目前，在一般智能方面，包括常识推理、创造性思维及语言能力等方面，机器远远不如人类。不过不少人认为：机器终有一天会变得超级聪明（比人聪明许多），即是说机器拥有超级智能。
英国著名的思想家和哲学家尼克.波斯特洛姆撰写了一本叫《超级智能》的畅销书。书中提出了到达超级智能的五条可能路径：人工智能、全脑仿真、生物认知、人机交互，以及网络和组织。作者评估了每条超级智能实现路经的可行性并讨论了一些可能的做法、风险和应对方法。基于目前存在着多条可能的技术路径，作者乐观估计最终能够实现超级智能的可能性很大。
本文将简单介绍该书作者的基本观点以及本人的看法。
人工智能路径
作者提出的第一条路径就是一般意义上的人工智能路径。主要有两种做法：纯粹人工设计的方法及借助于人脑机理的模型。
人工设计
人工设计的方法包括软硬件，其中软件起主要的作用。主要技术途径是在足够快的计算机上运行遗传算法，以得到类似生物进化的结果。表面来看这个独特的途径也许工作，因为靠生物演化，自然界已经得到了得瑟的人类，当然所耗的时间是以亿年计的。所以各位看官大概也看出：要使这种方法修得正果，计算机要足够快。目前的计算机水平远远没达到可以处理这种超大生物数据及遗传算法的能力。那么未来呢？如果没有超摩尔定律（摩尔定律是指：大约1～2年，计算能力可以大一倍）的技术进步出现，短时间内计算能力还会处于严重不足的状态。有了足够的计算能力后，需要多少时间进行演化计算以及最终能否得到超智能的机器，把握并不是很大。这里面还有幸运巧合的问题。想想宇宙大约有10的31次方的星球，已知只有地球通过基因复制和进化得到智能生命，大家也许会泄气的（或者舒一口气的）。
借助于人脑机理的模型
另一个比较靠谱的人工智能方法是借助于动物及人类大脑的研究成果，首先构造一个模型，比如说基于人工神经网络的模型。在此基础上进行演化或学习，计算量可以比前一个技术路径少很多个数量级。可能的模型包括任何介于全脑仿真（下面要谈的另一种可能制造超级智能机器的途径）和只进行功能模仿的模型。这些方面的研究异常活跃，真可谓是百家齐放。脑神经科学家、心理学家、计算机科学家、生物学家、数学家等等都在做出贡献，特别是人工智能专家更是上下其手，忙得不亦乐乎。最近基于多层人工神经网络的深度学习大热，人们从阿尔法狗围棋比赛获得的胜利中得到诸多鼓舞。虽然基于神经网络的人工智能的研究进步有目共睹，我们也不能过于乐观，前进的道路上还是布满荆棘，离造出具有一般人类智能的机器还相差甚远。
一个主要难点在于我们对人脑的认识有限，包括其结构、学习机理及知识处理，未来能有多大进步还是未知之数。不过许多人工智能专家认为：我们不需要完全模仿人脑，只要在功能上模仿了，就算大功告成。在这方面，过去成功的例子可以给我们壮胆。比如，在飞机的设计上，我们并没有模仿鸟类振翅的方法，飞机比鸟类更大、更强，飞得更远。再比如，我们的地面交通工具都用轮子，跑得又快又轻松（司机也应该不会很累），放眼生物界，我们还没有发现什么动物是用轮子移动的（人和动物从坡上滚下来不算）。不管白猫黑猫，只要能抓住老鼠就是好猫。
机器的自学习机理将是研究重点。实际上这东西不算新，图灵在1950年就提出了有关“儿童思维机器”的理论：
一个相对固定的结构，通过积累内容来发展内在潜力，大概像小孩通过学习及成长经历成为更有能力的人那样。
——“儿童思维机器”理论
根据图灵的“儿童思维机器”，人们提出了一个“种子人工智能（seed AI）”的概念。它不但要能自学习，还要能自发建立新算法及改进结构，以便提高智能水平。这带来了另一个重要概念，即递归自我改良的方法（recuesive self-improvement）。希望这种递归改良升级在延续足够长时间后，突然某个时刻，一场智能爆发发生，超级智能也就应运而生了。
在机器人领域，已经有“小孩机器人”的设想。这些机器人不但能学习，还能长身体，德、智、体、美、劳全面发展。未来的学校可能主要是给机器人上的，因为人类要吗已经不存在，要吗不知活得有何意义，没有心思上学，反正也学不过机器人。
一般认为人工智能不需要模仿人类的心智，另外智能机器也不会被诸如爱、恨、骄傲或其他人类所拥有的情感所影响。在这点上，我有不同看法。我一直认为：没有情感认知和感受的机器终究是一堆机器而已。
在二十一世纪，要想通过人工智能这条路径，产生超级智能机器的可能性不大。
另文会探讨《超级智能》书中论述的另外四条达至超级智能的路径。
（未完待续）
引用声明：文章出自于“池塘”公众号，点击“阅读原文”即可跳转。
（图片来源于网络）
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/277585.html