复旦大学哲学教授徐英瑾是国内少见的研究人工智能的哲学教授，他在复旦大学还开设了一门名叫「人工智能哲学」的课程，其第一讲就提出一个问题：为什么人工智能需要哲学的参与？
在接受澎湃新闻专访时，徐英瑾给出了自己的答案：
对我来说，我现在推崇的就是AGI——Artificial General Intelligence。在一般所谓的Artificial Intelligence（人工智能）中间加了一个General（普遍），这就意味着，它要做普遍的计算…..
这篇专访从一个哲学学者切入到当下最火热的人工智能领域，正如徐英瑾所言，他所说的「人工智能」与公众讨论的「人工智能」是两回事，也和目前人工智能从业者们的「人工智能」不完全相同，大致的分歧如下：
这是一个典型的不对称语境，这个语境里所有的参与者们都有话说，都有自己的理解。比如在谈到（超级）人工智能将取代人类或造福人类的时候，徐英瑾毫不客气的批判道：
这方面的研究人员常常满脑子技术乌托邦，拿生活经验去细想一下，其实是很荒谬的。举个例子来说，现在 “奇点”被炒得火热，大意是说，奇点革命一旦到来，人类社会将被颠覆。事实上怎么样呢？我这一代人经历了改革开放初期的物质贫乏，一直到今天的物质极大丰富，我们七八岁时关于二十一世纪的乌托邦式想象，今天实现了几个？深层次的社会结构并没有怎么改变，比如医疗领域，各种新技术的出现其实强化了现有的社会结构，加剧了贫富阶层之间的差距，又谈何颠覆呢？大家把人工智能吹嘘得好像很厉害，其实它一点都不厉害，还有一堆问题没有解决，你去担心它毁灭人类干什么？这就和堂吉诃德一样，把风车当作怪物，自己吓唬自己。
而对于当前火热的人工智能创业，更准确地说是「窄人工智能」，基本围绕某个特定领域展开攻关，用海量数据训练机器去完成某个特定任务，对此，徐英瑾也不认同：
而现在的做法，是分成好多个领域，一个领域一个领域地来做，做完之后，再合在一起，情绪、认知这些方面都不去管。那么，问题来了，你怎么知道这些领域最后合在一起，就能产生人工智能呢？打个比方，很大程度上这就相当于，去国际军火市场随机购买军火，然后整合成一支部队，或者去不同国家采购零件，然后拼凑成一架飞机。这显然是不可能成功的。
事实上，就以当下人工智能发展的水准来判断，公众的理解是完全没有多少依据的[1]，而哲学教授与从业者们的分歧，从根本上说还是基于对「智能」两个字的理解，到底「智能」是来自于自下而上还是自上而下？前者的理解源于「智能的外在表现」，比如我们可以将一个人的行为定性为「智能」或「愚蠢」，而后者，则是建立在「智能」出自大脑的基本认知。
徐英瑾并不孤单，人工智能问世不久就得到了哲学界的青睐，加州大学伯克利分校的哲学教授休伯特•L.德雷福斯早在 1972 年就写了一本批判人工智能的图书：《计算机不能做什么——人工智能的极限》，这本书在随后的二十年里尽管再版了三次，但每一版除了增加一部分序言之外，主体部分并未有多大改动。换句话说，在德雷福斯看来，人工智能自 1972 以来几乎并没有多大的发展，以至于他在当初设下的「诅咒」持续发生作用，这本书的架构大概这样的：
这本书的最后一版是在 1992 年，正文没有修改一个字，德雷福斯在最后一版序言里这样的写道：
《计算机不能做什么》的这个版本不仅仅是出版商的变化和书名的微小更改，也意味着形势的变化。现在这本书不是提供在持续进行的辩论中的一种有争议的立场，而是过去一段历史期间的观点。现在20世纪快要结束，而这个世纪伟大的梦想之一显然也正在终结。差不多半个世纪以前，计算机的先驱阿伦·图灵曾经提出：使用规则和事实编程的高速数字计算机，可以显示出智能行为。这样在后来就诞生了人工智能。然而，经过了50年的努力，现在除少数顽固者外，显然产生通用智能的努力已告失败。这种失败并不意味着此类型的人工智能是不可能的，也无人能提出这样的否定性证据。但是至少在目前，或多或少已经证明：基于人类通过规则和事实产生智能的假设的研究纲领，已经走到了尽头，没有理由认为它会一直成功。
德雷福斯的批判即便到现在都无力反驳，即使到了在 21 世纪的头十年里，人工智能依然是一门计算机系学生争相避让的一门学科，90 年代曾在美国攻读计算机的百度创始人李彦宏，在其新书《智能革命》里这样回忆：
这门课我学得不错，但是学完之后自己做了一些研究才发现，人工智能还没有应用机会，不能够解决实际问题，大家对人工智能满怀希望，真正到市场上一检验，就会立刻碰壁。
这是人工智能长期以来的「基本姿态」，像极了屠龙术或炼金术一般的无用武之地，直到 2012 年以后，当掌控科技媒体话语权的硅谷巨头们开始拥抱基于深度学习的人工智能时，这个古老领域才再一次迎来所谓的春天，从这个角度去看，倘若没有这些巨头的支持，没有Google 语音搜索、Siri 在内的语音搜索，人工智能的是否能再次被人提起或许是个大大的问号。
而在当下火热的人工智能产业里，数据战场成为其中最大的战场。5 月份的一期《经济学人》杂志指出：
Data are to this century what oil was to the last one: a driver of growth and change. Flows of data have created new infrastructure, new businesses, new monopolies, new politics and—crucially—new economics. Digital information is unlike any previous resource; it is extracted, refined, valued, bought and sold in different ways. It changes the rules for markets and it demands new approaches from regulators. Many a battle will be fought over who should own, and benefit from, data.
关于「数据就是新石油」的说法到底属于阿里巴巴的马云还是英特尔的科再奇已无关紧要，因为所有的公司都在围绕「数据」做文章：收集数据、挖掘数据、分析数据、买卖数据……[2]
在所有的从业者中，Deepmind 就是一个奇葩。关于这家公司的神奇传说，早在去年 AlphaGo 大战李世石的时候就已经被消费的干干净净了，简而言之，这是一家专注于通用人工智能，也是徐英瑾教授所关注的领域，其最新的研究成果也在《新科学家》杂志上被披露出来。
相比于其他机器学习系统只能专注某个特定领域，DeepMind 的这个机器学习系统能够在不同概念之间建立起一种理解关系，举个例子，比如很多机器学习系统能轻松地识别出图片里的猫或狗，但无法理解照片里的猫和狗是在玩耍。而在 DeepMind 的系统中，在通过一组简单物体图像数据的训练后，机器能够一定程度上反映照片里猫与狗的关系，比如哪只动物在前景、哪只动物在后景。
尽管上述的研究成果还很初级，而且并没有得到工程的验证，但至少已经让我们看到了机器通用智能的成长，MIT 科技评论援引哈佛大学心理学教授的话说：
we need to think about mimicking human intelligence more closely if we want artificial intelligence to resemble our own.
每次见到国内所谓的人工智能从业者们，我内心都有一种淡淡的忧伤，的确，他们意气风发又奋发向上，他们从事着被认为是「改变世界」的伟大事业，但同时，他们又是在一遍遍地踩着同样的脚印、走着几乎同样的的道路，细心去看，国内的人工智能创业不是语音就是图像，根本没有在基础研究领域寻求突破的创业者，而语音、图像领域到底还能出现多少真正能改变世界的创举呢？
我十分怀疑。
幸好，专注基础研究的 DeepMind 已经卖身给了 Google，这个棋子或许是决定人工智能与人类未来的关键所在。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。