2016年1月27日出版的《自然》期刊以封面論文的形式，介紹了谷歌公司研發的一種能與專業棋手對弈圍棋的人工智能程序——AlphaGo的算法。論文稱，Alphago于去年10月，以5:0的成績戰勝了歐洲圍棋冠軍樊麾。而且，Alphago將于3月份在首爾挑戰過去十年被認為是世界圍棋冠軍的李世乭；比賽一共5輪，時間分別為9日、10日、12日、13日和15日；獲勝者將獲得100萬美元的獎金。

早在1997年5月11日，IBM公司研發的“深藍”超級計算機就擊敗了國際象棋世界冠軍卡斯帕羅夫。但發明逾2500年的中國圍棋遠比國際象棋復雜，在搜索的廣度和深度上被認為是人類發明的最復雜的棋類游戲。因此，Alphago戰勝頂尖圍棋手的消息震驚了圍棋界，也被譽為人工智能的重大進展。而今年3月的棋局更是激起了人們的好奇心，也再次掀起有關了人工智能前景的討論。

那么，人工智能戰勝人類棋手是否必然？Alphago是如何下棋的？Alphago與李世乭對弈的勝算如何？人工智能與人類是否存在本質差異？人工智能是否可能取代并最終消滅人類？

機器不是人

不管這次比賽結果如何，人工智能戰勝人類最強圍棋手只是時間問題。那么這是否預示著機器最終將超越人類智力呢？圖靈測試是判定機器是否具有人類智能的手段之一。一臺機器通過圖靈測試是指，它能夠與人類以文本傳輸方式進行對話而不被辨別出其機器身份。這個測試的核心是判斷機器能否像人類那樣理解、思考和回答問題。很多專業圍棋手在觀察了Alphago與樊麾的對弈棋局后都覺得無法判定對弈雙方誰是Alphago，誰是樊麾。對此，曾獲得北京市大學生圍棋冠軍的王爍就認為在圍棋方面，Alphago通過了他的圖靈測試。

當然，這只表明機器在特定范圍內的行為與人類相似，這與廣泛意義下的人類智能還有天壤之別。從外部來看，我們可以把人工智能機器甚至個體的人都看成一個刺激-反應的黑盒子。所謂刺激是機器或人接受的輸入信號，而反應則是輸出行為。

目前人工智能擅長的大都是那些輸入的信號數據結構化、行為目標明確的問題。比如，Alphago讀取的輸入數據就是19*19棋盤上的棋局，作出的反應是下一個棋步，目標則是贏棋。又如，圖像識別程序讀取的是數字化圖像文件，作出的反應是判定圖像的某些屬性，目標是讓判定的屬性與盡量接近預設的屬性。再如，自動駕駛程序讀取的是各種傳感器反映的速度、方向、壓力、影像等信號，作出的反應是方向和用力等矢量值，目標是讓汽車到達目的地，不發生事故并盡量節省能源。

這類問題大都可通過訓練機器來解決。通常做法是大致確定機器黑盒子的內部結構，用結構的參數來表達機器所處的認知狀態，然后使用大量的刺激-反應數據來訓練參數。在這個意義下，訓練可被視為是在參數空間的搜索。因此，人工智能的發展表現為如何確定黑盒子的結構，有效地壓縮搜索空間，提高搜索效率。這個通常稱為有監督的學習。

但是，人類智能并不局限于這類刺激信號結構化，反應目標明確的問題。簡單來說，人類智能可概括為理解世界是什么樣子以及會如何變化，并通過自身的反應來適應。這表現為通過特征抽取和概念化來壓縮感知信息，并以此為基礎構建思維框架來表達、歸納所感知到的世界并進行因果關聯，再通過反饋行為來影響世界。這個過程可能借助于發明、創造來實現或提升。下面逐一分析。

信息感知：即接收外部刺激信號。人類感知可表現為視覺、聽覺、味覺、觸覺和其他各種身體感覺，分別接受圖像、聲音、氣味、口味、受力、溫度等物理和化學信號。其中很多感知信息可以繞過意識，直接輸入到人體器官，實現潛意識功能。比如，腿部的受力感知可直接通過身體的平衡機制來決定神經的運動和著力，以維持身體平衡乃至完成行走動作。在信息感知方面，機器可能已遠勝過人類，因為通過各種傳感器和精密儀器，機器不僅能以更高的靈敏度接收人類能夠感知的信號，還能探測到人類不能感知的信號，比如超聲波和紅外線等。而且，存儲介質價格的不斷下降也使長期大量存儲原始信號變成可能。

信息壓縮：即通過特征抽取、概念化、分類來壓縮和表達感知信息。人類的機械記憶能力遠不如機器，但特征抽取和概念化能力卻遠勝于機器。一個小孩只要看過一兩只貓，就能抽取貓的一些基本特征，并根據這些特征從不同動物中分辨出貓，而機器需要學習成千上萬個訓練樣本才能做出正確識別。除了特征抽取外，人類還會創造各種概念來表達所感知到的世界，即對具體實例根據其特征進行分類并針對不同類別建立概念。這些抽象概念不只限于名詞，還包形容詞和動詞所反映的對象。自然語言能夠幫助人類用概念來表達現象，但這不是必要條件。很多動物并沒有自然語言，卻也可能對觀察到的現象進行概念化。

歸納和推斷：即通過對現象的觀察進行總結，建立起概念之間的關系，找出普遍規律并用這些規律對未觀察到的部分進行推斷。在這方面，人類的能力更是遠勝于機器。比如，人抬頭看到天空是藍色的。雖然視野只涵蓋天空的一部分，但卻可合理推斷，視野之外的天空也是藍色的。又如，原始人類不斷重復地看到天亮和天黑交叉出現，那也可能悟出這是一個周而復始的過程，因而在天黑之后可推斷出不久天又會亮。人類根據歸納所得出的結論進行推斷，可以在空間和時間上大大拓展人類所能表達的意象，從而在大腦中構造一個遠比實際觀察要更廣泛的圖景。一個只進過一個幼兒園的兒童，可以根據自己的經驗總結出幼兒園的特征，并據此想象其他幼兒園的樣子，這種推斷會隨經驗的擴展而不斷更新。

類比和推理：從具體實例中抽取反映特征的抽象概念，把實例中觀察到的規則上升到抽象概念之間的關系，并以抽象概念為基礎進行演繹和推理。這一過程在信息壓縮以及歸納和推斷中就有體現，這里特別列出是強調其在人類高等思維中的作用。類比推理致力于把實例之間的關系上升到概念之間的關系，并通過概念之間關系的演繹來理解和記憶實例之間的關系。比如，兒童可對“貓離開窩”和“弟弟離開房間”進行類比，進而理解“離開”這一動作概念的抽象意義。抽象概念上的演繹則類似于“如果A離開B，那么B里面就沒有A”，這種抽象演繹可以脫離A和B的具體含義。用示意圖來表示事物之間的關系也屬類比，而數學則是用數字、符號、幾何圖形和抽象概念來表達和演繹抽象關系的類比推理。類比推理使得人類可通過抽象概念之間的演繹來理解事物之間的復雜關系。

因果關聯：指在不同現象之間找出因果關系，即判斷某個或某些現象可能導致或影響另一個現象。從了解世界是如何運行的角度來看，因果關聯其實是一種認知構造，是對“行動-后果”關系的表述。因果關聯注重于其預測和操作意義。比如，放開手中的蘋果，蘋果就會掉地上。又如，吃了腐爛的果子，可能導致身體不適。當然，人也會得出錯誤的因果關聯。比如，部落里有人撿了一塊石頭回來，而第二天正好有幾個人生病，那大家就可能誤以為這塊石頭帶來了厄運。再如，中國和印度是世界上人口最多的國家，這兩個國家近代恰恰又比較貧窮，因此很多中國人就誤以為人多會導致貧窮，但這與現代經濟學的理論和實證分析并不相符。

預測和決策：借助于對因果關聯的理解，人類可預測不同行動所產生的后果，并在此基礎上制定方案以實現某些具體目標。比如，原始人如果發現了吃腐爛的果子會導致身體不適，那他們可能會在采摘的果子中挑選出那些腐爛的扔掉。又如，早期人類可能通過觀察發現，春天將種子播撒在土地里，到了秋天就能收獲糧食。觀察到這種因果關聯，人類就可能從狩獵轉為播種來維持長期的食物供應。同樣，錯誤的因果關聯會導致人類犯錯。比如，把人多與貧窮聯系起來促使中國社會開啟了人類歷史上空前而且也會絕后的極端的一胎化政策。對因果關聯的認識也促進工具的使用。假設人想跨過小溪，但不想打濕身體。如果認識到身邊的石頭放進水里會露出水面，那就可能以石頭為工具在水面墊出一條路來過河。

規劃：基于對觀察現象的了解和對因果關聯的理解，人類可能把比較抽象、長期的目標分解成具體、短期的子目標，并對每個子目標確定具體方案并對最終目標制定整體規劃。比如，幼兒園里一個女孩希望吸引一個男孩的注意。她就注意到男孩喜歡玩積木，為了討好他，她就去給媽媽做家務掙零花錢來買積木送給他，希望獲得對方的好感。這是一個整體規劃和分步決策的例子。要對一個抽象的目標進行規劃和分步決策，需要對與之相關的各種背景現象以及各種因素之間的相互關系有充分了解。這點對人類并不難，但對機器來說則極具挑戰性。

創造發明：指為了表達感受或者實現某種功能而設計、嘗試、制造、完善某種裝置、方法、過程。表達感受的創造發明可歸為藝術創作，包括圖像、聲音、文字等各種表現形式，其效果往往是擴展、傳遞、激發人們的感受。比如，原始部落會通過身體上的藝術裝飾來吸引異性，而音樂、舞蹈等也是常用的情感抒發形式。實現特定功能的創造發明，也即技術進步則是基于對世界運行特別是因果關聯的理解，搜索、聯想、設計、嘗試、驗證的過程。這是一個從簡單到復雜的不斷積累、疊加、整合的過程，從最初的取火、石器、耕作、制陶、冶煉、車輪到后來的蒸汽機、發電機、飛機、計算機等。

理論發展：指人類對世界的系統性表達和理解。通俗來說，就是數學和科學等各種理論體系，其中數學研究的是抽象表達體系內部的邏輯關系，科學則包括物理、化學、生物等自然科學以及經濟、社會等社會科學的各個領域的理論。雖然系統性的因果關聯，包括對各種自然和社會現象的系統性解釋屬于理論的范疇，但理論并不只限于反映因果關聯。比如，數學本身就不涉及因果關系。物理學的各種定律則描述了各種物理量之間的內在關聯。雖然物理定律可用來預測物理系統的演化，從而被賦予因果關聯的解讀，但這并不是必須的。像量子理論和混沌理論甚至可以被認為為是對因果關聯普遍意義的否定。在根本意義上，理論是對世界的認知模型，通過這種模型可以對世界進行更簡潔、清晰、具有美感的表達。

創作發明和理論發展相輔相成，促進了人類整體認知能力的提升，也體現了人類智能的終極水平。在機器未能獨立創立類似于廣義相對論和現代量子力學這般精巧的理論之前，尚不能說人工智能完全超越人類。

人類智能的群體特征

上面的敘述并未區分個體和群體的認知。實際上，在人類認知能力的發展過程中，群體交流是一個關鍵部分。群體交流的基礎是不同個體在感知和認知方面的共性，以及建立在這些共性之上的身體語言、自然語言以及其他符號系統的交流方式。作為一種社會性物種，人類認知能力的很大一部分表現為個體之間的交流與合作的能力。因此，情感交流、語言文字表達和理解、處理人際關系的能力以及領導力也是人類認知能力的重要組成部分。而棋類和球類等游戲除了本身的娛樂功能外，還可以幫助人類訓練和培養各種相關技能。

除了可以把人類整體的認知進步看成是無數個體相互合作、共同努力的結果，還可以對個體的行為目標進行分解。如前所述，目前機器能處理的大部分是目標明確的問題，而人類的智能行為往往沒有明確的目標。比如，人有可能漫無目的地東游西逛來消磨時間，雖然在這個過程中也可能積累對周邊環境的了解。實際上，人類個體對世界的了解，尤其在初級階段，很大部分來自于無監督的學習。因此，機器要模擬人類來進行無監督學習，也許需要能像人類那樣自動產生各種探索動機。

決定人類采取這樣而不是那樣的行動，有感性的推動也有理性的決定。所謂感性是指支配人類行動的直覺、本能、情感等反應機制，而理性則是指引導人類行動的分析、綜合、判斷、推理等思維機理。與理性相比，感性反映了生命更基礎、更本質、更底層的特征，對人類行為的支配也更為直接、迅速和普遍。感性在精神、潛意識甚至無意識的層面影響甚至決定著人類的絕大部分行為，如身體運動、喜怒哀樂、飲食男女、愛恨情仇等；而理性決策則是在經驗、知識基礎上的思考和判斷，如下哪一步棋、上什么學校、從事什么職業、在哪里買房等。當然，每一個具體的行為都可能既受到感性也受到理性的影響，不能一概而論。

不管是判斷環境的直覺、體現快速反應回路的本能、還是用于分解抽象目標的情緒，這些感性機制都是人類整體在漫長演化過程各種經驗和智慧長期積累的結晶。相比之下，理性反映的則是個體在當前生命中各種經歷、知識和思維。在這種比較下，理性追求的是個體、局域、具體、短期、明確的目標；感性則是整體、全域、抽象、長期的目標在個體身上的折射，而個體的感性行為可能是群體理性行為的基礎。比如，人類追求愛情可能是一個感性行為。傻乎乎地以為對方是天下最好的人，明知火坑也要跳，一點都不理性。但反過來，如果每個個體都無比理性，那可能沒人會結婚生子，整個族群也就無法繁衍延續下去。在這里，群體生存的理性通過個體的感性行為得以體現。

人類理性的基礎是因果關聯。只有在某種行動-后果的因果關聯下，采用這種而不是那種行動才能被稱為理性。如前所述，因果關聯是人類思維的一種認知構建，建立在對復雜系統的簡化表達前提下，即影響結果的各種相關因素可以近似地類比為多元線性回歸中的不同因子。如果反映不同因素關聯的動態系統遠離線性狀態，這些因素的影響是很難賦予因果解釋的。因此，理性的范圍應該是作為認知對象的動態系統處于一種接近于線性的狀態。

這種情形何時會出現呢？從數學的角度來看，接近于穩定態時，動態系統的變化趨勢可以在穩定態附近做線性展開。在這種狀態附近，系統具有預測性，因果關系也有意義。如果系統處于非線性混沌態，一個微小的動作就可能導致系統結局大不相同，因果關系將失去意義。與近線性系統會收斂到局域穩定態不同的是，非線性態可能促進系統質變躍遷，讓系統軌跡從局域收斂步入全域搜索。在這種意義下，基于因果關聯和可預測性的理性所追求的是局域優化，而積累了漫長演化經驗和智慧的感性則體現了人類整體在更大范圍的演化軌跡。

值得一提的是，我們這里使用的“感性/理性”可能與人們平常理解的意思略有不同。下面排列的成對描述也許可以反映本文賦予給“感性/理性”的含義，每對詞匯的前者對應感性，后者對應理性： 直覺/經驗、內在/外在、底層/上層、先天/后天、遺傳/習得、沖動/冷靜、無序/有序、有機/無機、發散/收斂、突變/漸進、質變/量變、神圣/世俗、非線性/線性、不可預測/可預測、情懷/理智、混沌/清澈、綜合/分析、利他/自私、群體/個體、全域/局域。