人工智能的智慧是否会有边界

 

近期举行的一场艺术大赛上，一幅由AI绘制而成的画作，从一众人类艺术家的大作中脱颖而出，成功斩获一等奖。

这不是人类第一次在“创意”层面被人工智能所折服。今年高考期间，某人工智能以全国新高考I卷“本手、妙手、俗手”前为题输出了一篇文章，最终被专家判定为“48分”，是一篇较为优秀的高考作文。

 

写作与绘画，是字与词、色彩与线条互相合理搭配而成，是语言、画面经“归纳”后重组而成的一种表现形式。“48分”背后的人工智能也是如此，它通过在数以万计的文章、片段、句子等中“训练”归纳出行文的规律后，就命题需求合理“推测”出字与字、句与句、段与段之间的搭配规律，直至输出完整的一篇文章。

可以设想，随着“训练”的不断增加，人工智能所输出的作文是否有朝一日也能拿到满分？所绘之图是否有朝一日也能成为传世经典？人工智能的智慧是否会有边界？

我们先从人工智能的核心——机器学习说起：机器学习简单点说就是将现实问题抽象为数学问题，然后利用计算机器解决数学问题，进而解决现实问题。但，由于感性情绪等因素的存在，现实中并不是所有问题都能被转换为数学问题，也并不是所有数学问题都有“解”，也就是说人工智能只能解决无限问题中的有限个问题，这就为人工智能的“智慧”套上了永恒的枷锁。

除此之外，人工智能的“智慧”还有着另一道“枷锁”，一道和其智慧诞生密切相关的“枷锁”。

“枷锁”之下的智慧成长

人工智能的智慧自“归纳”而来，但归纳来的“智慧”只追求结果，不考究缘由，经常会出现被已有数据基础给误导的情况，这便为人工智能的“智慧”套上了一道“枷锁”。

理想情况下，这道“枷锁”是可以通过无穷的“训练”，逐渐完善“归纳”而来的智慧，直至被完全破解。我们可以从机器学习常见的三种训练方式：强化学习、监督学习、非监督学习，来简单了解一下“破解”之路：

AlphaGo，曾三败围棋国手柯洁，背后的人工智能训练方式就是“强化学习”。

作为一种无需数据的机器学习方式，强化学习更加接近人类等智慧生物的学习模式。简单来说，就是将模型放在环境中随机 *** 作，环境会对 *** 作给予惩罚或者奖励，也可以定义为加分或减分，如果某一 *** 作能获得高分的话，模型就会强化这个 *** 作来提高分数，直至达成最优解。

而“监督学习”，则是通过将标注过的数据进行训练，从而得到明确的结果，主要任务就是回归和分类。类似于人类将地面生潮与下雨进行关联分类，其实就是在日常观察中，总结出生潮现象发生时，下雨比晴天的概率更高，从而将生潮与下雨分为一类。

实际应用中，当拍摄到隧道烟雾缭绕，这既可能是天气原因，也有可能是因为隧道起火，那假如图片中还出现了红光，那么是隧道起火的概率就大的多，这一概率的判定就是大量数据在监督学习下得到的分类结果。目前交通场景中的火情识别、打字输入时的词语联想等等，都是其模型的应用之一。

区别于“监督学习”，“非监督学习”是将没有提前标注的数据进行训练，其目的也不是为了得出准确结果，仅仅只是明确数据之间的结构关系，常见的算法主要有聚类和降维。聚类作为一种自动分类的方法，只分类而不明确各类所代表的意思。我们的手机APP上的推荐算法就是如此，并不是通过标签进行对应推送，而是根据用户所浏览的信息，在算法模型中自动抓取相近的聚类数据来完成推荐。

综上所述，无论哪一种学习方式，其实都只是“归纳”的一种形式，随着学习的不断延伸，呈现的智慧也会越发趋近于“普适性”，能够逐渐成长为智慧工具替代人类工作中的“一部分”。

人工智能：充满“智慧”的数字化工具

机器，是人类发明的一类工具，诞生于机器的人工智能，也只不过是人类智慧工具当中的一类。

从智能搜索推荐到AI一秒成文、从人脸识别到创意作画，人工智能已然成为数字时代中广泛使用的工具，即使是在人工智能算法的代码编写过程，人工智能也能作为工具参与其中。此前，GitHub联合OpenAI推出的AI自动编程工具Copilot，就可以实现在程序员编写代码时提供建议，甚至直接补齐代码，完成代码的智能编写。

随着数字化时代加速到来，在交通、教育、工业等等应用场景中，人工智能作为智慧工具的案例也比比皆是。比如今年的高考，从制卷到监考、再到阅卷，都不乏人工智能的身影。

据报道，2022年高考全国常规考场共计33万个，大约需要70万个监考老师不间断地进行监考，成本高、难度大、监考漏洞极易发生。AI监考则能够基于神经网络算法打造的骨骼识别模型，精确识别出参考学生身体的关键骨骼，以及追踪骨骼的动作，通过提前训练出的模型对考试危险动作精准分类，帮助监考系统高效、精准地捕捉信息，及时处理相关问题。

除监考之外，人工智能在阅卷环节也能大展拳脚。在图像识别、NLP等人工智能算法的加持下，阅卷可以在一定意义上全面实现客观题的评阅给分，并逐渐扩展到更大范围的题型评分，进一步提高试卷评阅速度和精度，降低阅卷工作量。

算法离不开算力的支撑，实现人工智能的全面应用，需要构建坚实可靠的算力基础设施。考试场景概莫能外。拓维信息旗下海云天科技在支撑贵州高考阅卷系统项目中，于2020年开始部署应用基于鲲鹏国产技术底座的“兆瀚”服务器，以高性能计算、高可靠性、高能效和开放生态的算力基座优势，满足高考网上评卷时间短、要求高，以及公平、公正、准确的应用需求，为人工智能的落地构建无穷的可能性。

人工智能使能千行百业，已经成为一种必然。当誉为“智慧顶峰”的人类，看到人为创造的机器有朝一日拥有与人类相似的智慧，人类对人工智能的发展也浮现出了新的隐忧。此前，关于谷歌聊天机器人LaMDA的争议，也同样指向了人工智能的边界问题。

如何合理地认知这种担忧，我们可以将思路回到前文所述的人工智能智慧诞生逻辑。以AI聊天机器人LaMDA为例，它的回复逻辑其实都来源于对其训练库中数据关系的“归纳”，研究员Blake Lemoine所得到的“类人格的回话”，只不过是众多使用者意识共性的投射，是人类语言体系的一种再编辑，类似数字世界的“回声”。

对此，我们与其担心人工智能会成为“脱缰之绳”，不如将关注重点放在人工智能“智慧”的转化和落地上，用好“AI”这个数字化时代最完美的助手，不断构造更先进、更智能的工具，改善人类生活水平，提高人类生产效率，共同创造美好数智时代。　　

      审核编辑：彭静