真正的人工智能遠比AlphaGo強大！
來源： 發布時間：2017.05.27Novaquark創始人兼總裁Jean-Christophe Baillie撰文Why AlphaGo is not AI，該文表示，“AlphaGo不是人工智能”；“沒有機器人就沒有人工智能”等看法。此文將為你解析為何AlphaGo不是人工智能。以下為Why AlphaGo is not AI（為什么AlphaGO不是人工智能）全文。清科研究編譯。
什么是AI？什么不是AI？
從某種程度上來看，什么是AI，什么不是AI，只是如何定義的問題。我們看到AlphaGo和類似的深度學習方法如今已經取得了巨大的進步并幫助了一些復雜的問題。但是人工智能（AI）是否達到了人工通用智能（AGI）的程度？答案是否定的。
在研發人工智能的過程中，最關鍵的地方在于它是否會感知世界。如人類一樣，對自己所遇到、聽到的、表達的、做出的事情有自己的理解。顯然，如今的AI無法做到這一點，AI所做的一切都是編寫好的程序，AI并不理解正在發生的事情，也不會處理其他領域的事情。
所以AI到底是什么？這個問題需要被弄清楚。第一位提出這個問題的是普林斯頓大學心理學系的Harnad，1990年他發表的名為《符號基礎問題》（The Symbol Grounding Problem），論文中提到：任何系統內部的符號表征，其基礎都存在于外部的真實世界。
人工智能的定義，應該從解決這個問題開始：
一、如何使實體（人或人工智能）從外界接收到信息？
二、是人工智能如何與現實世界進行信息溝通，或者如何創造“意思”。
三、如何使實體之間的信息同步？（如果不能溝通，智能也只能是一種絕對孤立的狀態。）
四、為什么實體一直都處于動態？
第一個問題，如何組織信息？人工智能通過深度學習和類似的非人工監控性算法很好的解決了這個問題，比如說AlphaGo。我們目前在這個領域已經取得了巨大的進步，部分原因是因為計算機效率的提高和GPU的使用（圖形處理單元），GPU擅長用來處理信息。這些算法真正做到的是將極其復雜的高維度空間信號降維，并在此過程中減少信息損失。從信息處理的角度來看，這些算法可以“抓住”信息中最為關鍵的部分。
第二個問題，是人工智能如何與現實世界進行信息溝通，或者如何創造“意思”。這個問題與機器人緊緊相連，因為“智能”需要一個軀體與世界互動，從而與世界聯系產生信息溝通。這就是為什么我經常說人工智能都要依靠機器人為軀體的原因（其實沒有AI，也會有很好的機器人，但這是另話暫且不說。）這也常被稱為“擬人化問題”，如今大多研究人工智能的人都認為智能和軀體是緊密相連的問題。
我們在動物王國都可以看到每一個不同的軀體都有著完全不同的智力和理解力。主體往往從簡單的事物入手，比如感知自身的每個部分，在可觀察的世界中控制身體這些部分取得預期效果，以及建立距離、顏色等空間概念。這已被研究人員廣泛研究比如Kevin O’Regan和他的“感覺運動理論”。但這僅僅是第一步，因為接下來你還要在基礎的感覺運動結構上建立越來越多的抽象概念。人工智能還沒有達到這一步，但這正是這個問題的研究現狀。
第三個問題，如何使實體之間的信息同步？這個問題與文化起源有關，很多動物的智力和理解力都表現出淺顯的文化形式，即使是跨代獲得的能力也十分有限的。目前，只有人類的成長能呈現出對文化的建立，文化是智能的必要催化劑，而沒有文化交流能力的人工智能只是一種對學術的好奇罷了。文化不能被寫作程序代碼，因為它是長期學習的結果，想要嘗試理解這種過程，最好的辦法在于發展心理學。研究者Piaget 和Tomasello研究了一個孩子積累文化的過程，人工智能正在試圖建立這個過程。
這個過程和語言學習的過程緊密相連，這也是我在自己身上進行研究得到的結果。我們可以把語言學習的過程看做是一個改革性的進步：實體（人或機器人）通過與世界建立溝通而創造了新的意義，又通過與互動與其他實體建立聯系，選擇其中最有的方式來進行交流（大多數情況，是為了一起達成共同意愿）。通過多次試錯，系統進化成出最好的表達意義、句法和語法結構。這個過程就如生物進化一般，并且表現除了和自然語言的進化發展驚人的相似之處。
這也解釋了瞬時學習現象，即當一個概念在短時間內被獲取，但是復雜的統計模型，如深度學習卻無法解釋這種現象。一些實驗室在試圖獲取更多的語法、手勢和更復雜的文化習俗進行深入研究，包括我在Aldebaran.建立的AI Lab。
第四個問題叫做內在激勵，即為什么實體一直都在“動”？生存欲望并不足以解釋人類的行為，因為人類并不是要餓了才會去找吃的，人類會通過儲備來保證食物充足。人類一直在做很多事情，他們在探索著、嘗試著，看起來像是一種被好奇心所驅動。Pierre-Yves Oudeyer等研究者發現，即使是是一個簡單的好奇公式，都呈現了實體對學習速率的最大化趨勢，并在此趨勢下表現出復雜和奇特的行為（參照索尼CSL的各種趣味實驗）。在系統內部，似乎需要“好奇”來驅動之前的三個階段：組織信息；與實體建立聯系并創造意義；選擇最有效的方式來建立共同的文化，促進合作。在我看來，這才叫做人工通用智能。
另外，深度學習的先進和人工智能在圍棋領域的取得成功都是很好的消息，這表明這些技術在醫學、工業、環境改造等方面能提供很大的貢獻。但正如我努力想說的，這只是問題的一部分。我不認為深度學習會是帶領我們達到真正人工智能的殺手锏。真正的 AI 是那種能夠從外部世界學習、與我們自然地交互，并能理解我們的情感、意愿和文化偏向的復雜智能，它最終能夠幫助我們創造有更加美好的世界。
