翻译 | ang010ela

编辑 | Just

【AI科技大本营导读】关于如何定义人工智能我们似乎从来没有达成一致。一种观点是，机器现在还没有理解、推理能力，距离真正的人工智能相去甚远，人们只是在炒作一个看上去相对新潮的概念。但也有人试图找出机器已达到人工智能的证据，并告诫人们这已经是一件司空见惯的事情，那些不愿承认人工智能已然存在的人，更多是不愿打破内心对它的神圣色彩。承认吧，本文作者说，机器现在已经达到人工智能，而且人类最好停止对其定义的争论，轻装前行。

1956年，约翰·麦卡锡（ John McCarthy ）在达特茅斯会议上提出了 Artificial Intelligence（人工智能）的概念。从那时起，人工智能一直是当时的技术无法企及的。而实际上，达特茅斯会议上的提议是：

The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it.（我们的研究建立在这样的一种猜想之上，即（人类）学习的每一方面或者智能的任意一种特征在原则上都能够被精确描述，并可以由机器来模拟）

在衡量机器已达到的“智能”能力时，我们有许多里程碑事件可以对此作出注解。比如图灵测试，以及机器在棋牌游戏中打败人类，机器理解语言和图像识别的事件。在我看来，这都是机器智能可以做到的事情，在现代计算机出世之前，这些事情都是人类（或“智能生物”）所擅长的。而机器智能现在做到这些对我们而言已经习以为常了。

▌技能游戏

首先说在国际象棋这样的技巧游戏中击败人类的里程碑事件。

1970 年，Arthur Samuel 写了一个 Checkers 程序，它可以打败一些高级别的非专业选手。1996 年，深蓝则击败了国际象棋世界冠军卡斯帕罗夫。有人可能会说，“机器至少在一些逻辑游戏方面达到了人工智能的程度”。但仍有很多人反驳称，“这些只是暴力计算游戏，计算机在需要智能（力）的游戏中仍然不具竞争力。”因为在有多种步法可能性的围棋游戏中，会给计算机的计算能力带来挑战。

一直到 2015 年， AlphaGo 战胜围棋世界冠军李世石。 AlphaGo 的智能与人的初级脑力相接近了，它能够自主选择最有前瞻性的一步来进行评估棋局。但如果你在网上搜索一下“ AlphaGo 不是 AI ”这样的关键词，就会发现数百篇关于为什么我们还没有达到人工智能的文章。这些文章的主题是我们还没有达到所谓的通用人工智能（Artificial General Intelligence , AGI）。

▌通用人工智能

AGI 也叫强人工智能，是指可以从周围环境中获取输入，然后利用这些输入以一种智能的方式来达成一些目标。AGI 不遵循预先编程的模式，而是用像人类一样的推理和直觉来达到最终目的。

在一些领域，我们已经非常接近强人工智能了，构建的模型从传感器获取数据并用这些数据来达成短期目标；但在长期规划里，如逻辑推理、高纬输出空间等方面，我们离强人工智能还有很远的距离。

构建强人工智能是一个不错的目标，因为它不需要太多的计算资源就可以解决目前的很多难题。但 AI 反对者所纠结的是 AGI 也不是真正的 AI 。所谓“智能”游戏 AI 并不是真正的 AI，AI 只是人为展示智能的一种系统。

其实 AI 并不需要达到人类等级的智能水平。一个尽最大努力但仍会输给 10 岁孩子的井字棋游戏机器可以称得上是 AI ，因为它具有某种形式的智能。即使是 AGI 的拥趸也同意，“行为像猴子一样的机器是 AGI ”，尽管其智能水平远低于人类。

不过，一旦我们达到了 AGI ，那些认为只有 AGI 才是真正意义上 AI 的人就会说， AGI 也只是机器而已，它并没有达到真正的智能。因为 AI 在他们心里是非常魔幻的，不能接受 AI 本来就普通的样子。

正如 Larry Tesler 所言：AI is whatever hasn’t been done yet（人工智能就是那些还未做成的事）.

▌图灵测试

目前，那些认为我们还没有达到 AI 人们所持有的一种观点是： AI 还没有通过图灵测试。先不管这种测试方法能不能真的测试机器的智能，但我很原意找出一些最近的一些机器能通过图灵测试的例子。或许，人工智能领域最主要的里程碑已经悄然出现了。

Cleverbot 是 20 世纪中末期的一个聊天机器人。其工作原理是存储大量与人类互动的对话数据库，并使用模糊逻辑（fuzzy logic）来进行查询，然后找到合适的答案。同期，还有一个非常流行的网站 Omegle ，它能让你与随机的陌生人进行配对聊天。有人曾写了一个 Java 程序将两个聊天的用户绑定在一起，然后让一个随机的陌生人与 Cleverbot 聊天。一段时间后的研究发现，只有大约 4-5% 的用户察觉到了与他们聊天的是机器人。

更有趣的是，有一个姑娘竟然与 Cleverbot 聊了 10 个小时。在这 10 小时中，她也曾察觉到与其聊天的可能是机器人，但当她对机器进行进一步测试时，机器人每次都顺利过关，这是我所知道的机器人通过图灵测试最好的例子。

还有一点需要注意的是，古瓦哈提印度理工学院在 2011 年用 Cleverbot 进行了一次正式的图灵测试。其中 59.3% 的人认为其智能水平相当于人类。

▌为什么需要停止重新定义 AI ？

我们已经讨论了很多关于如何达到 AI 的问题，为什么我们一定要接受这个现实呢？答案就是这会将我们在该领域的关注点变窄。 尽管 Michael I. Jordan 的文章 Artificial Intelligence — The Revolution Hasn’t Happened Yet （《人工智能革命尚未发生》）中提出只有 AGI 才是 真正 的 AI ，但他的结论与我相似。

这样狭义地去定义 AI，我们会忽略很多非常重要的领域。以顶级会议上的优秀论文为例，与 AGI 相关的文章的排序都比较靠前。如 Barret Zoph 和 Quoc Le 的论文 Neural Architecture Search with Reinforcement Learning 做了不错的技术解释，但内容却相对较少。他们用之前的技术进行了增量改以匹配最新的研究进展，但却被 ICLR 2017 录用并获得了口头演讲的机会。

因为构建其他神经网络的神经网络就像一个可以自我进化的机器，这就是 AGI 的一个标志。再比如 Sebastian Ruder , Parsa Ghaffari 和 John G. Breslin 的文章 Knowledge Adaption: Teaching to Adapt ，该文章在域适应领域有很大的贡献，但却没有被录用。

原文链接:

https://omegastick.github.io/ai/machine-learning/2018/05/02/why-we-need-to-stop-redefining-ai.html

招 聘

AI科技大本营现招聘AI记者和资深编译，有意者请将简历投至：gulei@csdn.net，期待你的加入！

AI科技大本营读者群（计算机视觉、机器学习、深度学习、NLP、Python、AI硬件、AI+金融、AI+PM方向）正在招募中，和你志同道合的小伙伴也在这里！关注AI科技大本营微信公众号，后台回复：读者群，添加营长请务必备注姓名，研究方向。