為矢量，這意味著計算機僅需保存一個數據點的空間，「我們使用的典型向量相當于一張圖片里涵蓋 4000 個維度」。他說，「所以，基本上，4000 個數字就可以描述一張圖片」。向量可以描述圖片，文本甚至用戶愛好。每減少一個數字，計算機搜索及存儲的壓力都會下降一分。如果一個人的興趣愛好用向量表示，在把向量與圖片向量進行比對，找出最匹配的圖片，那么這個人很可能會喜歡這張圖片。「最主要的，它減少了幾何運算量」，他說。
對于那些恐懼人工智能的人，LeCun 認為他們看得太遠了。他相信智慧機器將擁有人類的感情及野心是謬論，「人類擁有生存的本能，繁殖的渴望及減輕痛苦的想法，這也是人類大多數邪惡念頭的根源。我們沒有理由相信機器人會有類似的想法，除非我們刻意這么設計。但他們也許會有同理心，會剛同深受人類的痛苦，因為我們會朝這個方向努力。那么問題來了，我們應該如何設計機器人的底層驅動及行為，讓他們可以為我們所用，而不是試圖取代我們呢」？
當我走出 Facebook 大樓時，我對于這座擠滿各類精英的辦公室肅然起敬——這是一個由人與機器共同筑造的帝國。很難想想未來會有什么不同，盡管機器人變得復雜多變是必然的。著名計算機教授兼非虛構作家 Jaron Lanier 說過：「算法是由人類設計及研發出來的，它也反映了創造者們的偏見」。無論好壞，無論對錯，我們的未來都會由我們自己創造。套用一句古老的諺語總結：人類，長路迢迢。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
