從巴普洛夫的狗、桑代克的貓到斯金納的老鼠，科學家曾經像訓練小狗一樣訓練人工智能。“今天的人工智能被稱為是‘窄人工智能’，就像學人話的鸚鵡，而我們未來要做的是‘通用人工智能’，應該像聰明的烏鴉一樣。”

在上海楊浦舉行的“2019未來大會”進入第二天，人工智能是科學家們關注的主要議題。復旦大學客座教授、數據科學50人成員鄔學寧分享了對人工智能未來路徑的展望。

AI將走向何方：神、神經還是神經病？

“人工智能在近70年的發展史上經歷了兩次低谷，未來的人工智能將走向何處，目前有三種主導觀點。”鄔學寧指出，第一種觀點是認為人工智能將會超越人類，成為神和上帝，提出的這個“奇點理論”的包括已故量子物理學家霍金。在這種論述中，人工智能對人類而言是一個威脅。

第二種觀點認為人工智能主要的推動力是神經網絡，特倫斯?謝諾夫斯基和杰里弗?辛頓是這個學派的奠基者。“神經網絡的發展需要大數據，但隨著目前大數據的紅利在逐漸小，他們認為未來幾年人工智能的發展與前兩年的高速發展相比速度會逐步減慢。”

還有一種學派認為機器學習無法預測，人工智能與人類將存在巨大的鴻溝。人工智能的冬天還會再來，而這一次人工智能的冬天，并不會是最后一次。“三個學派的觀點總結起來就是，神，神經和神經病。未來將去往何方，目前還無法預測。”

要做烏鴉，而不是鸚鵡

關于人工智能的未來設想，鄔學寧講述了鸚鵡和烏鴉的故事。“今天的人工智能實際上是‘窄人工智能’，它學人學得很像，就像一只學說話的鸚鵡，但是它的智力其實很低。而將來要實現的‘通用人工智能’，可能是烏鴉。”

烏鴉很聰明，它在路上發現一個堅果，但是自己砸不碎，它會把這個堅果放在馬路當中，希望往來的車壓過去把堅果壓碎。但是路上的車很多，一不小心，也許去拿堅果的時候自己也會被車壓死。怎么辦呢？這時，烏鴉又發現了紅綠燈，當紅等亮的時候，車會停下來，趁著這個時機去吃堅果就是安全的。“我們將來要做的人工智能應該是烏鴉，而不是今天的鸚鵡。”

如何才能達到烏鴉的智能呢？鄔學寧認為，深度學習只解決了感知問題，還要加上邏輯推理。“實現這種人工智能的路徑有很多，其中有一種我個人特別感興趣，就是群體智能。”不管是鳥群還是螞蟻，是蜜蜂或是螢火蟲，它們的單體智商非常低，但當它們聚集成一個群體時，即便沒有個體控制這個群體，它卻整體涌現出一種非常高級、有生命特征的智能。

這種智能也許就是神經網絡。“我們大腦中的每一個神經落、每一個神經元的功能都非常簡單，但是我們有一千億個神經元，他們集聚在一起就能從量變到質變，產生一個非常高超的智能。”宇宙看上去包羅萬物，但其實只是由大量非常簡單的結構所組成，人工智能也是同樣的原理。

擊敗柯潔的AlphaGo并不知道自己在下圍棋

一只餓貓被關在關緊的實驗迷箱中，箱里面有一個開門的按鈕，只要碰到這個按鈕，門就會打開。一開始，貓怎么都走不出箱子，在亂碰亂撞中偶然碰到了開關，門開了。經過多次嘗試錯誤，貓學會了碰按鈕開箱門的這個行為，這是桑代克的貓的試驗。

在科學史上，無論是桑代克的貓、巴普洛夫的狗還是斯金納的老鼠，都在試圖證明一種學習過程，即有機體在一定條件下形成刺激與反應的聯系從而獲得新的經驗的過程。如今到了人工智能身上，人們也試圖用同樣的方式來訓練AI，從而讓機器自己找到“路徑”。

“過去，我們只關心AI怎么做，卻從不關心AI怎么想。”鄔學寧指出，強化學習是一個類似多巴胺的機制，這種方式在大多數時候很有效，但也會在某種特殊的情況下存在局限，一旦AI在學習過程中發現某種路徑是最有利的，就會陷入“局部最優解”而停滯不前。

“很多人擔心AI有一天會超過人類，其實這種擔憂有點杞人憂天。”他指出，目前深度學習只是建立一個從輸入到輸出的映射過程，使錯誤最小化，這種最小化只是數學上的最小化。表現得超乎尋常完美的神經網絡其實并不真正理解其執行任務的意義。

“AI翻譯應用能在多種語言中即時地翻譯，但翻譯得再好，AI本身并不理解自己翻譯的句子是什么意思。同樣的，擊敗柯潔的AlphaGo其實并不知道自己在下圍棋。”人工智能沒有意識，它在大多數時候很聰明，但也會有犯迷糊的時候，比如一些人類不可能犯的錯誤，它卻會犯錯。

鄔學寧指出，AI的另外一個局限性在于監督式的學習需要大量標簽數據，而打標簽本身需要耗費大量的人力。“無人工，不智能”，是目前AI的局限。“過去，人工智能從腦科學、心理學、經濟學，以至于量子力學當中都獲取了能力，那未來人工智能可能從什么地方獲取靈感呢，這是我們要思考的問題。”