eva,生吃使徒:危险边缘：电脑对垒人脑-偶看新闻

公关噱头有时能够服务于严肃的目的。下面这个例子就能说明这一点：IBM花费四年时间、耗资3000万美元研发出的极其先进的计算机系统，于近日登上了美国热门电视问答节目《危险边缘》(Jeopardy!)的舞台接受考验。

那日晚上，这台机器相对两位人类参赛者取得了压倒性胜利，它创下了这个难度适中的问答系列节目27年历史上的最好成绩。

与IBM这一美国计算机业巨擘上次用自己所造电脑与人脑对抗时的情形相比，这次的对抗似乎减色不少。14年前，IBM专门制造的计算机“深蓝”(Deep Blue)险胜国际象棋世界冠军加里•卡斯帕罗夫(Garry Kasparov)，在六局对弈中取得二胜一负三和的战绩。

但实际上，从国际象棋所属的纯数学领域迈进到更缺乏条理的语言与流行文化领域，对于计算机业来说是一个长足的进步。这一进步可能会以令人惊讶的速度对日常生活和商业竞争造成影响。

在人工智能的历史上，虚幻的曙光比比皆是。人类曾多次尝试制造能模仿人类思维的机器，但结果似乎只证明了一点：人类思维的微妙性难以简化为某种算法。然而，随着参与问答节目的电脑系统等新进展的出现，与机器智能紧密相关的技术实现了巨大的发展。

这会大大提升从医疗诊断到金融交易等一系列领域的计算机辅助决策的信息处理水平。虽然现在成本高昂得令人望而却步，但此类技术进步有朝一日可能造就出寻找和解答直接询问的能力比谷歌(Google)强大得多的个人数字助理。

这也带来了一个问题：在寻找答案的过程中，这些机器自身是否有一天能够超越其创造者的局限？不过，正如我们对人工智能领域之预言的一贯态度一样，我们对真正的机器智能即将出现的预言，也应该半信半疑地看待。

然而，即使是那些怀疑IBM的这一技术突破能否对迈向完全电脑智能产生更广泛影响的计算机科学家，也认为它代表了一个重大进展。

麻省理工学院(MIT)机器人学教授罗德尼•布鲁克斯(Rodney Brooks)说：“如果五年前你跟头脑清醒的人工智能研究者讨论这个进展，他们一定会说这是二、三十年之后的事。”

卡内基梅隆大学(Carnegie Mellon University)计算机科学教授路易斯•冯•安(Luis von Ahn)补充道，虽然距离完全机器智能还有很大差距，但这一技术能够催生新一代自动化系统——相对今天的技术而言，该系统能够为日常生活中的问题提供更加有用、更加直接的解决方案。他说：“只要问题得到明确定义，我们就能解答它。”不过他又补充道，这在很大程度上将取决于参与《危险边缘》节目的那台电脑的核心算法是否像IBM声称的那样具有广泛的适切性。

一些分析师，如科技业研究公司Gartner的梅尔夫•阿德里安(Merv Adrian)认为，从参与问答节目的电脑到看起来能模仿人类推理中的一些元素的新型计算机系统，可能只有不长的距离。IBM已开始与美国大型医疗机构讨论如何利用这项技术来制造更准确的诊断系统，并表示该技术在金融服务业和零售业的应用可能很快会跟进。IBM研究员凯瑞•霍利(Kerrie Holley)透露，能够协助决策的问答流程基本原理可能会在一年内得到应用。

这个魔术背后有两个核心过程。一是自然语言识别，也就是“理解”一句话的能力。鉴于词汇和句法的复杂性，这一过程比听起来要难。语言并不总是遵循清晰的规则，这会给无法接受歧义的机器制造许多麻烦。

另一个过程是为某一给定问题寻找到最匹配的答案，用科学术语说就是“深度问答”(Deep QA)。IBM的这一系统叫做“沃森”(Watson)，是以该公司创始人的名字命名的。沃森会遍历大量可能匹配的答案，但它并不会直接选取排名最高的结果，而会对每个给定的答案是否正确设定一个概率。这一技术对现实世界中的情况可能很有帮助，因为现实世界中的事物很少非黑即白。

这个过程中的一个核心元素是称为“机器学习”的反馈循环，该循环使得系统能在给出错误答案后改良它的推理过程。对该系统作过研究的分析人士表示，虽然机器学习的雏形已经进入日常应用，例如在互联网垃圾邮件过滤器中的应用，但该系统将它应用于基础要广泛得多的一般信息，则代表着一个突破。

这项工程的关键在于能否获得大量的数字化数据。这些数据一可用来提供大量例证“培训”该系统、对它进行微调，二可用来向它提供得出答案所需的原始资料。

麻省理工学院的布鲁克斯教授评价道，这突显出了计算机科学领域一个更广泛的进步。由于能够访问涵盖各个学科的海量数据库，多个领域的研究进度已经加快。他指出，由于欧盟委员会(EC)的大量文档都拥有多种语言的版本，这些文档的存在使得机器翻译的发展成为可能。通过提供一一对照的多语种例句，这些文档变成了数字翻译系统的“识字书”。

布鲁克斯教授说，将这个功能与智能手机和视觉识别应用结合起来，你就能够用手机对外语指示牌拍张照片，而后立即在手机上显示出翻译结果，而这类事情在短短五年前都还像是科幻电影。

研究人员已向沃森输入了数字图书馆中的几百万册图书、以及其它文档，打造出一个规模巨大的数据库，供其进行分析，并从中找到最终可能是意料之外的答案。

就所有依赖网上可获得的海量数据来得出答案的新系统而言，这项工作对提升它们的能力至关重要。通过遍历众多不同领域的知识，它们或许能够找到出人意料的相互关联，从而作出预测，或为解决复杂问题提供灵感——只精通某一个领域是不可能做到这一点的。

如果得出了错误的答案，沃森“会去查找可让它得出不同结果的其它相关数据”，Gartner的分析师阿德里安说。“它会改换做法，查找具有预测价值的信息，并且考虑人们此前未提示过的事物。”

这项技术的“强度”要比谷歌的技术大得多。谷歌的引擎能执行数百万次并发搜索，而IBM的系统会调动全部的处理器，全力以赴地在三秒钟内解答单一问题。科技业研究公司Envisioneering的分析师理查德•多尔蒂(Richard Doherty)说：“它会获取人类全部知识，并以极快的速度从头到尾检索。”

他补充道，审核贷款、诊断疾病、向零售客户交叉销售产品、挖掘社交媒体从而找到了解消费者的新方式等任务，都可以在更智能的电脑协助下得到改进。

这种前景再次唤醒了由早先一代“专家系统”引发的期望。当时，那类系统试图通过总结专家的思维过程来引导他人决策。由于不能适应意料之外的数据或不断变化的环境，那类系统显得太过僵化、无法广泛使用。

乐观人士表示，这一次，系统将进化到超越其编程人员局限的程度。多尔蒂说：“你会愿意把这种东西当作一个值得信赖的顾问的。”

但应用到社会领域后，这类系统的潜在应用可能引发更多棘手的问题。在充足数据的支撑下，它们或许能够为更广泛的问题提供最优的答案，比如怎样应对大规模流行病。用机器来促成此类会对数百万人的生命造成影响的决策，将产生关于公共政策制定的伦理问题。

与这个问题相关的问题是，随着这类“智能”系统的思维变得越来越发达、对自己得出的结论越来越肯定，批评它们（从而让它们改进答案）的难度将会越来越大。

Wolfram Alpha执行董事吕克•巴尔特莱(Luc Barthelet)表示：“很快，它们就无法分辨自己得出的结论哪些是垃圾、哪些是好的了。”Wolfram Alpha也是一家颇有野心的互联网问答服务公司。

如果试图描述沃森这类系统的长远影响，那我们很快就得用上科幻影片中的语言。

例如，霍利预言，像《星际迷航》(Star Trek)里麦考伊医生(Dr McCoy)所用的三录仪(tricorder)那样的诊断助手将会问世。加上语音识别（一项被认为很难的、无法为《危险边缘》中的系统作到完善的神奇技术）后，这类系统的类人特征就会更多，离1968年的电影《2001：太空漫游》(2001: A Space Odyssey)中那怪异、超自然的电脑HAL更近了一步。

机器学习领域取得的进展，由于能够将电脑从编程人员的局限中解脱出来，不可避免地会让人联想起一系列反乌托邦(dystopian)科幻影片。阿德里安说：“这时你会想到天网(Skynet)。”他指的是《终结者》(Terminator)系列影片中的电脑系统，该系统发展出了自我意识，后来背叛了它的制造者。

然而人工智能的发展史表明，任何一个单独的进步都不应被过分夸大。电脑求出结果时靠的依然是蛮力，它执行一个对人脑来说再简单不过的任务——如人脸识别——都得进行大量的计算。布鲁克斯教授说，人类思维的算法仍然是一个谜。

而且迄今为止，机器学习也给不出一种能创造出超越其制造者局限的电脑的方法。IBM的阿尔温德•克里希纳(Arvind Krishna)表示，沃森之类的系统不具备创造力，其自身的理解能力也无法取得真正的进步。

不过，就像谷歌已成为人类记忆的助手一样，复杂的问答系统最终也会成为人类思维的补充。

由此到把人脑的一般性任务交给数字助手（就像我们早已把大部分数学运算交由计算器完成一样），可能只有不长的距离。能轻松“外包”的初级思维过程为什么还要亲自劳神呢？

即使到了那时，机器可能也会像现在一样，不能声称自己拥有了真正的智能，但创造它们的人类却已将自身智力在自然的局限之外又推进了一步。