作者 | 竺晶莹

题图 | 《模仿游戏》剧照


六年前,牛津大学的一个办公室里,电话铃声划破了寂寂的长廊,突然响个不停……


“请问是迈克尔·伍尔德里奇教授吗?我们来自BBC,想跟你求证一些关于AI的言论。近日,埃隆·马斯克说,AI在未来将摧毁人类。你怎么看呢?” 电话那头传来急促的声音。


伍尔德里奇教授忍俊不禁,从他的学院派眼光看来,马斯克的预测正如好莱坞迷恋AI统治世界的故事一样,尚属无稽之谈。


随着AI话题热度越来越高,伍尔德里奇教授30年来平静的研究生涯,自这通电话后开始被打破。他发现,相较艰深的技术分析,媒体显然更倾向于报道人工智能下的反乌托邦场景。只是,事实并非如此。这也是为什么他近年来撰写了《人工智能全传》一书,试图向大众破除关于AI的迷思。


英国议员马特·里德利曾盛赞他:“没有人比伍尔德里奇更了解人工智能这项新技术的过去和现在,以及它给人们带来的便利和危害。”


议员或许夸张,倒也并非过誉。时任牛津大学计算机学院院长的迈克尔·伍尔德里奇(Michael Wooldridge),与我进行了一次对谈,希望帮我们厘清人工智能的发展简史。对话中,教授从图灵测试谈到深度思考,算法偏见如何制约了机器,“技术奇点”有何缺陷。


伍尔德里奇教授被誉为英国计算机领域影响力最大的三位学者之一 / 图片来源:牛津大学官网
伍尔德里奇教授被誉为英国计算机领域影响力最大的三位学者之一 / 图片来源:牛津大学官网


祛魅AI


“这个世界已经有足够多的担忧能让我们失眠,比如气候变化、核武器,我不建议大家再担心AI取代人类这种事了。” 伍尔德里奇教授无奈笑道,他的英式幽默有点冷。


在教授的回忆里,当时马斯克表示AI可能摧毁人类后不久,斯蒂芬·霍金竟也警示大家,AI对于人类而言是个潜在的威胁。这让他陷入了深思,为何像霍金这样伟大的头脑都作出了类似判断。


他或许找到了部分原因。过去十年间AI的飞速进展,让我们幻想未来几十年AI研究仍能以一种梦幻的速度实现超越。但是,伍尔德里奇指出,人们往往忽视了过去取得的进步,仅局限于特定的领域以及具体的程序中,比如AlphaGo、自动翻译。这会让人误以为,一个全知全能的拟人化AI快要降临了。但能下围棋的程序无法自动翻译,强人工智能时代也不会那么快到来。因此,特定程序的研发进步,让我们将乐观的情绪扩散到了AI全面进展上,但实际上这只是千里之行所累积的跬步而已。


“人们错误地认为,如果机器可以在某方面比人类做得更好,那么它们在任何方面都超越了人类,显然并非如此。一个程序若能比人类做得更好,那是它通过被大量训练使得程序最优化,然后在一个精细的领域里达到顶尖水平。”


比马斯克的言论更成体系的,大概是“技术奇点”(Technological Singularity)理论。20世纪50年代,计算机先驱冯·诺伊曼首次提出“奇点”,表述为一种可以撕裂人类历史结构的能力。60年代,数学家I.J.古德首创“智能爆炸”,指智能机器在无需人工干预的情况下不断设计出下一代。


2005年,美国发明家、预言学家雷·库兹韦尔(Ray Kurzweil)在《奇点临近》一书中大胆预测:科技正以史无前例的速度指数级发展,计算机将超越人类智能的各个方面。到2045年,奇点来临时,人工智能将完全超越人类智能。奇点之后,如果人的智能完全转移到计算机上,那么人将以软件形式实现永生。


库兹韦尔将历史分为六个纪元,每一个纪元的出现,都是利用上一个纪元的进化成果。人类在进化中产生思维能力,继而创造了技术,从简单的机械化发展为成熟的自动化设备。而接下来就将进入人机文明的纪元,由于人类技术呈现指数型发展,像基因技术、纳米技术、机器人技术都将呈现更大容量、更快速度与更强的知识分享能力。我们的人机文明将超越人脑的限制,奇点开始,并于第六纪元从地球拓展到全宇宙。


如果这段说明有点拗口,用伍尔德里奇教授的话来说就是,机器会不断自我学习让自己变得更聪明,而机器学习的速度远远超过生物。因此我们害怕,机器最终会脱离人类的控制,因为它将聪明到我们难以理解它,难以与它共处。


然而,伍尔德里奇指出了奇点理论有明显的不足——没有人致力于制造“奇点”;而这也不会在一夜之间发生,因为我们只有应用大量的科学与技术才能达到“奇点”,好比波音747的发明,就是一个无比漫长的工程学研究过程,而它在开发中必须首要考虑的就是,确保人类的安全。


“我并不担心奇点的到来,因为我们目前并不知道如何从现有的AI,演化到通用人工智能(Artificial General Intelligence),这依旧是科学之谜。” 教授补充道。


尽管伍尔德里奇教授理性且克制地看待AI发展,但这并不代表他对于人工智能进步的观点过于保守。事实上,AI简史中有许多关键时刻令他感觉到兴奋。


“如果你来挑选AI发展过程中最关键的三个时刻,会是什么?” 我问。


教授略一沉思,在他30余年的研究生涯里,见证过太多AI高光时刻,只挑三起事件,倒也为难。但他还是很快确认了对自己震撼最大的三个节点:1966-1972年,首台采用了人工智能学的移动机器人Shakey在美国斯坦福国际研究所(Stanford Research Institute, SRI)被发明;2005年,自动驾驶汽车Stanley完成了132英里的Mojava沙漠路线,在DARPA超级挑战赛上一举夺冠;2016年,谷歌DeepMind研发的AlphaGo击败围棋世界冠军李世石。


伍尔德里奇进而解释,当时斯坦福研究所团队试图制造一个自主机器人,你向它下达命令后,它得自己找到途径达成任务,比如你让它把箱子从这个角落搬到那个角落。而这需要许多步骤,首先它要听懂你的指令,其次它要弄清怎么完成指令,再来它还要辨识真实世界的场景,你需要把这些所有元素都内置到一个机器人上。Shakey展现了人工智能的应用,但更揭示了我们在AI领域远有更多路径需要探索。


自主机器人Shakey / 图片来源:Google 
自主机器人Shakey / 图片来源:Google 


Stanley在2005年挑战赛上的表现则证明无人驾驶技术的难点首次被突破。2004年第一届挑战赛上,没有一辆自动驾驶汽车能行驶超过7英里,甚至很多车都没开过起跑线。但没想到,仅隔一年,伍尔德里奇记得至少有七辆车能够自动驾驶140英里以上,只需按下按钮,斯坦福大学开发的Stanley就可以在复杂的地形上平均每小时行驶约 20 英里。他想,那简直就像第一次见证飞机飞行一样。


无人驾驶汽车Stanley在2005年挑战赛中夺冠 / 图片来源:Google
无人驾驶汽车Stanley在2005年挑战赛中夺冠 / 图片来源:Google


AlphaGo在2016年在韩国首尔击败李世石,则超乎意料,学界本以为这种层次的技术在未来二十年才会发生,因此这是“深度学习”(Deep Learning)取得重大突破的明证。


AI迷思


那什么是所谓的“深度学习”呢?


如果用官方语言描述,那就是推动第三次神经网络的关键技术。伍尔德里奇教授指出,这个人工智能中最古老的想法之一,在过去十年中才开始取得成果。我们从大脑结构中汲取了灵感来构建AI系统,人类大脑约有1000亿个神经元彼此连接,那么类比在软件中就是神经网络。1990年的一个典型神经网络可能只有约100个神经元,2016年先进的神经网络已经拥有约100万个神经元。


深度学习的意义在于不断前进,构建更深的网络层级、更庞大的神经元结构、更广泛的神经元连接。


虽然AlphaGo是深度学习取得重大进展的标志之一,但它也存在缺点。比如一个拒绝为客户提供银行贷款的深度学习程序,无法告诉你它拒绝客户的原因。此外,神经网络的稳定性也存疑。如果对图像进行细微修正,这对人类来说不影响图片识别,但会导致神经网络将其错误分类。因此,同样的改图方式可以影响程序对路标的识别,在无人驾驶汽车中,神经网络就可能误读路标。


另一个常被提及的概念是“算法偏见”(Algorithmic Bias)。教授指出:“这并非算法的偏见,其实是算法继承了人类的偏见。”


这一说法可以追溯到1970年代,为了提高招生流程的效率,伦敦圣乔治医学院的Geoffrey Franglen博士编写了一个“模仿人类评估员”的算法来筛选学生的入学申请,其初衷也是为了抹平招生委员会的个体偏见,交由系统来完成“公平”的筛选。结果却适得其反,成功入学的申请者始终缺乏多样性。


原来,算法被设定了一些无关因素,比如出生地和姓名,来权衡申请者。如果他们的名字不是白人姓氏,筛选流程就会对他们不利,光是没有一个欧洲名字就会自动扣除申请者 15 分了。女性申请者平均要被扣掉3分。因此,算法只是在维持当时招生系统早已存在的偏见而已。


那么今天我们有希望解决算法偏见的问题吗?


伍尔德里奇表示,AI的工作原理就是,程序通过不断被训练来作出判断。假设一家银行在设计程序来判断客户是否该获得贷款。那么银行需要展示大量贷款申请,并告诉算法,这是优质或劣质的申请。但关键在于,训练算法的人本身就带有自己都没意识到的偏见,那么算法自然在大量习得数据的过程中也沾上了偏见。比如伦敦存在区域的“邮编歧视”,如果一个程序根据客户住址来判断他该不该获得贷款,由于以往数据显示偏远社区的用户偿还贷款能力不佳,这时算法就倾向于判断这类邮编的客户不该被批准申请。


这么看来,只要人类社会的偏见不消除,算法世界的偏见也不会消失。不过,从1970年代至今,人们至少在消除种族歧视、倡导性别平权上的呼吁已经得到些许进展,而只有现实世界里的进展才会延伸到算法系统中。


最终,这些关于机器能否思考的讨论,必然会溯源到阿兰・图灵(Alan Turing)身上。1950 年,图灵发表了一篇论文《计算机器与智能》,他提出了一个问题:“机器会思考吗?”


开启了人工智能时代的图灵 / 图片来源:Google
开启了人工智能时代的图灵 / 图片来源:Google


如果看过《模仿游戏》,那么对这位数学天才不会陌生。电影剧情中,二战时期,英国军情六处招募了一批人来破解德军Enigma密码机制造的暗号,但没有人能在24小时内解出无数种可能性,而一天过后又是新的密码。直到图灵意识到,只有机器才能打败机器。


伍尔德里奇指出电影有许多戏剧化的偏离现实情节,倒有助于大众认识到图灵。他说,图灵几乎是偶然发明了计算机,因为他1930年代在剑桥读博期间就尝试解决当时最重要的一个数学问题,为了解决它,图灵最终发现他必须发明一种通用机器。战后,他继续建造自己的机器,这实际上是他数学梦想的载体。


随即,图灵就发明了一种测试来检测机器是否会思考。英国有一种模仿游戏,一男一女分别位于不同房间,裁判需通过他们的手写对话来猜谁是谁,但男女双方都有可能在模仿对方。图灵被游戏启发,构思了一个思想实验,将其中一位选手换成了计算机。如果计算机在编程之下,让裁判无法断定自己究竟是跟人还是机器对话,图灵提出,那就有理由推断出机器和人类一样在“思考”。


这个思想实验被称作“图灵测试”,仍是AI界最具争议的话题之一。伍尔德里奇将这个测试形容为美妙,因为几乎是图灵开启了AI时代。


而那也可以被视作对哲学的一种挑衅。


哲学家Daniel Dennett表示,图灵测试本该是哲学对话的终结者,“与其无休止地争论思考的终极本质和要义,我们为什么不都就这一点达成一致呢?即无论其本质是什么,任何东西只要通过了这一测试,当然就拥有思考能力。”


此为“算法与活法”系列报道第四篇,该系列聚焦科技时代下我们的生活如何被“异化”,通过与学者或专家的访谈以期获得些许洞察。此前该系列篇目有:


《我们正掉入外卖陷阱》

《算法与活法:当你不再被需要》

《“人性第一”》