伟大的冠军懂得如何在巅峰时刻激流勇退。Alphabet旗下人工智能实验室DeepMind已决定，其计算机程序AlphaGo将不再专注于下赢围棋。取而代之的是，根据DeepMind首席执行官杰米斯?哈萨比斯(Demis Hassabis)与别人合写的一篇博文，焦点将是“研发先进的通用算法，有朝一日帮助科学家解决我们面临的一些最复杂的问题，例如为疾病寻找新的治疗方法”。

这一雄心合情合理。人工智能也许将带来重大突破，尤其是当它掌握在考虑周密的人手中时。然而，如果对人工智能的一个误解能够被破除的话，或许会更容易实现这方面的伟大成就。

有些人似乎认为，人工智能就是在新的程序中耦合人造的主观能动性与智能行为。然而，反过来理解才更有道理：人工智能是关于将成功的问题解决与表现出智能的需要解耦。只有实现这一点，人工智能才算成功。

人工智能的最佳定义是由美国计算机科学家约翰?麦卡锡(John McCarthy)及其同事在1955年提出的，那是确立了人工智能这一研究领域的达特茅斯学院暑期人工智能研讨项目经典提议的一部分。他们写道，问题在于“让机器达到这样的行为，即人类如果做出同样行为将被称为智能”。

注意这里的虚拟思维：如果人类有那种行为，我们会说该行为是智能的。这一定义并没有说人造主体是智能的，而是说人类必须是智能的，才能实现同样的目标。否则，解释它就是一种带有迷信意味的谬论。那就好比说，一条河沿着最佳可能路径流入大海——克服沿途的种种障碍；但是，如果是一个人这样做，我们就会认为这一行为是智能的；所以河流的行为是智能的。

整个而且唯一的关键是，要执行一项任务，使得结果同人类智慧所能达到的一样好甚至更好。“如何”不是问题，结果才是问题。这就是为什么人工智能的关键意义在于取代（而不是复制）人类智慧。洗碗机并不像我一样洗碗。但最终而言，它洗干净的盘子与我洗的没什么不同——的确，它洗的可能更干净。同样，AlphaGo并不像世界排名第一的围棋选手柯洁一样下棋，但它还是赢了。

人工智能是人类智慧通过其他方式的延续。因此，自动驾驶汽车并非由坐在驾驶座上的类人生物驾驶，而是彻底再造汽车及整个环境的方式。

多亏这种解耦，人工智能才能够在没有理解力、意识、敏感性、直觉、经验甚至智慧的情况下完成任务，进而接手这类任务。简言之，正是当我们不再试图复制人类智慧时，我们才能够成功地取代它。否则，AlphaGo永远不可能在围棋对弈上比人类强如此之多。

麦卡锡非常清楚这一点。这就是为什么他抱怨把下国际象棋当作人工智能的例子。他说的没错。下棋不是一个好例子。但他进而认为，这不是一个好的替代选择，那就错了。对AlphaGo来说也是如此。如果能破除这一误解，人类面临三大明显发展。

首先，人工智能应该停止去赢得游戏，而是被用于“游戏化”，把任何能够转化为游戏的课题纳入它的视线。如果我是DeepMind，我将聘请一个游戏设计师团队。

其次，在游戏化的环境中，只能用人工智能来抗衡人工智能——其内部互动可能变得过于复杂，以至于外面的崇拜者无法完全理解。或许我们可以像享受巴赫的交响乐那样，享受观看人工智能表演。

最后，可以期待人类智慧将在人工智能发挥更好的领域扮演不同的角色。因为人类智慧将较少地负责解决问题，而更多的是决定哪些问题值得解决以及为什么。

“中国?成都金博宝体育安卓版 金博宝app体育 指数”://www.tsjiaqi.com