欢迎关注“创事记”的微信订阅号：sinachuangshiji

人工智能的奇葩状态在于每个人人都说人工智能，但从科学家到程序员其实没人能清楚定义人工智究竟是什么。这概念之所以那么难以清晰界定，主要原因是人类其实还没太弄清楚究竟什么是智能，自然也就无法从它所覆盖的内容来定义究竟什么是人工智能。既然不能由里往外定义什么是智能，那就需要换个思路，尝试从历史、社会、进化论的视角来定义它。

人工智能可以看成是没有欲望与激情的人

一般我们认为促使人生爆发出能量的本源动力有三项：欲望、理智与激情。这三项东西正好可以放在人的进化链条中，即使很早期的动物比如恐龙也会有饥饿感要寻找食物，需要交配来繁衍后代这类欲望，理智则一定要到人这种高级动物才清晰的体现出来，但确实是在大猩猩能用工具，蜜蜂能筑非常精巧的巢穴上这类事情上有所萌芽，而不是突然蹦出来的一种东西。对自然界进行感知、抽象、反思、推理的能力构成了理智，而理智是我们人类智能的基础。

只有理智还构不成我们现在这种复杂多变的社会，所以人还有很不理智比较激情的一面。只有在“为有牺牲多壮志，敢叫日月换新天”这类激情的推动下，人类才会产生自己的价值体系。这是很奇葩的一种状态，即会背离本能的欲望，也会背离一般理智。如果说保护自己的后代而牺牲自己还可以用本能来解释，那写先天下之忧而忧的范仲淹，写为天地立心、为生民立命的张载就完全不能用欲望和理智来解释，除非把这些人都定义成岳不群。这些都可以解释成激情带来的后果，激情构建了某种特别的价值体系，在那种价值体系下，有的东西比个人生死存亡更关键。

基于欲望、理智和激情所产生的一切东西都可以看成是人类智能的结果，针对于欲望的可以是爱情动作片也可以是宫心计，基于理智的可以是下棋或者物理，基于激情的可以是革命和创业。

那什么是人工智能呢？人工智能的终极状态也许是对人类理智和激情所产生的东西的终极复制和超越。短期看则要把激情所带来的那部分智能剔除掉，只是对人类理智部分的模仿和超越。怎么看人工智能都不会有人类的欲望，所以主要由欲望所驱动的领域应该可以成为人类的保留地，机器智能估计到地球毁灭也理解不了为什么很多人会那么喜欢看爱情动作片。

短期内人工智能也理解不了，为什么不同的人在相同的情形下会做不同的取舍，比如：有的人看到老人摔倒会扶，有的人则不会。

所以人工智能如果从外部进行定义，那就就是抽去了欲望和激情的人类。当然它不会像人这样灵与肉紧密的结合在一起，不可分离，而是基于硅和数字来实现远比人类强大的理性能力。它在速度和记忆上具有人所不可能具备的优势，一旦这种优势与高度发达的工业机器相结合，人工智能就可以调度起毁天灭地的力量。

也正因此考虑人工智能的发展会带来什么时，与其考虑人工智能会毁灭世界，就不如考虑世界突然多了许多只有理智，又具有近乎无限的记忆和运算能力的人最终会变成什么样子。虽然对接下来人工智能究竟会发展到什么程度现在还看不清楚，但如果把这事放到进化论的框架里，那就会对它必然会成产生信心，当然在此之前需要对进化论做点扩充。

达尔文的进化论即使在今天仍然很多人认为不值得相信，但不管相信或者不相信也没人能否认进化论对生物学、人类学、心理学、哲学的重大影响。很多旁证让我们必须相信各种生物间有这显然的进化上的关联，比如美国学者麦克林（Mclean）提出了三个脑层次的理论来解释大脑的构成，它说：第一层（最外层）是新皮质，它是尼人到智人阶段进化的产物，是智力、想象力、辨别力和计算力的发源地；第二层是新皮质下边的缘脑，它是从哺乳动物遗传下来的部分，控制着情感；第三层是缘脑里边的“爬行动物脑”，它是从爬行动物那里继承下来的部分，控制着人的一些体能的、无意识的行为。基因测序则说，人和斑马鱼的基因有87%是一样的，虽然人很讨厌苍蝇，但很不幸人和苍蝇的基因也大部分是相似的。这些事情都让我们潜在的去相信即使是人类自己也是经过漫长的进化变成今天这个样子的。

更有意思的事情，如果我们把视角拉的更高，那这个宇宙似乎也是在遵从着某种规律在进行从简单到复杂的进化。一般认为我们的宇宙起源于一场大爆炸，百度百科上对这场记载是这样：

大爆炸开始时：约150亿年前，极小体积，极高密度，极高温度，称为奇点。

大爆炸后10^-43秒：约10³²度，宇宙从量子涨落背景出现。

大爆炸后10^-35秒：约10²⁷度，引力分离，夸克、玻色子、轻子形成。

大爆炸后10^-10秒：约10¹⁵度，质子和中子形成。

大爆炸后0.01秒：约1000亿度，光子、电子、中微子为主，质子中子仅占10亿分之一，热平衡态，体系急剧膨胀，温度和密度不断下降。

大爆炸后0.1秒后：约300亿度，中子质子比从1.0下降到0.61。

大爆炸后1秒后：约100亿度，中微子向外逃逸，正负电子湮没反应出现，核力尚不足束缚中子和质子。

大爆炸后13.8秒后：约30亿度，氢、氦类稳定原子核（化学元素）形成。

大爆炸后35分钟后：约3亿度，原初核反应过程停止，尚不能形成中性原子。

大爆炸后30万年后：约3000度，化学结合作用使中性原子形成，宇宙主要成分为气态物质，并逐步在自引力作用下凝聚成密度较高的气体云块，直至恒星和恒星系统。

王东岳先生曾经把宇宙的进化和生物的进化关联起来，这样可以看到非常奇妙的一种图景：

有人类这种智慧生命之前的宇宙似乎就是一个被设定了很多规则和常数的系统，中国人喜欢管这部分内容叫天道，哲学里则叫理念，神学叫上帝，佛教则叫梵，各种物质和生灵都在天道规则下生活，其内部也有食物链这样的东西来支持整个系统发展变化。老子认为，天道的根本特征是损有余而补不足。当智慧生命出现后，事情发生了大变化，因为人类不只在规则里生活，还创造规则，人的各种活动交织在一起就形成了社会，天道规则虽然也影响社会的走向，但社会总是更多的体现了人造的规则即人道，老子认为人道的根本特色是损不足而补有余。

每当审视宇宙的这种玄奇时，我们总是会觉得造物本身内蕴了一种意志，当我们去拷问究竟是什么设定了宇宙间的那些规则和常数时，就会出现各种对终极问题的想象与回答，虽然终极问题不可追溯和辨明，但有一种类似超然意志的东西存在则是无疑问的，如果相信这点，再回看生物的进化史，我们会很惊讶的发现，人类似乎是这种超然意志进行自我复制的产物。这样来看的话，人类进化的终点似乎就是再次复制自己，这事本身不可求证，但至少人是确实在做这件事情，五六十年来人类一直再尝试在机器里复制自己的智能，所以才有人工智能这一学科，人工智能也可以看成是宇宙级进化论的最新步骤。

前面我们曾经提到宇宙被设置了一些基本的物理规律和数(比如普朗克常数等)，接下来在一个动态演化的过程里，人类出现了。由单细胞到多细胞、由爬行动物到哺乳动物、由古猿到人这样一个漫长的过程里，人的身上即集成了宇宙中机械的一面（18世纪有一派哲学家写了本书，名字就是《人是机器》），也形成了自己的意志。现在人类在重复这过程，先是有简单的机械，赋予他们动力，并通过方向盘这样的东西对这机器进行控制，接下来发现这种控制太麻烦，所以开始有数控的装置，驾驶上则开始考虑自动驾驶。认为人是机器的那派哲学家其实说反了，人不是机器，但机械性确实是人的部分属性。

到现在为止的软件本身就是固化的思维，但仍然只能处理已定义清楚的问题，所以这种复制深入下去，那就一定会转向到我们现在总说的强人工智能，强人工智能可以学习，认识世界的抽象特征，处理没被预先定义的东西。人的思维可以被分为两部分一部分是逻辑的，基于数理部分很容易搞定另一部分则是基于认知形成的模糊系统，牵涉到判断、想象等东西，这部分很难搞定，也正构成人工智能里需要被解决的核心问题。

把这种进化线路提炼出来那就是：

工具 -- 动力机械 -- 电脑 -- 弱人工智能(当前的软件) -- 强人工智能

所以说人工智能是抽去欲望与激情只保留理智的人类，它一定会来到世间。

这篇文章有点妖，确实也不是科学，虽然引入了些与科学相关的东西，但这确实一种有点意思的猜想。

订阅号：zuomoshi（琢磨事），转载请注明出处。

人工智能（AI）已经走入了普通大众的视野，我们在生活中可以看到很多跟 AI 相关的产品。比如 Siri、AI 美颜、AI 换脸…

虽然大家听得多，但是大部分人并不了解 AI，甚至存在一些误解。本文将不涉及任何技术细节，帮助所有人理解人工智能的本质。

很多人对人工智能都会存在一些误解：

1. 电影里的机器人就是人工智能的典型代表
2. 人工智能好像是无所不能的
3. 人工智能未来会威胁到人类的生存

大家之所以对人工智能存在很多误解，主要是因为大家只是看到一些人的言论，但是并不了解 AI 的基本原理，本文就帮助大家理解 AI 的基本原理，事物的本质往往并没有大家说的那么复杂。

我们用传统软件和人工智能进行比较，有了参照系就更容易理解一些。

传统软件 VS 人工智能

传统软件是「if-then」的基本逻辑，人类通过自己的经验总结出一些有效的规则，然后让计算机自动的运行这些规则。传统软件永远不可能超越人类的知识边界，因为所有规则都是人类制定的。

简单的说：传统软件是「基于规则」的，需要人为的设定条件，并且告诉计算机符合这个条件后该做什么。

这种逻辑在处理一些简单问题时非常好用，因为规则明确，结果都是可预期的，程序员就是软件的上帝。

但是现实生活中充满了各种各样的复杂问题，这些问题几乎不可能通过制定规则来解决，比如人脸识别通过规则来解决效果会很差。

人工智能现在已经发展出很多不同分支，技术原理也多种多样，这里只介绍当下最火的深度学习。

深度学习的技术原理跟传统软件的逻辑完全不同：

机器从「特定的」大量数据中总结规律，归纳出某些「特定的知识」，然后将这种「知识」应用到现实场景中去解决实际问题。

这就是人工智能发展到现阶段的本质逻辑。而人工智能总结出来的知识并不是像传统软件一样，可以直观精确的表达出来。它更像人类学习到的知识一样，比较抽象，很难表达。

上面的说法还是比较抽象，下面通过几个方面来帮助大家彻底搞明白：

AI 跟我们使用的锤子、汽车、电脑……都一样，其本质都是一种工具。

工具必须有人用才能发挥价值，如果他们独立存在是没有价值的，就想放在工具箱里的锤子一样，没有人挥舞它就没有任何价值。

人工智能这种工具之所以全社会都在说，是因为它大大扩展了传统软件的能力边界。之前有很多事情计算机是做不了的，但是现在人工智能可以做了。

归功于摩尔定律，计算机的能力呈指数级的上涨，只要是计算机能解参与的环节，生产力都得到了大幅提升，而人工智能让更多的环节可以搭上摩尔定律的快车，所以这种改变是意义非凡的。

但是不管怎么变，传统软件和人工智能都是工具，是为了解决实际问题而存在的。这点并没有变化。

人工智能只解决特定问题

《终结者》《黑客帝国》…很多电影里都出现了逆天的机器人，这种电影让大家有一种感觉：人工智能好像是无所不能的。

实际情况是：现在的人工智还处在单一任务的阶段。

打电话用座机、玩游戏用游戏机、听音乐用MP3、开车用导航…

这个阶段类似智能手机，在一台手机上可以安装很多 App，做很多事情。

但是这些能力还是相互独立的，在旅行App上定好机票后，需要自己用闹钟App定闹钟，最后需要自己用打车App叫车。多任务模式只是单一任务模式的叠加，离人类智慧还差的很远。

你在跟朋友下围棋，你发现朋友的心情非常不好，你本来可以轻松获胜，但是你却故意输给了对方，还不停的夸赞对方，因为你不想让这个朋友变得更郁闷，更烦躁。

在这件小事上，你就用到了多种不同的技能：情绪识别、围棋技能、交流沟通、心理学…

但是大名鼎鼎的 AlphaGo 绝对不会这么做。不管对方处在什么情况下，哪怕输了这盘棋会丧命，AlphaGo 也会无情的赢了这场比赛，因为它除了下围棋啥都不会！

只有将所有的知识形成网状结构，才能做到融会贯通。例如：商业领域可以运用军事上的知识，经济学也可以用到生物学的知识。

当下的人工智能是从大量数据中总结归纳知识，这种粗暴的「归纳法」有一个很大的问题是：

庞氏骗局类的诈骗手段就充分利用了这一点！

• 它利用超高的回报来吸引韭菜，然后让早起参与的所有人都转到钱；

• 当旁观者发现所有参与者都真实赚到了钱，就简单的归纳为：历史经验说明这个靠谱。

• 于是越来越多的人眼红，加入，直到有一天骗子跑路。

当我们用逻辑来推导一下这个事情就能得出骗子的结论：

• 这么高的回报并不符合市场规律
• 稳赚不赔？我不需要承担高回报的高风险？好像不太合理
• 为什么这么好的事情会落在我头上？好像不太对劲

正是因为当下的人工智能是建立在「归纳逻辑」上的，所以也会犯很低级的错误

• 左：摩托车的遮挡让 AI 把一只猴子误认为人类。
• 中：自行车的遮挡让 AI 把猴子误认为人类，同时丛林背景导致 AI 将自行车把手误认为是鸟。
• 右：吉他把猴子变成了人，而丛林把吉他变成了鸟

上图显示了在一张丛林猴子的照片中 ps 上一把吉他的效果。这导致深度网络将猴子误认为人类，同时将吉他误认为鸟，大概是因为它认为人类比猴子更可能携带吉他，而鸟类比吉他更可能出现在附近的丛林中。

也正是因为归纳逻辑，所以需要依赖大量的数据。数据越多，归纳出来的经验越具有普适性。

AI 不是什么全新的东西，他已经发展了大几十年了！下面我们介绍一下最具代表性的3个发展阶段。

上图是从1950年至2017年之间，人工智能领域出现的一些里程碑式的事件。总结下来会分为3大阶段：

第一次浪潮（非智能对话机器人）

20世纪50年代到60年代

1950年10月，图灵提出了人工智能（AI）的概念，同时提出了来测试 AI。

图灵测试提出没有几年，人们就看到了计算机通过图灵测试的“曙光”。

那个年代的人对他评价很高，有些病人甚至喜欢跟机器人聊天。但是他的实现逻辑非常简单，就是一个有限的对话库，当病人说出某个关键词时，机器人就回复特定的话。

第一次浪潮并没有使用什么全新的技术，而是用一些技巧让计算机看上去像是真人，计算机本身并没有智能。

第二次浪潮（语音识别）

20世纪80年代到90年代

在第二次浪潮中，语音识别是最具代表性的几项突破之一。核心突破原因就是放弃了符号学派的思路，改为了统计思路解决实际问题。

在《人工智能》一书中，李开复详细介绍了这个过程，他也是参与其中的重要人物之一。

第二次浪潮最大的突破是改变了思路，摒弃了符号学派的思路，转而使用了统计学思路解决问题。

第三次浪潮（深度学习+大数据）

2006年是深度学习发展史的分水岭。杰弗里辛顿在这一年发表了《一种深度置信网络的快速学习算法》，其他重要的深度学习学术文章也在这一年被发布，在基本理论层面取得了若干重大突破。

之所以第三次浪潮会来主要是2个条件已经成熟：

2000年后互联网行业飞速发展形成了海量数据。同时数据存储的成本也快速下降。使得海量数据的存储和分析成为了可能。

的不断成熟提供了必要的算力支持，提高了算法的可用性，降低了算力的成本。

在各种条件成熟后，深度学习发挥出了强大的能力。在语音识别、图像识别、等领域不断刷新纪录。让 AI 产品真正达到了可用（例如语音识别的错误率只有6%，人脸识别的准确率超过人类，在11项表现中超过人类…)的阶段。

第三次浪潮来袭，主要是因为大数据和算力条件具备，这样深度学习可以发挥出巨大的威力，并且 AI 的表现已经超越人类，可以达到“可用”的阶段，而不只是科学研究。

人工智能3次浪潮的不同之处

1. 前两次热潮是学术研究主导的，第三次热潮是现实商业需求主导的。
2. 前两次热潮多是市场宣传层面的，而第三次热潮是商业模式层面的。
3. 前两次热潮多是学术界在劝说政府和投资人投钱，第三次热潮多是投资人主动向热点领域的学术项目和创业项目投钱。
4. 前两次热潮更多时提出问题，第三次热潮更多时解决问题。

想进一步了解 AI 的历史，推荐阅读李开复的《》，上面关于3次浪潮的内容都摘抄自这本书。

在探寻 AI 的边界时，我们可以先简单粗暴的把 AI 分为3个级别：

弱人工智能也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能。

又称通用人工智能（Artificial General Intelligence）或完全人工智能（Full AI），指的是可以胜任人类所有工作的人工智能。

强人工智能具备以下能力：

• 存在不确定性因素时进行推理，使用策略，解决问题，制定决策的能力
• 知识表示的能力，包括常识性知识的表示能力
• 使用自然语言进行交流沟通的能力
• 将上述能力整合起来实现既定目标的能力

假设计算机程序通过不断发展，可以比世界上最聪明，最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以被称为超人工智能。

我们当前所处的阶段是弱人工智能，强人工智能还没有实现（甚至差距较远），而超人工智能更是连影子都看不到。所以“特定领域”目前还是 AI 无法逾越的边界。

人工智能的能力边界是什么？

如果在深入一点，从理论层面来解释 AI 的能力边界，就要把图灵大师搬出来了。图灵在上世纪30年代中期，就在思考3个问题：

1. 世界上是否所有数学问题都有明确的答案？
2. 如果有明确的答案，是否可以通过有限的步骤计算出答案？
3. 对于那些有可能在有限步骤计算出来的数学问题，能否有一种假象的机械，让他不断运动，最后当机器停下来的时候，那个数学问题就解决了？

图灵还真设计出来一套方法，后人称它为图灵机。今天所有的计算机，包括全世界正在设计的新的计算机，从解决问题的能力来讲，都没有超出图灵机的范畴。

（大家都是地球人，差距怎么就这么大呢？？？）

通过上面的3个问题，图灵已经划出了界限，这个界限不但适用于今天的 AI ，也适用于未来的 AI 。

下面我们再进一步把边界清晰的描述一下：

1. 世界上有很多问题，只有一小部分是数学问题
2. 在数学问题里，只有一小部分是有解的
3. 在有解的问题中，只有一部分是理想状态的图灵机可以解决的
4. 在后一部分（图灵机可解决的部分），又只有一部分是今天的计算机可以解决的
5. 而 AI 可以解决的问题，又只是计算机可以解决问题的一部分。

担心人工智能太强大？你想多了！

在一些特定场景中， AI 可以表现的很好，但是在大部分场景中，AI 并没有什么用。

人工智能会让你失业吗？

这个问题是大家最关心的问题，也是对每一个个体影响最大的问题。所以单独拿出来说一下。

首先，人工智能替代「部分人类的行为」是必然的趋势

每一项新技术或者新发明都会替代一部分劳动力：

拉人力车的工作——汽车

需要注意的是，科技替代的只是某些特定的工作。挖井机只能帮你挖洞，但是无法帮你判断应该在哪里挖洞。

人工智能也是如此，它并不是针对某些职业或者某些人，而是替代一些具体的劳动行为。

其次，失业的同时会出现更好新职业

几次技术革命的历史告诉我们，虽然新技术的出现导致了部分人失业，但是同时也会产生很多新的职业。被替代的工作往往是低效的，而创造出来的工作往往更高效。想想拉人力车，再想想开汽车。

当人工智能解放了一部分劳动力，这部分劳动力就可以做更有价值，更有意思的事情。

不要怕！用好 AI 是一种超级技能

1. 人工智能的本质是工具，需要人来用它
2. 人工智能替代的不是人，而是某些工作环节

所以，千万不要怕人工智能取代自己，你应该主动去学习AI，成为最早会用AI的人，成为能把AI用好的人。

想想20年前会使用电脑和网络的人，他们在那时代是非常稀缺的，所以他们赚到了互联网时代的红利。同样的道理，智能时代的红利将属于会用AI的人。

哪些工作会被人工智能替代？

李开复提出过一个判断依据：

如果一项工作，它做决策的时间在 5 秒钟以内，那么大概率是会别人工智能取代的。

1. 做决策所需要的信息量不大
2. 做决策的过程并不复杂，逻辑简单
3. 能独自完成，不需要协作

科学家总结出了3个人工智能很难替代的技能：

1. 社交智慧（洞察力、谈判技巧、同理心…）
2. 创造力（原创力、艺术审美…）
3. 感知和操作能力（手指灵敏度、协调操作能力、应付复杂环境的能力…）

人工智能将像工业时代一样，席卷全球。这种情况下，我们要做的不是逃避，而是拥抱这种变化。下面给大家一些具体的建议：

1. 了解智能时代的底层逻辑和基本原理，不需要学习写代码，但是需要知道可能会发生什么，不可能发生什么。
2. 人工智能未来将像计算机一样渗透到各行各业，你要尽量了解人工智能，学习如何利用他解决现有的问题，成为早期使用人工智能的人。
3. 做好职业规划。不要选择三无职业（不需要社交、不需要创造力、不需要强感知和操作能力）

人工智能的基本原理：机器从「特定的」大量数据中总结规律，形成某些「特定的知识」，然后将这种「知识」应用到现实场景中去解决实际问题。

在这个基本原理的基础上，有3个特征：

1. 人工智能本质上是一种工具
2. 人工智能技能只能解决特定的问题，而不是什么都能做
3. 人工智能属于归纳逻辑，可以告诉你是什么，但是不能告诉你为什么

到目前为止，人工智能经历了3次浪潮：

1. 20世纪50年代到60年代：非智能对话机器人
2. 20世纪80年代到90年代：语音识别
3. 21世纪初：深度学习+大数据

人工智能分为3个级别：

在失业问题上，人工智能的确会替代部分人类的工作，不过在替代的同时也会出现一些新的更有价值的工作。未来不容易被人工智能替代的技能有3点：

1. 社交智慧（洞察力、谈判技巧、同理心…）
2. 创造力（原创力、艺术审美…）
3. 感知和操作能力（手指灵敏度、协调操作能力、应付复杂环境的能力…）

先回顾一下人工智能在 2019 年发生的重要变化：

1. NLP 领域发生了重要的进展，BERT、GPT-2、XLNET 等预训练模型已经在产品中发挥重要作用。
2. 快速发展，出现了大众类的产品。DeepFake、ZAO 让大众群体体验到了 GAN 技术。
3. 也是因为 DeepFake，人工智能的社会影响被大家所关注，全球都在完善 AI 相关的法律
4. Auto-ML 降低了 AI 的门槛，让人工智能的部署变得非常容易。

2020年的发展趋势是什么？

1. 5G 的落地将更多物理世界数字化，将进一步推动 AI 的发展和普及。
2. 数据科学团队和商业团队的融合会更加紧密。
3. 有可能看到多任务AI模型的发展，向通用人工智能进一步。
4. 摆脱对数据的依赖，使用更少的数据获得效果优异的模型。
5. NLP 领域实现更大的突破和发展。
6. 提高 AI 的可解释性，解决黑箱问题
7. 社会问题加剧，个人数据安全、隐私、算法偏见等问题的讨论越来越多。

更多2019年的重要里程碑和2020年的发展趋势可以看看下面2篇文章：