“人工智能”風盛行

智能時代AI與人類社會該如何共融？

4月8日，由中國人工智能學會主辦的“人工智能大模型技術高峰論壇”主論壇在杭州蕭山啟幕。論壇上，中國工程院院士、浙江大學教授潘云鶴就ChatGPT和智能生成發表了演講。ChatGPT為何這么熱？潘云鶴指出，第一，在于ChatGPT回答問題水平提高，這一點出乎意料；第二，在于ChatGPT可能會動一些職業的奶酪，比如記者、編輯、作家等創作文字工作者，以及畫家、篆刻家、作曲家、作詞家等創造文化工作者等；第三，在于企業全力的運作與競爭，比如OpenAl限時開放使用、谷歌宣布開發Bard、Meta推出LLaMA等等。

ChatGPT的出現讓“人工智能導致失業”的威脅變得從未像今天這樣清晰。再加上一直很火的AI繪畫，看上去似乎那些傳統上認為只有人類才能做的、需要高階思考能力和創造力的工作，現在AI都可以代勞，于是人類只能去做一些體力勞動。然而為什么不是AI幫人類去做這些體力勞動呢？自然衍生出這個問題的深層理解：我們要怎么做才能在這個時代與AI以更好的方式協調共存呢？

初期的想象 

——人工智能出現的催化因由

我們可以將人類的技能分成兩種：第一種，是思維的技能；第二種，順著“莫拉維克悖論”，我們可以將感知運動能力翻譯成“手眼結合”，或者概括為“手藝”。

在人工智能和機器人等概念最早出現的時候，人類對機器人的想象就是“智能較低，但是代替人類做體力勞動”這樣一個角色。在阿西莫夫著名的“機器人”系列里，人類發明了“正子腦（Positronic brain）”這種技術，從而可以大規模制造機器人。這些機器人一開始甚至還不會說話，但是卻跟人類無異，有手有腳，跟人類干一模一樣的活。于是人類就可以省下所有體力勞動的時間，專心于復雜的設計、控制、系統等腦力工作了。

如果從文學史的角度來理解，這種對“機器人”的初期想象，是一種典型的“人類”視角——“文明的”“高級的”人類，對“低級的”“不開化的”機器人的想象。

當我們回過頭來從技術史角度來看，也會發現：創造出跟人相似、有手有腳的機器人的確是早期機器人和人工智能開發的潮流之一。但是很快地，科學家和工程師就意識到“制造如同人類一樣的機器人”這件事情，有著超乎他們想象的困難。

即使是其中看似最簡單的一點——讓機器人能夠雙足行走，也只有波士頓動力在最近幾年才算有突破，還只是實驗室條件。但凡做過類似開發的人都知道，他們拍攝的每一個精美的機器人越障視頻背后，恐怕都有無數失敗的案例。而要再去模擬人手，就算是一個簡單的“在一堆物體里識別出特定物體，并且抓取它放到一個特定位置”這樣一個三歲小孩都能完成的任務，對于現在的機器人和人工智能來說，都是一個值得炫耀的突破。

難解的悖論

——人工智能超出想象的背后邏輯

然而無論是當年的AlphaGo，還是現在的ChatGPT，都雄辯地證明了人工智能在處理那些復雜的、需要計算和推理的任務中，已經可以達到甚至超越了人類的水平。

怎么會出現如此戲劇化的情況呢？

在上世紀八十年代，人工智能學家漢斯·莫拉維克和馬文·閔斯基等人就發現了這個現象：跟傳統假設不同，那些被認為是人類獨有的高階智力（比如推理），往往只需要很少的計算力；但是無意識的技能（比如感知運動能力），則需要極大的計算力。

語言學家史蒂芬·平克曾在他的《語言本能》里說過：經過35年的人工智能研究，發現的最重要的課題，是“困難的問題是易解的，簡單的問題是難解的”——這個現象，就被稱為“莫拉維克悖論”。

所有使用過掃地機器人或者自動駕駛汽車的人應該都對此有深切感觸。掃地機器人經常丟失地圖，或者無法識別某些特定的污漬；自動駕駛汽車仍無法很好地應對哪怕對人類來說并不復雜的路面情況。實際上都是同樣的問題：機器尚無法很好地感知整個外部世界，并且作出相應的決策。

深度學習加持的計算機視覺可以識別出道路上的反光，在訓練集足夠的情況下它可以判斷出道路上的反光是水洼，但是它尚無法將“水洼”這個概念和“濕”聯系起來，并且作出“現在是在下雨，路面摩擦力會減小，剎車距離會變長”這個決策。

2018年Uber的自動駕駛事故就是如此：自動駕駛系統早就識別出了前方的“障礙物”，但是人工智能因為無法確定究竟是什么，所以遲遲無法決策；等到系統確認了前方“物體”是行人，制動已經來不及了。如果讓人來作類似的決策，人類會在第一時間剎車，因為我們只需要確定前方有“某個物體”擋著，而這個物體的性質則無關緊要。

這種情況大量出現在類似汽車行駛這樣高度變化的、不確定的環境之中——在這種需要快速地識別周遭環境并且作出決策的情況下，人工智能的表現總是不盡如人意的。它們的表現往往是兩種：一、能夠快速的做出反應但是無法適應環境變化；二、需要大量的數據和計算力來識別環境變化，從而發生嚴重的響應延遲。

悖論的存在

——人工智能與人類之間的底層矛盾

為什么會存在“莫拉維克悖論”？

現在，我們可以重新審視“初期年代”的那個假設了。這個假設認為，我們人類的高階推理和計算能力對人類自己很困難，所以它應該對計算機也很困難；而人類的感知運動能力對人類自己來說很簡單，所以它應該對計算機也很簡單。

事實恰恰相反。

從演化史的角度來說，諸如語言、抽象概念、推理和計算等人類之所以成為人類的高階認知能力，實際上是最近幾十萬年才進化出來的，這些能力對人類自己來說都感覺困難的原因，是因為我們的大腦最近才開始運行這些功能——所以我們需要調動大腦里“并不怎么完善的結構”去運行這些程序。

而感知運動能力，可以說，自從地球上出現了動物，這方面的演化就已經開始。所有的生物都需要感知周遭環境，做出決策，驅動身體運動。感知運動和環境適應都是地球生物幾十億年進化的結果。也正是因為如此，幾十億年的演化壓力將大腦這方面的功能打磨得相對盡善盡美，所以才讓這些實際上極端困難的任務看上去似乎毫不費力。

因為這些任務基本上完全自動化了，所以我們人類在執行這些任務的時候是感知不到的。就像騎自行車：學習騎自行車需要付出主觀的努力，但是一旦學會，這個技能就變成下意識的了。我們可以想象，在地球生物的演化史早期，很多生物的感知運動能力可能跟現在的人工智能差不多，而這些生物早就滅絕了。

所以，回到標題中的那個問題：我們要怎么做才能在這個智能時代與AI更好地共融呢？

說實話，我們不是ChatGPT，沒有辦法自信滿滿地給出一個不知真假的答案。但目前而言，人工智能在任何需要手眼結合的領域，其表現距離人類還是差得很遠的。

解決的方向

——人類要進步、人工智能要監管

人工智能領域的資深作家莎倫·戈爾德曼在美國科技網站VentureBeat發文稱，人工智能脫離實驗室后，全面進入時代文化思潮，它帶來誘人機會的同時，也為現實世界帶來了社會危險，人類正在邁入一個人工智能權力和政治交織的“詭異新世界”。人工智能的每一個領域都像《愛麗絲夢游仙境》里的兔子洞，通向未知的世界。

經濟學家、橫琴數鏈數字金融研究院學術與技術委員會主席朱嘉明日前在接受中新社“東西問”專訪時談及ChatGPT，直言這是人類和人工智能間的友好競爭，而不是逼人類走向死角。對人工智能的恐慌和焦慮不應過分渲染，而應看到人與它共處的關系。

對于人工智能眾說紛紜的未來，阿斯彭研究所新興技術主任卡維洛指出，人們對未來的預測往往充滿分歧，應該嘗試減少對分歧的關注，轉而更多地關注一致的地方——例如，許多對通用人工智能持不同意見的人，都認為監管是必要的、AI開發者應承擔更多的責任。

那么，作為人類，我們要跟上AI的腳步，大概就要在這兩個領域中擇一——要么能夠將自己的高階思維能力磨煉到超過AI的水平，并且能夠利用AI發展生產力；要么就是干脆去學一門“手藝”，在AI暫時無能為力的領域保持競爭力。比如，4月7日，第二期“浦江科學大師講壇”在復旦大學舉行。國際著名數學家、菲爾茲獎首位華人得主丘成桐表示，“目前，人工智能還無法從觀念上對數學的發展造成影響。”

當然，即使這樣，無論怎么選，和人類競爭的仍然是人類。

文/重慶青年報記者 雷楠

綜合整理自中國新聞網、澎湃新聞、頭條新聞、中國日報等