从AlphaGo/Master到最强大脑小度机器人——我们要怎么正确对待人工智能

去年AlphaGo以大比分战胜李世石一时间激起了一波人工智能讨论的狂潮；最近，AlphaGo改头换面以Master的身份出现，围棋领域再次被阿尔法狗血洗，未尝一败的成绩再次震撼了人类世界。对人工智能的思考开始进入到每个人的生活中。几天前，正好最强大脑开始了第四季，人工智能领域知名专家、百度人工智能首席科学家吴恩达教授携小度再次出战人类人脸识别高手，并且最终以3:2赢下比赛，特别是小度成功以万分之一的精确度识别出双胞胎确实惊艳全场。

其一、对于这场比赛，以博主有限的了解，第一轮对于人类选手王峰的唯一一点不公平的地方是在观察的时候选手只能靠记住旋风少女的童年照，然后再从有限的时间内从所有成员中把童年照和成年照对应起来。其实这个记忆的过程对于人类选手来说是有信息丢失的，时间越长丢失的信息越多，因此人类选手在做选择识别的时候只能靠在大脑中重现观察到的童年照，而这种重现必定是模糊的，必然是丢失了大部分信息而只记住了有限的几个特征外加大致的轮廓印象，因此匹配的时候准确率必然会受到影响，而机器人小度则不存在这个问题，通过扫描已经将所有自己认为重要的信息都扫描到自己的大脑中存储以待匹配的时候进行运算。这就好比小度是对着童年照然后一张张筛选成年照，而王峰则是纯粹靠记忆去匹配。人的存储记忆能力和机器相比当然是差的不止一点半点的了。因此公平比赛应当是王峰对比着童年照去匹配成年照，这样就纯粹比拼任何机器的特征提取和匹配能力而不是外加记忆技能的比拼了，可能更能体现公平性。

其二、小度对于小度成功识别出一开始博主也是有被惊艳到的，因为毕竟连识别对象旋风少女妹妹自己都搞不清楚那张照片是自己还是姐姐，这说明小度的特征提取计算的非常精准，当然也有缺陷，因为小度认为两者的差别仅仅有万分之一，很多人可能会说万分之一不是正好说明小度的精准度高吗，但是我认为这几乎可以归结为偶然，且不说在参数收敛训练时受浮点数的精度总会产生误差，如果稍微再多加干扰，并不能保证小度还能再正确识别出这对双胞胎。因为即使双胞胎相似度比较大，但细节的特征不至于只有如此细微的差别，笔者姑且揣测一下：小度在特征提取方面在面部轮廓、全局特征方面训练出来的权重较大，而局部特征训练处的权重占比较小。我认为如果小度给出的双胞胎的概率差别是1%左右则更能让我信服。

其三、这两年不管是从AlphaGo的惊艳表现到小度机器人甚至于或许还有些大公司也正在憋着大招，人工智能仿佛已经发展到了一个新阶段，这得益于大规模计算硬件平台（GPU，FPGS以及专用集成芯片）、基于互联网和移动互联网产生的海量数据以及深度学习基本算法的突破。而至于我们应当怎样对待人工智能，人工智能是否会发展到威胁到人类的一天我只能说有这个可能性，但路还很漫长，或许在人类可以预见的未来都无法实现，特别是人类自身的生存还自然环境破坏，资源枯竭，战争以及外太空行星撞击等诸多潜在危险。现阶段我们最正确的态度应当是把人工智能当做一项技术来对待，这项技术在某些方面比人类强很多，而在另一些方面则非常弱智，引用某机器学习大牛的一句话就是：现有的公司宣称的语音或者图像甚至视频识别率达到百分之九十多都应当改为：在某某数据集上达到多少准确率，因为任何现存的一款语音和图片视频识别系统都可以认为给出一些输入使得它的正确率为负，也就是说判断错误的比判断正确的还多，因此这位大牛得出一个结论就是这两年年的人工智能有点过热，以至于很多创业公司不谈人工智能都好意思找投资人了。

还记得某大牛说过现在所谓的人工智能其实和人一点关系都没有，只是人工智能这个名字误导了很多非专业的人，人脑的工作原理人类至今都不清楚又何谈学习人脑的工作方式呢，仅仅依靠人类是靠特征识别物体这一点就说机器有类似于人脑的智能未免有点形而上学的味道，实际人脑具体是怎么处理这些特征的到现在人类还可以说是一无所知，当然这有待于相关学科的同步发展了，倘若有一天人类能够完全或者大部分程度揭示人脑的工作机制，那时候也许可以造出真正的人工智能，而现有人工智能说成是计算智能或许会更恰当，因为其最基本的原理还是基于大量样本利用后向前向反馈学习海量参数，这是基于计算的而非什么人脑智能。像航空导弹领域的追踪识别在相当程度上也可以说具有智能，因为确实子弹、导弹也会拐弯追着目标攻击，而这只能算是自动控制领域的成果了。

总结来说，现在讨论人工智能达到甚至超过人类还为时太早，甚至会阻碍这项技术的发展，我们最好把人工智能当做一项具体的技术来对待，就像互联网、移动互联网甚至更早的经典控制、现代控制技术一样，而不是被人工二字迷惑。毕竟我很难想象机器会做梦，而人类一生下来大概就具有这项技能，完全无需任何训练。