观点|看穿行业和媒体的话术 人工智能至今不过是一场“骗局”

当机器人索菲亚第1次开机时，全世界都产生了一丝震惊。这个机器人有独特的个性、能和深夜节目主持人开玩笑，还能做出和我们相似的面部表情——这个机器人仿佛直接从人类科幻小说跳出来一般，是最接近我们想象中的人工智能的东西。

毫无疑问，索菲亚是一项令人印象深刻的工程。科技公司汉森机器人(Hanson Robotics)和奇点网络(SingularityNET)为索菲亚配备了复杂的神经网络，使其具备学习能力，逐渐能够发现并表达情绪，这是她“个性”的来源。没费多大力气人们就相信了索菲娅的明显的人性——许多未来主义者自己的文章都称这个机器人为“她”。著名主持人摩根(Piers Morgan)甚至决定碰碰运气，向她提出了约会邀请。

“没错，她基本上活过来了，”汉森机器人CEO汉森(David Hanson)在2017年的一场《今夜秀》节目中谈到索菲娅时说。虽然该公司从未正式宣称索菲亚拥有AI——那种在科幻小说中出现的、全面逼真的AI——但在公开露面之后，外界从这个角度发出的崇拜和不加批判的报道，只会帮助公司成长。

然而，随着索菲娅越来越多地暴露在聚光灯下，一些质疑声逐渐出现。那些可能曾经对索菲娅的会话技巧表示惊叹的人，不少已经开始怀疑，这些对话是否在一定程度上是预先编写好，而非自主学习的?

作为奇点网络CEO和汉森首席科学家的戈策尔(Ben Goertzel)，倒是从一开始就没有对索菲亚的能力进行神化，他解释道：“索菲娅以及公司其他机器人并不像计算机科学研究系统那样‘纯粹’，因为它们不是纯粹的学习系统，而是以复杂的方式将许多不同部分和方面结合。但它们确实涉及到不同层次的学习(在它们的神经网络视觉系统中学习，或在它们的OpenCog对话系统中学习等等)。

他更感兴趣的是，索菲娅激发了公众对机器人的大讨论。戈策尔说:“大众对索菲娅各个方面的看法——她的智慧、她的外表、她的可爱——似乎无处不在，我觉得这样的情况很好。”

汉森则认为，外界过度吹捧索菲亚的能力是错误的，但他不介意。过度宣传也有好处，2家公司反复推出的噱头一次又一次激发了外界对机器人的讨论。

像索菲亚推出时对项目方的这种高调宣传，让不少人一度相信，真正的AI——类人的，甚至有人类意识的AI已经近在咫尺。然而，我们其实还差得很远。AI当前的研究进展远远落后于科幻小说中的技术神话。如果全社会不采用更健康的现实主义态度对待AI发展，这个领域可能会永远停留在“吹捧-否认”这条老路上。

目前，整个AI行业面对的最大问题，实际上是“AI到底是什么”。但是，在当今AI领域不断从技术和概念上颠覆的情况下，研究人员能做到的，只是说明它“不是什么”。

“人们认为AI应该是能像高智商人类一样做事的智能机器人——一个什么都知道、能回答任何问题的机器人，”数据科学家穆萨维(Emad Mousavi)在接受Futurism采访时说。但这和业内人士的理解大相径庭，“一般来说，AI是指能够完成各种分析并使用一些预定义的标准来做出决策的计算机程序。”

人类级AI(HLAI)的长远目标之一，是具备有效沟通的能力——意味着机器人和基于机器学习的语言处理程序具备推断语义和理解细微差别的能力——以及随时间推移继续学习的能力。目前，和人类交互的所谓AI系统，包括那些为自动驾驶汽车开发的系统，实际上都是预先设计好的算法，顶多只能说是在设计的过程中有过“学习”，完全称不上具有学习能力。

“这些问题说起来很简单，但在机器学习技术的当前阶段是无法解决的，”Facebook 的AI研究科学家米科洛夫(Tomas Mikolov)向Futurism解释。

穆萨维表示，目前，人工智能没有自由意志，当然也没有意识，而这2点是人们对所谓先进技术最常见的2种假设。目前，即使是市面上最先进的AI系统，也不过是遵循聪明人定义的流程，没法自己做决定。

在机器学习(包括深度学习和神经网络)中，算法需要用海量数据进行训练，直到它能独立完成任务。比如，在面部识别软件中，研究人员要向系统输入数千张人脸照片或视频，直到系统能够从未标记样本中可靠地检测到人脸为止。

如此一般，目前最好的机器学习算法也就是记忆和重复运行这种统计模型。将其称为“学习”，只不过是在宣传上将其拟人化。AI现在就是一个包罗万象的大筐，几乎任何涉及到自动完成任务的计算机程序都可以往上套。

米科洛夫补充说，让一个算法把两个数字相加，它只能从表格中查找或复制正确答案，而无法从训练中对数学运算进行理解。简单说，在一张白纸的情况下，你告诉某人5个东西加2个东西等于7个东西之后，他就能反过来理解7减2等于5。但对于算法，你教它加法，它学会的也只是加法，要让它学会减去2个数字，就必须重新告诉它减法的做法。现在的AI训练大多就这样，这意味着什么?意味着在算力不够的情况下，要记住——而非学会——减法，就必须忘了加法怎么做。

这些缺陷对AI内行人来说并不是秘密。尽管如此，这些机器学习系统经常被吹捧为AI前沿技术。

以在许多图片网站上配备的图片字幕算法——即自动识别图片内容并添加标注——为例，米科洛夫表示：“每个人都对这个系统的功能印象深刻，但他们很快发现，90%的标注都是训练数据中出现过的。所以这些实际上不是AI的学习成果，顶多只能算是记忆结果。”与之类似的，人们常常误以为机器人身上表现过的某种高级幽默感，其实只不过是一台愚蠢的电脑在复制粘贴而已。

“与你交流的不是某种机器智能。它本身可能是一个有用的系统，但它不是人工智能。”

接下来的一个问题是：我们究竟跑偏到了什么程度?目前，这个行业面临的最大现实问题是，一种能力有限的系统，在营销人员的宣传下，已经具备了某种开发人员完全不知道该怎么开发的能力。

杨百翰大学(Brigham Young University)AI领域计算机科学家富尔达(Nancy Fulda)在接受Futurism采访时表示:“我觉得媒体经常性地夸大我的研究成果很好玩。有一些网站在没有对工作原理有充分了解的情况下，只靠整理了一些主要故事，就报道了相关技术。于是项目的技术细节不见了，系统开始变得魔幻起来。在某种程度上，我几乎认不出这是自己的研究了。”

一些研究人员曾为行业内对这股风气的煽风点火感到内疚。许多参与研发能算法的人，将后端工作作为算法的创造性输出进行宣传，米科洛夫将其评价为一种类似花招的不诚实行为。米科洛夫说:“我认为，一些对局限性有充分了解的研究人员，却试图让公众相信他们研究的是人工智能，这是相当误导人的。”

但在大多数问题中，错都不在研究人员，毕竟宣传自己的产品无可厚非。真正的罪魁祸首是那些没有太多专业知识，也不去找专业人士了解的媒体人士。更糟糕的是，除了无知造成的误解，还有一些媒体人士为了阅读量，甚至有意歪曲、炒作相关技术。

这些问题相当重要，因为人们对人工智能研究的看法，将决定社会资金有多少流入这个行业。毫无根据的炒作可能会阻碍这一领域的稳定发展。固然，当索菲娅和人类进行生硬的谈话，或某种新的机器学习算法完成一些稍微有趣的事情时，金融资本会开始大量涌入。但当技术被证明达不到宣传效果是，资金又会迅速退出。米科洛夫认为，这让建立一个稳定的资本环境变得非常困难。

作为业内人士，米科洛夫的目标是创造出一个真正智能的AI助手、。几年前，他和在Facebook AI的同事发表了一篇论文，概述了实现这一目标的可能性，以及可能采取的步骤。但是在8月由AI创业公司GoodAI举办的HLAI会议上发表讲话时，他提到，现在许多创造类似东西的途径可能都是死胡同。

米科洛夫表示，有不少迹象可以帮你看穿错误方向。最危险的反而是，你是否允许自己作为一个外行人，用自己的理解对技术妄加猜测。

“如果有人向你展示这些系统，那么很可能你只是被愚弄了。稍微知道一些常见的把戏，你很容易就能打破所有这些所谓智能系统的神话。如果稍微有点批判精神，你就会发现这些AI的表现很容易与人类区分开来。“”

米科洛夫向Futurism表示:“也许我不应该过于刻薄，但是当看见像索菲亚这样的东西的时候，我就忍不住了，他们在试图给人留下印象，让人觉得他们在和机器人交流。不幸的是，除非一名了解实情的机器学习研究人员，知道它们背后的秘密，否则人们很容易就沉迷在这种类似于魔术师的把戏和幻觉之中。”

对这些误导性项目的过度关注，可能会阻碍具有真正原创、革命性想法的人取得进展。米科洛夫说:“我希望将来出现一些非常聪明的人，提出一些新想法，而不只是照搬别人的做法。如今出现的都只是一些小的、渐进式的改进。但将会有聪明的人带来新的想法，将这个领域向前推进。”