隨著人工智能（AI）技術(shù)發(fā)展，會不會有一天出現(xiàn)“超人”AI，如果出現(xiàn)，會不會成為人類歷史上最爆發(fā)的事件？
超人AI并非科幻影劇或小說形容的機器人，有強大的能量與知覺與人類作對，相反的，超人AI是我們創(chuàng)造的機器，吸取更多信息來觀測未來，超越人類在現(xiàn)實世界的抉擇能力，一旦形成，對人類是福是禍無法預(yù)測。
柏克萊加大計算機教授Stuart Russell認(rèn)為，AI可能變成超人，所以要在“進化”到超人之前阻止，但為什么會出現(xiàn)，他認(rèn)為是現(xiàn)行AI的錯誤發(fā)展方向所致。
現(xiàn)在“標(biāo)準(zhǔn)”的AI可說是一個有智慧的機器，借助運轉(zhuǎn)達(dá)成目標(biāo)。但機器沒有自己的目標(biāo)，目標(biāo)是我們?nèi)私o的，我們打造機器、給它目標(biāo)、讓它運轉(zhuǎn)，機器越有智能，目標(biāo)越容易達(dá)成。這一切很完美，只要我們給的目標(biāo)完整又正確，一旦目標(biāo)給錯了，機器的智慧又高過我們，后果就不堪設(shè)想。
現(xiàn)在的AI智慧發(fā)展還在初期，僅用在生活的瑣碎事情，也會出現(xiàn)弊端，以后超人AI必會用在全球事務(wù)，出錯就是災(zāi)禍。例如用超人AI控制地球氣象，目標(biāo)是把CO2減少到工業(yè)化以前的排放量，超人AI為了達(dá)到這個目標(biāo)，可能解釋成減少地球人口到零。關(guān)掉機器？那個時候的AI不會讓你有開關(guān)可關(guān)，也不會讓你有插頭可拔。
要阻止超人AI，Russell教授提出一個新的概念，要AI成為一個“造?！钡臋C器，借助運轉(zhuǎn)達(dá)成“我們”的目標(biāo)，我們是廣義的，指全體人類的優(yōu)質(zhì)內(nèi)涵，這是一個模糊不確定的目標(biāo)，而不確定性正是安全智能系統(tǒng)的重要功能。也就是說，無論智慧進化的多高，機器要永遠(yuǎn)尊重人類，會向人類請求、會接受錯誤、同時會允許被關(guān)機。
這樣的新AI當(dāng)然還有很長的一段路要走，華盛頓大學(xué)的計算機教授Oren Etzioni提出另一個做法，他說現(xiàn)在的AI遠(yuǎn)談不上智慧，即使被大家稱道的圍棋，也不過是我們?nèi)丝蚣艹鰜淼膯栴}，然后設(shè)計去解決，AlphaGo擊敗圍棋高手應(yīng)歸功于DeepMind一群人的智慧，而非機器。不過對于越來越多“超級智慧”危害人類的討論，他設(shè)定幾個“金絲雀”作為警訊的指標(biāo)。
一百多年前進入礦坑挖煤，都帶著金絲雀下去，金絲雀對一氧化碳及別的毒氣非常敏感，如果死了，就是礦坑災(zāi)難的警訊。AI不會一夜之間發(fā)展成超級智慧，一旦金絲雀倒下去了，警訊亮起紅燈，我們再設(shè)法管制也不算遲。Etzioni教授提出的三個預(yù)警金絲雀是：規(guī)劃學(xué)習(xí)問題、自駕車、機器人醫(yī)生。
▲規(guī)劃學(xué)習(xí)問題，也可以說是提出一個問題讓機器學(xué)習(xí)，包括描述問題、簡化問題、數(shù)據(jù)設(shè)計、學(xué)習(xí)能力。這些工作對人來說已經(jīng)不容易，何況是AI？要這只金絲雀倒下，還看不到絲毫影子。
▲自駕車越來越多，但距理想還有一段距離，AI在特殊狀況下失控，可能造成災(zāi)難，例如遇到一個坐輪椅的人過街。自駕車的挑戰(zhàn)是，在不可預(yù)測的人車互動現(xiàn)實環(huán)境，實時的做出保護生命的決定。 我們可以逐步增加自駕車，減少事故的發(fā)生，但直到與人類同等的駕駛層次，金絲雀才能倒下。
▲機器人醫(yī)生由來已久，有的能診斷病情，更有的精確解讀醫(yī)學(xué)顯影，但這僅是醫(yī)師工作的一小部分。如果AI醫(yī)師能問診病人，考慮病情復(fù)雜化，咨詢別的醫(yī)生，就像人類醫(yī)生一樣了解病人，做廣泛的工作，金絲雀才有機會低下頭。
上述兩位學(xué)者以不同方式阻止與監(jiān)視AI的過度發(fā)展，都是長遠(yuǎn)考慮，但現(xiàn)在的AI已經(jīng)進入了我們的日常生活，許多以前由人決定的事，申請入學(xué)、求職、升遷、貸款、乃至罪犯量刑，現(xiàn)在時常用AI決定。這些生活事務(wù)的決定，人的因素過多，為求公允借助AI， 希望減少人為的影響。
AI是人設(shè)計的，人的偏差，同樣轉(zhuǎn)移到AI的偏差，有人因此受到不平等待遇，成為現(xiàn)在AI亟待解決的問題。幸好問題已被發(fā)現(xiàn)，也有越來越多學(xué)者研究解決之道，但牽涉太廣，需各個領(lǐng)域的合作，把公平放進AI，但定義“公平”又成為另一個挑戰(zhàn)。這不是AI的問題，是人的問題。
下載文檔
