一、圖靈的故事
一百年前，歐洲人發(fā)明了一種能夠做乘法的機(jī)器，用來(lái)處理較大的數(shù)字乘法 。比如輸入“128”  ， 再通過(guò)搖右邊的搖桿輸入“21”，就會(huì)算出乘積是“2688” 。那時(shí)還沒(méi)有電子計(jì)算機(jī)，但是這就是人們用來(lái)加速計(jì)算的機(jī)器 。
后來(lái)德國(guó)人在二戰(zhàn)時(shí)發(fā)明了。
它是一種加密用的機(jī)器，輸入“A”時(shí)，機(jī)器可能顯示的是“C”，這樣加密后的信息就可以直接發(fā)給友軍，即便對(duì)方截獲了加密的信息 ， 也很難破解 。
圖靈（1912年6月23日-1954年6月7日，英國(guó)著名數(shù)學(xué)家、邏輯學(xué)家、密碼學(xué)家，被譽(yù)為“計(jì)算機(jī)科學(xué)之父”、“人工智能之父”，是計(jì)算機(jī)邏輯的奠基者）在此做出了巨大的貢獻(xiàn) ， 他破解了德方的加密機(jī)器，從而讓英國(guó)獲得了戰(zhàn)爭(zhēng)的勝利 。
圖靈是一位天才數(shù)學(xué)家，他有幾個(gè)著名的貢獻(xiàn)——
第一，他提出了“圖靈機(jī)” 。圖靈說(shuō)有一種邏輯計(jì)算結(jié)構(gòu) ， 可以把它想成一個(gè)虛擬機(jī)器，所有問(wèn)題簡(jiǎn)化為二進(jìn)制的0和1之后，通過(guò)邏輯計(jì)算就可以得到最終答案 。圖靈機(jī)的概念后來(lái)果然成為現(xiàn)實(shí)，我們現(xiàn)在使用的所有編程語(yǔ)言都可以說(shuō)是“圖靈完備”（讓一切可計(jì)算的問(wèn)題都能被計(jì)算，這樣的虛擬機(jī)或編程語(yǔ)言就叫做是“圖靈完備”的） 。
第二，圖靈在自己的一篇論文中提出“圖靈測(cè)試” 。測(cè)試讓一個(gè)人類(lèi)考官提問(wèn) ， 左邊回答的是計(jì)算機(jī)，右邊是人類(lèi)回答，當(dāng)人類(lèi)考官無(wú)法判斷哪個(gè)是計(jì)算機(jī)，哪個(gè)是人的時(shí)候，則可以認(rèn)為該計(jì)算機(jī)通過(guò)了圖靈測(cè)試 。今天的智能對(duì)話機(jī)器人已經(jīng)通過(guò)了圖靈測(cè)試，比如微軟的“小冰”、的“Siri”、亞馬遜的“Alexa”等等 。
但同時(shí)圖靈測(cè)試也給人類(lèi)帶來(lái)了一個(gè)巨大的問(wèn)題：圖靈測(cè)試讓我們認(rèn)為人工智能的終極目標(biāo)就是機(jī)器變得和人一樣 。很多人認(rèn)為計(jì)算機(jī)在以后真的會(huì)變成人、替代人，讓人類(lèi)失業(yè) ， 或是計(jì)算機(jī)要?dú)缛祟?lèi) 。所有這些想象，都是從圖靈測(cè)試中來(lái)的 。
這個(gè)假設(shè)其實(shí)根本是錯(cuò)的 。愛(ài)因斯坦曾說(shuō)過(guò)一句話：“只有兩樣?xùn)|西是無(wú)窮的，第一是宇宙，第二是人類(lèi)的愚蠢，而我對(duì)前者是否無(wú)窮并不肯定 。”
大仲馬也說(shuō)過(guò)：“讓我最無(wú)奈的是，人類(lèi)的思維是有限的，但人類(lèi)的愚蠢卻是無(wú)限的 。”
很多心理學(xué)家都總結(jié)過(guò)人類(lèi)會(huì)犯的各種錯(cuò)誤，諾貝爾獎(jiǎng)獲得者 在他的著作《思考，快與慢》中總結(jié)了他和其它學(xué)者發(fā)現(xiàn)的非常多的人類(lèi)的謬誤 。
在很多場(chǎng)景下 ， 人類(lèi)做出的決策，都與正確理性的決策相差甚遠(yuǎn) 。這些謬誤意味著，犯錯(cuò)誤這件事會(huì)永遠(yuǎn)困擾著人類(lèi) 。不是因?yàn)槿祟?lèi)想犯錯(cuò) ， 也不是因?yàn)槿祟?lèi)教育程度不高，而是因?yàn)槿祟?lèi)大腦的設(shè)計(jì)并不完美，在快速處理一些問(wèn)題時(shí)，人類(lèi)大腦會(huì)選擇走捷徑，這時(shí)聰明的人類(lèi)會(huì)犯愚蠢的錯(cuò)誤 。
也就是說(shuō) ， 人類(lèi)并非完美的物種 。所以，我們?nèi)祟?lèi)為什么非要讓計(jì)算機(jī)把超越人類(lèi)作為最終目標(biāo)呢？我們真的需要計(jì)算機(jī)像人類(lèi)一樣做決策嗎？完美模擬人的智能機(jī)器，實(shí)際上也并不智能 ， 當(dāng)一個(gè)機(jī)器完全模擬了人的智能，就會(huì)像人一樣犯各種錯(cuò)誤，沒(méi)有什么智能可言 。
我們可以定義一下“弱人工智能”（）：比如下圍棋的能力很強(qiáng) ， 但它不會(huì)開(kāi)車(chē)；微軟的人臉識(shí)別功能非常好，但讓它以同樣的算法下圍棋它卻做不了，這些單一用途的人工智能都叫做“弱人工智能” 。
而強(qiáng)人工智能（） ， 則是機(jī)器可以做人類(lèi)做的任何事 。我們說(shuō)到人工智能的時(shí)候常常會(huì)想象強(qiáng)人工智能，但是恰恰是弱人工智能能夠在很多場(chǎng)景幫助人類(lèi)做更好的決策，以目前機(jī)器學(xué)習(xí)的發(fā)展來(lái)看 ， 強(qiáng)人工智能一方面不容易實(shí)現(xiàn)，另一方面也沒(méi)有必要實(shí)現(xiàn) 。
所以這里有三個(gè)結(jié)論
完全模擬人的機(jī)器并不智能人工智能的發(fā)展不一定非要完全依賴于模擬人 。“弱人工智能”強(qiáng)于“強(qiáng)人工智能”
二、費(fèi)曼的故事
理查德·費(fèi)曼（1918年5月11日-1988年2月15日，1965年諾貝爾物理學(xué)獎(jiǎng)得主）是著名的物理學(xué)家 ， 他曾講過(guò)一個(gè)故事——
某天下午，費(fèi)曼坐在巴西的一家咖啡館中思考，這時(shí)進(jìn)來(lái)一個(gè)賣(mài)算盤(pán)的日本人，打算向咖啡館推銷(xiāo)算盤(pán) 。這個(gè)日本推銷(xiāo)員說(shuō)用算盤(pán)更便于記賬（當(dāng)時(shí)還沒(méi)有計(jì)算機(jī)） ， 但是咖啡館老板表示不想買(mǎi) 。
咖啡館老板說(shuō)：既然你說(shuō)這個(gè)東西計(jì)算很快，那我隨便找一個(gè)顧客（碰巧就是費(fèi)曼），你們兩個(gè)比試一下，看看機(jī)器和人，誰(shuí)的運(yùn)算更快 。比試開(kāi)始，首先是算加法，費(fèi)曼的速度完全沒(méi)辦法和算盤(pán)比，他還沒(méi)讀完數(shù)字，日本推銷(xiāo)員就已經(jīng)用算盤(pán)算出得數(shù)了；后來(lái)費(fèi)曼說(shuō)要增加難度，算乘法，這時(shí)用算盤(pán)需要更多步驟 ， 所以費(fèi)曼和算盤(pán)的速度差不多了；這下，日本推銷(xiāo)員也說(shuō)了，這不行，我們要找一樣更難運(yùn)算的：開(kāi)立方根 。費(fèi)曼同意了 ， 于是咖啡館老板隨機(jī)選定了1729.03這個(gè)數(shù)字 。費(fèi)曼作為一個(gè)物理學(xué)家，碰巧知道12的立方是1728（一英尺等于12英寸，求立方體體積時(shí)，這種運(yùn)算是很常見(jiàn)的），所以他只需要知道剩下的1.03怎么開(kāi)立方了，很快在幾秒鐘內(nèi)，費(fèi)曼通過(guò)使用“泰勒公式”算出了小數(shù)點(diǎn)后5位的得數(shù) ， 給出了12.0025，這個(gè)數(shù)字和正確答案12.00238的誤差是10萬(wàn)分之一 。幾分鐘后日本推銷(xiāo)員才喊出12，費(fèi)曼完勝算盤(pán) 。
人與機(jī)器的角逐 ， 實(shí)際上各有優(yōu)劣：人的直覺(jué)和經(jīng)驗(yàn)是機(jī)器無(wú)法模仿超越的 ， 而機(jī)器在弱人工智能方面也是勝過(guò)人類(lèi)的 。曾有一個(gè)信神的朋友跟我們討論人工智能時(shí)說(shuō)：“我不相信人工智能會(huì)比人厲害，因?yàn)樯袷侨f(wàn)能的，人就是神造的，所以人造的東西肯定不如神造的好 。”那計(jì)算器呢？一個(gè)簡(jiǎn)單的人造計(jì)算器沒(méi)有智能，但是可以在計(jì)算6位數(shù)乘以6位數(shù)的乘法上勝過(guò)人類(lèi) 。一百年前那個(gè)人造的手搖計(jì)算機(jī)在計(jì)算速度方面已經(jīng)超過(guò)人了 。
【人工智能，人與機(jī)器的角逐】機(jī)器確實(shí)有比人做得更好的地方 。但是在需要直覺(jué)和經(jīng)驗(yàn)的場(chǎng)景下，機(jī)器往往無(wú)法勝過(guò)人 。人和機(jī)器在做決定時(shí) ， 用的是兩種不同的方法 。人是用直覺(jué)，直覺(jué)是人將各方面知識(shí)聚集在一起形成的 ， 直覺(jué)讓人快速得到一個(gè)解決答案 。而機(jī)器則用的是“梯度下降”算法，這是在求解機(jī)器學(xué)習(xí)算法的模型參數(shù)時(shí)，最常采用的方法之一 。
機(jī)器做決策只有這一個(gè)方法，就是先讓人類(lèi)找到“損失函數(shù)”，機(jī)器做的就是讓損失函數(shù)最小化 ， 從這方面看，機(jī)器沒(méi)有任何智能——人寫(xiě)出損失函數(shù)，然后讓機(jī)器執(zhí)行優(yōu)化算法 。所以對(duì)機(jī)器的期望不能太高：機(jī)器在弱人工智能層面可以做得很好 ， 但是用梯度下降的范式不可能產(chǎn)生強(qiáng)人工智能 。
現(xiàn)在我們常說(shuō)的人工智能，與以前的人工智能最大的區(qū)別是：以前，人通過(guò)寫(xiě)計(jì)算機(jī)程序來(lái)制定規(guī)則 ， 然后輸入一些數(shù)據(jù)，讓計(jì)算機(jī)算出結(jié)果；而現(xiàn)在，是人把數(shù)據(jù)和結(jié)果輸入進(jìn)去，通過(guò)監(jiān)督和非監(jiān)督學(xué)習(xí)的算法 ， 讓機(jī)器來(lái)學(xué)習(xí)并得到規(guī)則 。以前的人工智能叫做“專家系統(tǒng)”，是基于規(guī)則的，現(xiàn)在的人工智能則更多是讓系統(tǒng)根據(jù)數(shù)據(jù)，去自動(dòng)優(yōu)化而學(xué)習(xí)底層邏輯 。
就如所有機(jī)器一般，人工智能在某個(gè)方面可以很強(qiáng)大，但是復(fù)雜的算法常常被掩蓋在簡(jiǎn)單的界面里 ， 使用者在不理解底層邏輯的情況下使用，就會(huì)產(chǎn)生極壞的效果 。就好比把機(jī)關(guān)槍交給一個(gè)三歲的小孩去用 ， 結(jié)果會(huì)難以想象 。
舉幾個(gè)例子：
我曾經(jīng)從一張Uber的自動(dòng)駕駛汽車(chē)的照片里發(fā)現(xiàn)一處不對(duì)勁的地方：左轉(zhuǎn)紅燈亮的時(shí)候，車(chē)居然向左轉(zhuǎn)彎行駛了 。原因多半是訓(xùn)練自動(dòng)駕駛時(shí)使用了人類(lèi)駕駛的數(shù)據(jù)記錄，有人在左轉(zhuǎn)紅燈亮的時(shí)候左轉(zhuǎn)過(guò)，導(dǎo)致機(jī)器學(xué)習(xí)到了這樣一個(gè)行為 。所以人并不是一個(gè)完美的物種 ， 如果機(jī)器完全向人學(xué)習(xí)的話，也會(huì)學(xué)到人的一些壞毛病 。
幾年前，幾位北航的教授做過(guò)一個(gè)研究，在北京地鐵可以看到，人們從一個(gè)站口進(jìn)去 ， 又從另一個(gè)站出來(lái)，可以畫(huà)出一些曲線 ， 把人分成幾種類(lèi)型 。例如可以看到游客會(huì)去圓明園、香山；購(gòu)物者會(huì)去西單、王府井；而小偷的行為曲線與正常人群是非常不一樣的 。
是否可以用人工智能，分析所有人的行為軌跡，找出小偷呢？可以 。
但是還有另一種分析方法，則是比較危險(xiǎn)的 。美國(guó)新澤西州的警察總監(jiān)是以為女士，她說(shuō)：我們用了大數(shù)據(jù)技術(shù)，能夠算出什么樣的人會(huì)比較容易犯罪 ， 并算出他們?cè)谑裁磿r(shí)候會(huì)犯罪 ， 這樣就可以提前預(yù)警 。
這讓我們想起科幻片《少數(shù)派報(bào)告》，這里面最大的問(wèn)題就是，這樣的計(jì)算依賴的是人不可改變的數(shù)據(jù)的平均值：平均來(lái)講，黑人的犯罪率更高，但是并不代表每個(gè)黑人的犯罪率都高，用平均值算出來(lái)的結(jié)論如果推廣開(kāi)來(lái)，對(duì)黑人的個(gè)體就是很不公平的，而在很多場(chǎng)景下是很危險(xiǎn)的 。
從算法上講，我們不能只看平均效果，而是要看個(gè)體行為 。這與抓小偷的區(qū)別在于：美國(guó)的警察總監(jiān)抓罪犯的方法，是根據(jù)對(duì)方的年齡和膚色這些自身無(wú)法改變的因素來(lái)判斷的，這樣會(huì)冤枉好人；而前面抓小偷的方法，則是根據(jù)對(duì)方的行為，根據(jù)行為的判斷就沒(méi)有問(wèn)題 。
很多人工智能算法，試圖追求的都是平均效果，但如果聚焦到人的話，結(jié)論就會(huì)完全相反 。可見(jiàn) ， 人工智能不是萬(wàn)能的，結(jié)果要靠人去解讀人工智能與計(jì)算機(jī)圍棋 ， 人和機(jī)器要一起合作才是最優(yōu)的 。人工智能有兩個(gè)非常深刻的課題需要解決，第一是過(guò)度擬合的問(wèn)題（假如給了系統(tǒng)太多的自由度 ， 讓它學(xué)到一些不該學(xué)的東西，那么他在樣本內(nèi)的表現(xiàn)很好，但是樣本外就很差了）；第二是因果關(guān)系的問(wèn)題（即便能發(fā)現(xiàn)兩個(gè)變量的強(qiáng)相關(guān)關(guān)系，也不能代表其中一個(gè)導(dǎo)致了另一個(gè)的發(fā)生） 。
這兩大挑戰(zhàn)，是人工智能目前急需解決的問(wèn)題 。
三、馮諾依曼的故事
馮·諾依曼（1903年12月28日-1957年2月8日，數(shù)學(xué)家、計(jì)算機(jī)科學(xué)家、物理學(xué)家，是20世紀(jì)最重要的數(shù)學(xué)家之一人工智能與計(jì)算機(jī)圍棋，也是現(xiàn)代計(jì)算機(jī)、博弈論、核武器和生化武器等領(lǐng)域內(nèi)的科學(xué)全才之一 ， 被后人稱為“現(xiàn)代計(jì)算機(jī)之父”、“博弈論之父”）是人類(lèi)歷史上一位非常聰明的人 。
1945年之前，他和費(fèi)米、費(fèi)曼一起參與“曼哈頓計(jì)劃”，為美國(guó)研制原子彈作出了貢獻(xiàn)；接著 ， 他又開(kāi)始研究計(jì)算機(jī)，幫美國(guó)研發(fā)出來(lái)最早的計(jì)算機(jī)（ENIAC和EDVAC） 。圖靈是將計(jì)算機(jī)邏輯結(jié)構(gòu)想清楚 ， 馮·諾依曼則是把計(jì)算機(jī)體系真正實(shí)現(xiàn)出來(lái)（現(xiàn)在我們的計(jì)算機(jī)還是在沿用所謂馮·諾依曼體系），所以二人都是“計(jì)算機(jī)之父” 。
馮·諾依曼在數(shù)學(xué)、物理學(xué)、工程學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)等諸學(xué)科的貢獻(xiàn)都極為重大 。他在1944年和發(fā)表了一本博弈論的著作，直接影響了經(jīng)濟(jì)學(xué)的方法論 ， 直到今天我們經(jīng)濟(jì)學(xué)中的很多研究還在用他們的博弈論的思想和他們提出的效用函數(shù)這樣的工具 。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)于1969年首次頒獎(jiǎng)，可惜馮·諾依曼在1957年就去世了 。
不同學(xué)科的研究方向都各不一樣 ， 目標(biāo)也不一樣 。比如：
傳統(tǒng)的計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí)人工智能，都是在做預(yù)測(cè)，可以鍛煉出很強(qiáng)的預(yù)測(cè)能力 ， 如同“地心說(shuō)”本是一個(gè)錯(cuò)誤的理論，但根據(jù)這個(gè)理論 ， 人們能預(yù)測(cè)到明天的太陽(yáng)會(huì)東升西落，并算出日出和日落的時(shí)間，所以“地心說(shuō)”可以做出很好的預(yù)測(cè)，但是不能做出很好的解釋；
解釋能力來(lái)自于對(duì)底層運(yùn)行機(jī)制的了解 ， 這個(gè)是經(jīng)濟(jì)學(xué)家感興趣的主題 。舉例來(lái)說(shuō)，“進(jìn)化論”可以解釋人類(lèi)為什么是從猿猴進(jìn)化而來(lái)的，但卻沒(méi)辦法預(yù)測(cè)我們?nèi)嗽谖磥?lái)會(huì)進(jìn)化成什么樣子，所以“進(jìn)化論”有很強(qiáng)的解釋能力，但是沒(méi)有很強(qiáng)的預(yù)測(cè)能力 。
有沒(méi)有辦法讓人在這兩方面同時(shí)做好？目前因?yàn)閷W(xué)術(shù)分工 ， 計(jì)算機(jī)科學(xué)家在研究方法上把預(yù)測(cè)能力推向了極致，而經(jīng)濟(jì)學(xué)家也有很多方法把解釋能力推向極致 。
把兩者結(jié)合起來(lái)是我們的終極目標(biāo)，這方面做得最好的是諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得主赫伯特·西蒙（1916年6月15日-2001年2月9日 ， 20世紀(jì)科學(xué)界的一位通才，其研究工作涉及經(jīng)濟(jì)學(xué)、政治學(xué)、管理學(xué)、社會(huì)學(xué)、心理學(xué)、運(yùn)籌學(xué)、計(jì)算機(jī)科學(xué)、認(rèn)知科學(xué)、人工智能等領(lǐng)域） 。西蒙是目前人類(lèi)歷史上唯一一位同時(shí)獲得了經(jīng)濟(jì)學(xué)最高榮譽(yù)諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)和計(jì)算機(jī)科學(xué)最高榮譽(yù)圖靈獎(jiǎng)的人 。他對(duì)各個(gè)領(lǐng)域都貢獻(xiàn)巨大，我們需要像他和馮·諾依曼這樣的人，既懂得經(jīng)濟(jì)學(xué)的底層邏輯，能夠透過(guò)現(xiàn)象看本質(zhì)，又具有科學(xué)家的思維，能用計(jì)算機(jī)科學(xué)思維做出很好的預(yù)測(cè) 。
人工智能的兩大挑戰(zhàn)（過(guò)度擬合和因果關(guān)系），也許可以用經(jīng)濟(jì)學(xué)的方法來(lái)指導(dǎo) 。經(jīng)濟(jì)學(xué)的因果分析方法在過(guò)去20年間得到了非常大的發(fā)展 ， 而這些模型對(duì)計(jì)算機(jī)科學(xué)家來(lái)說(shuō)是很陌生的 。人工智能和經(jīng)濟(jì)學(xué)因果關(guān)系研究的未來(lái)發(fā)展需要互相參考對(duì)方的方法，也許根據(jù)馮諾依曼的理論發(fā)展出來(lái)的經(jīng)濟(jì)學(xué)方法最終能解決一些困擾著根據(jù)圖靈的理論發(fā)展出來(lái)的人工智能的挑戰(zhàn) 。
通過(guò)上面三個(gè)小故事，我們回顧了過(guò)去100年間人和機(jī)器的角逐 。結(jié)論其實(shí)很簡(jiǎn)單：我們不需要擔(dān)心機(jī)器替代人類(lèi)，也不需要機(jī)器以人類(lèi)智慧為最終目標(biāo) ， 當(dāng)機(jī)器的強(qiáng)大運(yùn)算能力和人的強(qiáng)大經(jīng)驗(yàn)結(jié)合起來(lái)的時(shí)候，當(dāng)經(jīng)濟(jì)學(xué)的因果分析方法能給人工智能的兩大挑戰(zhàn)提供解決方案的時(shí)候，人工智能的終極目標(biāo)就實(shí)現(xiàn)了 ， 人工智能才是真正的人（人類(lèi)）工（工具）結(jié)合的智能 。
以上文章是根據(jù)我在微軟和清華經(jīng)管學(xué)院合辦的“AI商學(xué)院”做的整理的 。
本文到此結(jié)束，希望對(duì)大家有所幫助 。

• 馬云與馬斯克在2019世界人工智能大會(huì)開(kāi)幕上的對(duì)話實(shí)錄
• 我國(guó)人工智能的領(lǐng)先點(diǎn)有哪些？
• 江蘇省虛擬現(xiàn)實(shí)與人工智能專業(yè)建設(shè)與創(chuàng)新研討會(huì)召開(kāi)
• AI繪畫(huà)快報(bào)：聊聊AI人工智能繪畫(huà)
• 人工智能攻克了象棋圍棋，那么是否可以應(yīng)用到斗地主？
• 人工智能對(duì)人帶來(lái)哪些危險(xiǎn)？
• 熱門(mén)專業(yè)也能就業(yè)尷尬！人工智能專業(yè)報(bào)考建議，6個(gè)思路避免入坑
• 人工智能會(huì)影響哪些工作？這些員工面臨的風(fēng)險(xiǎn)最大
• 人工智能現(xiàn)在處于什么發(fā)展?fàn)顟B(tài)？
• 現(xiàn)代科學(xué)皇冠上的明珠，人工智能最全A股名單！