兩 方面 的 好處 。 第一 方面 ， 可以 為 腦 計算 節省 空間 ， 每 個 抽象 表徵 的 引入 ， 都 讓 需要 處理 的 問題 大大 簡化 ， 再次 調用 記憶 也 變 得 非常 容易 （ 例如 ， 可以 用 「 消費 升級 」 來 表徵 一 段 時期 各 種 相關 的 市場 變化 資訊 ） ， 如果 世界 上 的 資訊 碎片 是 用 碎片 的 方式 記載 ， 需要 幾乎 無窮 的 記憶 空間 ， 抽象 可以 大大 節省 空間 。 前面 說 過 ， 以 目前 的 「 深層 學習 」 方法 調製 的 人工 智慧 網路 ， 學習 新 的 本領 會 致使 遺忘 過去 的 本領 。 這 可能 是 因為 人工 智慧 神經 網路 學習 一 件 事情 ， 最終 是 讓 整 個 網路 的 千百萬 個 參數 共同 調至 最優 ， 整 個 網路 記住 這 件 事情 。 而 動物 大腦 學會 一 件 事情 之後 ， 長期 記憶 轉移 並 不 記載 在 原來 的 網路 ， 而是 轉移到 海馬體 ， 再次 回憶 是 一 種 啟動 ， 回憶 的 位置 發生 在 腦 的 各 個 部位 。 對 人類 回憶 的 研究 也 存在 許多 謎 ， 但 可以 肯定 的 是 ， 人 是 用 一些 高度 抽象 的 模式 記憶 事情 ， 而 非 全 網路 參數 記憶 。 另一方面 ， 抽象 表徵 的 好處 在於 ： 嘗試 把握 世界 的 真理 ， 它 的 終極 目標 是 用 寥寥無幾 的 抽象 概念 陳述 萬千 複雜 的 現象 ， 抓住 其中 相似 的 核心 。 這 裡面 有 一 個 很 本質 的 問題 ， 那 就 是 新知 的 產生 。 從 大 數據 尋找 歷史 數據 的 規律 和 預測 的 概率 ， 確實 能夠 讓 人 做出 行為 優化 。 但是 歷史 上 讓 人類 有 深刻 洞察 、 推動 科技 時代 進步 的 發現 ， 往往 不 是 以 統計 預測 ， 而是 建立起 抽象 模型 。 二 者 的 差別 是 什麼 呢 ？ 統計 預測 是 找 各 種 變數 的 相關性 ， 探尋 經驗 概率 預測 方法 。 抽象 模型 是 建立起 一些 不 存在 的 理想 模型 ， 再 來 擬合 數據 。 我們 可以 看 一 個 故事 案例 。 中國 古代 歷來 有 司 天監 ， 年 年 月 月 日日 觀測 天象 ， 自 漢 唐 以來 ， 積累 了 海量 數據 。 從 地球 的 角度 看 ， 金木水 火土 五 顆 行星 在 天球 上 的 運動 非常 不 規律 ， 於是 天象 觀察員 積累 了 非常 多 跟蹤 數據 ， 建立 了 經驗 公式 和 預測 方法 ， 有 很 複雜 的 數學 算法 ， 還 發展 了 許多 額外 因素 提高 模型 的 準確 ， 包括 試圖 建立 火星 和 地上 戰爭 之間 的 聯繫 等 （ 不要 笑 ， 當前 一些 科學 研究 找 的 相關 因素 並 不 更 可靠 ） 。 兢兢業業 、 戰戰兢兢 ， 中國 的 天象 觀察員 不 可 謂 不 勤奮 ， 他們 積累 的 數據 不 可 謂 不 多 ， 經驗 預測 方法 也 不能 說 差 ， 但是 他們 從來 沒有 跳出來 ， 從 更 高 維度 審視 ， 建立 模型 ， 來 解釋 這些 數據 。 於是 ， 中國 古代 天象員 沒有 一 個 人 能 建立 克卜勒 三 定律 ， 也 沒有 牛頓 建立 引力 模型 。 「 李約瑟 難題 」 是 一 個 方法論 的 問題 。 做 大 數據 統計 研究 和 預測 的 司天監 ， 從來 沒有 嘗試 用 抽象 模型 去 表徵 。 人類 歷史 上 許多 統計 經驗 ， 但 只有 抽象 模型 才 帶來 知識 上 的 躍進 。 上面 就 是 目前 人工 智慧 認知 發展 上 仍然 存在 的 一些 困難 ， 我 稱 之 為 人工 智慧 認知 發展 的 「 三 朵 小 烏雲 」 。 希望 這 「 三 朵 小 烏雲 」 能 在 算法 和 技術 上 的 提升 之後 得到 解決 ， 也 更 希望 對 這 「 三 朵 小 烏雲 」 的 研究 能夠 帶來 對 人類 大腦 的 更 高 水準 認知 。 上面 說 的 很多 局限 主要 集中 在 「 深層 學習 」 算法 ， 這 是 目前 最 強大 的 機器 學習 算法 ， 也 是 很多 突破性 發展 的 來源 。 但 它 並 不 是 唯一 的 算法 。 還 有 很多 其他 算法 ， 例如 決策 樹 算法 、 樸素 貝葉斯 算法 、 符號 算法 等等 。 此外 還 有 以往 獲得 很多 成功 的 「 專家 系統 」 類算法 ， 就 是 把 人類 專家 知識 灌輸給 機器 。 本 文 沒有 分析 這麼多 算法 的 優劣 ， 主要 是 因為 在 「 深層 學習 」 快速 發展 之前 ， 這些 算法 都 面臨 過 更多 的 困難 和 局限 。 但 這 並 不 意味 著 這些 算法 沒有用 了 。 事實 上 ， 未來 人工 智慧 想要 發展 ， 必定 是 多 種 算法 要 混合 使用 ， 找 綜合 路徑 。 在 下 一 篇 有關 人類 學習 的 文章 中 ， 我 會 再 談到 貝葉斯 算法 。 人工 智慧 會 變 得 像 人 一樣 嗎 ？ 現在 我們 來 說 一點 虛無縹緲 的 問題 。 前面 的 討論 都 比較 接近 現實 ， 基於 當前 的 技術 發展 。 但是 我們 感興趣 的 問題 往往 不 是 從 當前 出發 ， 而是 從 遠景 出發 ， 從 一 個 遙遠 的 未來 可能性 往回 看 ， 看 我們 離 未來 還 有 多 遠 。 我 相信 ， 對於 大多數 人 來 說 ， 人工 智慧 問題 令 人 感興趣 的 地方 ， 肯定 不 是 目前 機器 能否 分辨 鴨子 的 「 類 」 和 具體 的 鴨子 （ 可能 只有 我 會 覺得 這 個 問題 最 有意思 ） ， 而是 ： 人工 智慧 能否 像 《 西方 極 樂園 》 裡 演 的 那樣 ， 成為 像 人 一樣 的 存在 ？ 「 他們 會 覺醒 嗎 ？ 他們 會 愛上 人類 嗎 ？ 他們 會 仇恨 我們 嗎 ？ 他們 會 厭倦 奴役 生活 ， 產生 對 自由 的 嚮往 嗎 ？ 他們 會 統治 我們 嗎 ？ 他們 會 屠殺 我們 嗎 ？ 」 這些 是 大家 最 關心 的 問題 。 這 裡面 ， 實際 上 使用 了 非常 多 人類 的 詞彙 。 「 覺醒 」 、 「 愛上 」 、 「 仇恨 」 、 「 厭倦 」 、 「 自由 」 、 「 嚮往 」 、 「 統治 」 、 「 屠殺 」 都 是 專屬於 人類 的 詞 。 我們 要 問 的 是 ， 從 目前 的 「 數據 」 、 「 統計 」 、 「 相關 」 、 「 算法 」 、 「 優化 」 出發 ， 能否 到達 那些 人類 的 詞彙 ？ 那 我們 現在 回來 看 一 看 人類 ， 人類 的 這些 心智 特徵 都 是 從 何 而 來 呢 ？ 我們 每 個 人 都 知道 自己 每 天 在 想 什麼 。 上班 盼 著 下班 、 下班 盼 著 吃飯 、 吃完 飯 盼 著 男歡女愛 、 睡醒 了 盼 著 週末 放假 、 放假 了 盼 著 發 大 財 、 發 了 財 盼 著