作者：王慧（沪江高级教育产品经理）
本文原创翻译，有不当的地方欢迎指出。转载请指明出处。
译自Techcrunch 原作者瓦斯科·佩德罗
人工智能（AI）的概念已经存在了很长一段时间，那么人工智能的未来到底在哪里？
在影像方面，许多耳熟能详的电影形象都属于AI
无论是2001：太空奥德赛中的HAL 9000 ，到星球大战中的C-3PO，再到电影Her中的萨曼莎。在各种科幻小说中，AI角色也遍布每个主要作家的作品之中：从菲利普K.迪克，到威廉·吉布森再到艾萨克·阿西莫夫等顶级科幻作家。事实上，基本上每个科幻作家都或多或少涉及过这个主题。
虽然很多来自于科幻作品中的预测和想法已经变成现实，人工智能却远远没有。
现实当中人工智能的发展水平远远没达到上述影视及文学作品中已经企及的水平。
而这一天我们似乎已经等了很久很久了。在Siri第一次出现时，我们以为这是人工智能（AI）的未来。她能回答简单的问题，能够进行简单的互动，但是随着时间的推移，我们对这项技术最终感到失望。因为无论是Apple的Siri还是Google的智能语言功能还是微软的Cortana, 我们大多数人仅仅使用它做一些简单的搜索或具体可执行的任务，比如设置定时器。
究其原因，这些AI软件程序之所以远未到达理想水平，可以归结为语言的问题，也就是自然语言处理（Natual Language Processing）需要发挥作用的部分。人工智能能掌握简单的语言的意义，然后对你的问题做出回应，但人工智能对于我们的问题的理解仅局限于其字面解释。一台计算机可以知道一个词的定义，但它不明白这些语言在语境中的含义。
如果你对于AI感兴趣，你可能听说过图灵测试。阿兰·图灵是第一个严肃对待AI技术的人，他知道有一天机器终将与人类的智慧匹敌。他有一个简单的测试机器智能的想法：如果一个人不能辨别是和一台机器还是另一个人在谈话，那么机器已经达到人类智力水平。
真实的图灵测试肯定是比这个想法要复杂一些的，但图灵测试仍然是自然语言处理的基准。换句话说，如果能像人类一样思考，或者象人类一样处理语言，即可称作AI。（考虑到人的大脑复杂性，能够制造出象人类一样复杂思考的一台机器将是一个巨大的成就）。
图像：FLCKR / INFOBUNNY
或许有一天我们会创造出会写诗的机器人？
想想斯嘉丽·约翰逊在电影“Her”中的角色萨曼莎。作为一个AI机器人，她是一个典型的能够顺畅理解语言的一个很好的例子。她完全能够理解她的人类搭档Theo的表达。有一些她不知道的东西，但是当跟她解释后，她立刻明白了，并纳入其现有的知识体系。就像一个人类掌握的思维体系。
在电影“Blade Runner” “银翼杀手”的AI“复制人”则是AI的另一种有趣的形式。他们不仅轻松地处理语言，他们甚至具有诗意。看看“复制人”罗伊·巴蒂在剧中的台词：
“我眼所目睹的，你们或许永远不会相信。猎户座的尾翼上起火了的攻击船只。黑暗的生死门前灼亮的C型光束。而所有这些时刻都即将消逝，像眼泪......在......雨中。是时间死去了“。
这是一段著名的台词，因为它是如此美丽，如此接近与诉诸人类的感情。不管我们是否需要，难道我们不希望机器人有一天也能迸发诗歌般的语言？这是一个科幻故事的话题，但事实是，“复制人”罗伊对于语言以及人类情感有极其深入的理解。
这些类型的AI是整个科幻作品中很普及，已经几十年了。但我们目前的技术未能实现这一点。我们对于真正的人工智能和自然语言处理了解的越多，我们越明白我们自己在这方面的无知。这是因为我们对于人类大脑的理解极为有限。我们一直无法创造一个可以像人类一样思考的AI正是因为我们不知道人类的大脑是怎么思考的。
在这一点上，我们已经区分了三种级别AI。我不能比Tim在其著作Wait but Why （等待但为什么）中表述的更清楚，所以我在这里引用他的话：
AI人工智能第一级别：人工窄智能（ANI）：有时被称为弱人工智能，人工窄智能是AI研究的一个专业领域。在这个领域的AI，可以击败国际象棋世界冠军，但是这也是它的唯一能做的事情。如果你要求它找出一个更好的硬盘来存储数据，它会看着你面无表情。
AI智能第二级别：全面人工智能（AGI）：有时被称为强AI，或接近人类水平的人工智能，强人工智能指的是作为一台全面人工智能机器，它可以执行任何一个人类能做到的智力任务。创造AGI是比创造一个ANI难得多的任务，而我们至今还没有做到这一点。
AI智能第三级别：人工超级智能（ASI）：牛津大学的哲学家和领先的AI思想家尼克博.斯特伦将这种超级智能定义为“它所拥有的智慧比在几乎每个领域最好的人脑都更聪明，包括科学领域的创造力，传统智慧和社会技能。”
我们习以为常但是实际上让人惊叹的人类能力比比皆是。举个例子，精确的飞行物理学和三角学的计算能力。当足球被抛入空中，我们可以知道在何时何地将落地; 这一点任何一个普通的四分卫都知道，他们使用复杂的计算，并应用到自己的身体运动协调机制上。而我们细想，在如此短的时间进行如此复杂的运算是令人难以置信的。我们自己至今还不知道我们是如何能够做到这一点的。
如果我们自己还没有充分了解我们自己，我们将如何做到开发AI呢？
高德纳（Donald Knuth），计算机科学家和前斯坦福大学教授，曾经说过，“AI已经成功地做到了需要思考才可以进行的人类活动，但是还没有做到那些我们不假思索就可以做到的事。”这个总结是极为准确的，因为我们最不了解的就是我们的人类大脑是如何处理那些无意识的工作的。这其中最显著的，就是人类学习和处理语言的能力。当我们的大脑处理一种我们能够流利运用的语言时候，我们并不知道是如何发生的，它就是自然而然的发生了。
那么我们如何开发AI去做那些我们还不甚明白的事情呢？这就是巨头们如谷歌和Palantir，以及很多初创公司，包括X.ai，MetaMind，Feedzai，SignalN，Lilt以及许多其他巨头正在研究的领域。
他们已经尝试了一些方法来克服这一障碍。
模仿进化
虽然我们对于人类大脑是如何运作的这一点知之甚少，但是我们关于它如何到达这个状态比较明确：自然选择。因此，一些公司在试图人为地将自然选择这一机制复制到AI – 而且它并不会像人类历史一样花费数百万年，因为它并不是随机的。
这就是所谓的进化计算模式，或遗传算法。我们让机器处理一系列任务，当一台机器通过试验和试错最后成功的通过，我们将本次成功结果与其他成功的机器结合处理。因为它是一个反复的过程，所以它有一个很大的问题：我们不知道需要多长时间才能取得与人类智能相提并论的人工智能。
到目前为止，这种方法已经证明是失败的，它在90年代被大部分放弃。
让自然给我们以启迪 －解决了语言问题也许就解决了人工智能的大部分问题？
因为我们的大脑是生物神经网络，所以很多公司正在尝试建设人工神经网络。人类大脑的学习过程，是通过神经网络进行反复尝试和试错直至获取正确答案，这种信息处理方式是可复制的。在现实中，人工神经网络与生物神经大脑其实共同之处甚少。人工神经网络是一个粗略的数学模型，一个初步尝试，是我们目前对于我们知之甚少的人类大脑的简单模仿。
然而，人们还是在就人工神经网络做一些疯狂的尝试。这其中最有趣的一款应用技术在网上疯传。一个名叫安迪的人将肥皂剧“Friends”（六人行）中的脚本内容全部喂入一个学习型的神经网络。此网络能够学习文字和人物的性格的风格，然后吐出了自己的脚本。
实际上这些吐出的脚本是非常可笑的，并没有什么太大的意义，但是就算如此，它也代表着我们发明人工网络神经短短几年来的一个巨大的进步。而且通过机器学习，人工智能将继续变得更好。比如它吐出的具有Chandler（钱德勒）特点的语言：“钱德勒：（穿着一个松饼模型）（跑到一个女孩面前哭着说）能给我一个礼物吗？”看六人行 的观众都会认为这是经典的钱德勒的语言，但是语境和故事却是荒谬的。
图片：Friends 剧照，来自华纳兄弟电视公司
安迪使用谷歌的开源TensorFlow机器学习软件库，建立了这项很可爱也很有意义的脚本自动生成器。谷歌已经将其应用在他们的许多产品中，从谷歌Photo到搜索引擎，Gmail到最近推出到谷歌Now，这是一个谷歌根据积累用户的有关信息来提供信息推送或帮助的软件。这也是谷歌版的Siri。
深度学习有巨大的潜力彻底改变AI和帮助我们到下一个阶段。但是人们也正在研究其他的解决方案。
让机器本身具有语言学习能力
很明显，复制人类的智慧是不容易的，没有人知道是否能够成功，也没有人能够预见它是否可以在可预知的时间内实现。所以就有人想到设计可以自我学习的机器，它能使自己更聪明，通过研究和学习进行修正和提高自己。就像在影视作品“Her”中的萨曼莎。她的学习能力正像人类，而且速度要快得多。
在影片开头，西奥需要教会她很多东西。但影片最后，她已经远远高于他的智力水平。这是一个指数的升级过程。通俗地说，她学会的越多，她的学习能力越强。或许，这种方式会产生全新的人工智能，即由机器而不是人类创造的。
图片来自华纳兄弟娱乐
这就让我们不得不提到AI所依赖的概念：摩尔定律； 即机器计算能力每两年翻一番。说到指数型增长，目前的增长速度已经开始放缓，但仍然继续指数型增长。这一点在现实中的表现已经比较明显; 深度学习在20世纪70年代已经开始兴起，但是在计算能力和数据的指数级增长才是我们现在取得突破的主要原因。
Facebook的使用在其应用Messenger的全新M 服务就是机器学习的代表。M服务的目标是成为您的私人助理。Facebook表示，M能够做任何人可以做到的事情-那是因为他们的软件正在雇佣真正的人类在工作。毕竟，M暂时还不会查找餐厅和作预约，但坐在听筒另一侧的人类可以。当你提出一个要求，如果M不能独自做到这一点，它会把消息发送到Facebook的承包商那里完成，因为这些与人类交流的经验都会被软件记录下来，M就是学习型AI。M服务作为工具目前是没有向公众开放的，但它看起来有很大的潜力。
Facebook在 AI方面是全情投入的。他们开发了很多不同的技术（如辨认图片中的特点因此失明的人士也可以“看到”这些图片），但这其中最酷的一个技术是他们试图解决自然语言处理中“理解”这一部分。正如我们前面提到了，AI还没有像一个人能够做到的阅读或聆听能力- 它只知道做很具体的事情。它知道一个词或句的意思，但它不能概括段落大意。
而Facebook正努力解决这个问题。去年，他们展示了一些很酷的软件。他们把电影指环王的提要喂送给AI机器，它因此能回答一些我们看起来很简单，但是对于一台计算机非常复杂的问题。
但是，自然语言处理的最酷的应用之一是来自微软：他们最近推出一个新功能：Skype即时译。你可以与一个讲另外一种语言的人发起通话，而Skype将为你作出（几乎）实时翻译。
人工智能对于全球商业和团体都是巨大的机会。假设没有语言障碍，我们将在很大程度上提高我们的生产力；我们将可以更自由的与来自另一种文化的人交流从而获益。从商业角度，更多企业迎来从事全球业务的可能，尤其是那些无力聘请大量译员的小企业。
没有语言障碍，世界将更为开放，对于那些来自非发达国家的人，这尤其是个好消息。
让计算机能够理解人类语言这项AI技术，我们还有很长的路要走。每一种语言是复杂的，有细微的区别，方言、俚语、各种影响、情感、语调，不同的叙事和背景，所有这些都很难被机器理解。虽然像TensorFlow和软件CNDK已经向前迈出了巨大的一步，我们需要机器更多与人的互动才能逐步取得进展。
我们终将拥有这样技能的AI，但它至少需要15年。Her中的萨曼莎，2001年 中的HAL，星球大战中的C-3P，这些影视中的人工智能形象也终将实现。可能具体形象并非一摸一样。但你总会感觉它像是一个人。破除语言障碍会打开AI的潜力之门。在此之前，AI和人类并行工作是发挥现有技术的优势并让AI继续成熟的最佳途径。我们不必等待。我们现在就可以用AI改变这个世界。
