作者：田渊栋
Facebook | 人工智能研究室
量子位 已获授权编辑发布

本文作者田渊栋，毕业于卡耐基梅隆大学机器人系， 现就职于Facebook人工智能研究室（FAIR） 。主要研究深度学习的理论和实践、序列决策和计算机视觉。

近日，田渊栋在知乎专栏中发布了题为《一些关于人工智能的讨论》的连载文章，量子位将此系列前两篇整理如下，与大家分享。

一

问：强AI是否会统治世界？奇点是否会到来？

首先，“强AI”这个概念不是那么清晰。强AI或者弱AI，并非是由一个天才的点子造成的从0到1的突变，而是通过一系列的技术突破达成的循序渐近的渐变过程。

拿计算机视觉来说，现在我们完全解决了”计算机视觉“这个问题么？我们会发现图像分类或许超过人了，但是物体检测还有各种毛病，小物体找不到，大部分被遮挡的物体找不到，需要高层推理的物体找不到，样子相似的物体易混淆，等等。

同样的，视频流中的行为检测解决了么？基于上下文的物体检测解决了么？视觉和语言如何互通？这些虽然有进展，但还没有完全解决。

在这个现状之下，再想要有一句话解答”计算机视觉有没有完全解决”这个问题，就显得非常困难了。所以说，一个领域下这些细分的子领域，只有在这个领域充分发展之后才会渐渐浮现出来。

人工智能作为一个覆盖面广得多的研究领域，随着进一步发展只会分得更细，到那个时候，我们现在挂在嘴上的强/弱AI的二元称谓，是不是会显得有些可笑呢？取而代之的，往往是“高层推理很强但相对欠缺感知能力”或者“相当于三十年经验的山地植物学专家但不擅长观察卫星图片”这样的说法。

我觉得，我们现在如何评价一个人，将来就会以同样的方式，在一个更高的水平上去评价一个AI系统，这种评价是多方面且恰到好处的，而非“强”与“弱”可以简单概括。

正因为达成更好的AI需要一系列的技术突破，需要借鉴各方面的想法，存在一个科学狂人或者一个秘密组织，单独把路径上的所有关键步骤都做出来这种可能性已经越来越低了。

闭门造车的风险太大且有很大概率走进错误的方向，大部分人都是站在巨人的肩膀上，相互借鉴相互交流，通过文章共享和代码开源，一点一点地向前推进。在任何一个突破出现之前，在一线科研论文中早会出现大量的证据，只要各地研究人员的水准和手头的资源相当，没有理由意识不到这一点，并且紧紧跟上。

要知道在每一个重大科学成就背后，是多少功败垂成的研究者们深沉的叹息（这方面的例子实在太多，我就不举了），这些第二第三们会被历史所遗忘，但从另一方面来说却是整个人类世界得以持续发展的基石，前仆后继，以至黎明。

另一方面，在这样的环境下，虽然开创性研究很难，但对于跟随者而言，只要还在AI研究的第一梯队，并且目标只是重现或者应用已有算法，就可以在很短的时间内赶上来。只要一个团队做出好东西，其它团队照猫画虎多花几个月也可以做出来，到时候大家都又回到同一起跑线上。

在接近这个目标的过程中，必然会有大量的文章公布，大量的代码开放，大量的有志者进入这个领域并且深入探索，大量的从业者借助工具获得了远超身体和大脑极限的能力。在达成通用AI这个目标之前，AI的发展过程本身，就已经会对人类社会的方方面面造成极为深远的影响。

这一点，我们现在已经看到了很多，将来会看到更多，人类也会因此而在不知不觉间完成巨大的转变。等到我们真的准备好了去跨出那一步，那一步就已经不算什么了，或许到头来，我们会根本忘记那一步是如何跨出，就已经身处与十年前完全不同的未来——这也是一个人变强的体悟，不在一朝一夕，而在于坚实的每一步。

不可否认，一个能充分发挥人的潜力和创造力，抢先做出能加强人类思考能力，能在小样本无标定的情境下工作，具备强大泛化能力的通用AI的团队，背靠完全自动化信息化的传统领域，具备高效的执行能力，能够飞快地将研究得出的成果付诸切实且广泛的应用，那确实会在这领先的几个月内具备极大的优势，并完全可能会远远甩开身后的众多跟随者。

但基于先前渐进发展的逻辑，就算存在这样一个相对大的跳变，其它跟随者也至少有章可循。在这个区间内会发生什么事情无法预测。回顾往昔，技术爆炸信息不畅对立意识浓厚的二战可能是人类历史上最为危险的时刻，但就算是这样，人类也已经走过来了。

而我们研究人员所能做的，通过缩短这个时间差让大家一起走过去的办法，就是共享研究成果，进行充分而坦诚的交流。

二

对AI来说，数据和经验是其最终的发展瓶颈。有数据的地方AI才能有过人的水准。无人车是个典型的例子，一开始数据很多进展很快，但随着系统的改进，从每公里出现一次问题到每一百公里出现一次问题，有价值的数据越来越少，进展也就越来越慢。

将来AI的技术突破会让它在同等数据条件下有更强的泛化能力，但不变的底线是仍然要依靠数据去寻找模式。

人作为一种智能体，在AI出现之后其社会发展恐怕也会遵循相似的路线。每个人生活轨迹都不同，一生都会产生大量独一无二的数据，在这样一个高维空间中，AI和人一样，其踏过的轨迹都是茫茫宇宙中的微弱烛火，只是百步和五十步的区别。

于是，勇于探索并拥有独特的经验就变得极有价值，能成为别的智能体模仿的目标。比如说拍一张没人见过的照片，去一个人迹罕至的地方并记录下来，写一篇文章传播新观点，等等。目前这样的倾向已经出现了。各种朋友圈及直播的火爆，网络小说的流行，大家愿意去花时间和精力去体验别人的生活，特别是不一样的生活，可以说是将来这样的社会形态的先驱和萌芽。

当重复性的物质生产完全自动化了之后，这些可分享的独一无二的经验，就成了真正的稀缺资源和全人类的宝贵财富。

在商业上来说，大量相对平凡的经验争着去给别人消费，而独一无二的稀缺经验则需要消费者以某种代价去获取。

从个人角度来看，前人的多样性给后人带来了无尽的生活可能；在全人类的角度上看，获得更多未知的经验，能够提高人类整体的生存可能。

以现在看来，经验世界是看不到尽头的。

举围棋这个例子，非常简单的几条规则可以创造一个上下几千年的人们探索一生还远远无法穷尽的世界。对于更复杂的规则，即便有了AI的帮助，又要花多少时间去研究和探索？更何况AI也可以用来帮助创造新的世界，比如说游戏内容生成。