独家 | 图灵奖得主Raj Reddy：通用AI还很遥远，人类将成宠物

TechWeb · 公众号 · 科技媒体 · 2017-04-17 15:02

正文

图灵奖，计算机界的诺贝尔奖，迄今已经颁发50届。其中至少十分之一，颁给了人工智能领域的科学家。

量子位今天的访谈对象，正位列其中：他就是图灵奖得主、人工智能先驱Raj Reddy。

“我办公室在最破的那个楼里”，Raj Reddy在给量子位指示方向时幽默地说。这位顶级学者已经在卡内基梅隆大学待了近50年，曾经长期担任CMU计算机学院院长。

1994年，Raj Reddy因设计和建造大规模人工智能系统，证明了人工智能技术的重要性和潜在的商业价值，而获得图灵奖。

此外，他还一手创立了美国第一个机器人研究所(Robotics Institute)，成为全球最负盛名的机器人研究中心。

在这次与量子位的对话中，Raj Reddy回顾了人工智能的发展，同时坦言目前人工智能的发展超过他的预期。

不过Raj Reddy也指出目前的深度学习也有局限性，人工智能发展会进入平台期、会遇到瓶颈，突破有赖于计算力的进一步释放。

“如果你问我未来十年的大趋势，我会说是特定用途的AI”，Raj Reddy举了一个例子：比方德州扑克AI（前不久刚在海南赢了人类选手的冷扑大师）。

“我们大多数人，大多数情况下遇到的都是不完美信息问题”，Raj Reddy说这类AI有着很实际的意义。

谈到通用人工智能，Raj Reddy说目前还没有实现强人工智能所需的理念、资金等各种条件，但他很有信心：“什么时候才能实现像人一样的通用人工智能？可能需要50年100年1000年？我不知道，但终究会实现”。

谈到通用人工智能，总想到人类生存危机。

“当下次进化发生的时候，出现的不是机器人，而是长得和你我一样却有着超能力的‘超级人类’。超级人类会完成一切工作，其他人类没事可做，他们没有工作，但有充足的食物来喂养他们，也有丰富的娱乐”，Raj Reddy说。

(推荐一篇：《人类正与机器合二为一》)

把目光投向那个遥远的未来时，Raj Reddy非常乐观：超级人类(或者说超级AI)不会灭绝人类，就像人类没有杀光大猩猩黑猩猩、或者其他哺乳动物。

在他眼中，未来的世界对大多数人来说就像天堂一般：不需要工作，却能满足一切需要。

相信你也感受到了，从这个意义上来说，人类会变成宠物。

量子位把这次对话的内容，以Raj Reddy自述的形式呈现如下：

1969年，我从斯坦福毕业来到CMU(卡内基梅隆大学)。

我斯坦福的老师是John McCarthy，他起了“Artificial Intelligence(人工智能)”这个名字。CMU有Allen Newell和Herbert A. Simon。Marvin Minsky在MIT。当时大家都不喜欢人工智能这个提法，更偏好“复杂信息处理”这类名字。

(量子位插播：上面提及的几位都是图灵奖得主)

1956年，这几位科学家参加了在达特茅斯学院举行的一次会议，正式确立了人工智能的研究领域。其实今天很多热门的AI领域，包括自然语言处理、计算机视觉、机器人等领域，在上世纪60年代已经被定义而且有人开始研究。

只不过当时在计算机处理能力这个硬件条件上，有很大的局限性。现在手机可能比90年代大型计算机的计算能力要强百万倍，90年代的计算能力又比60年代强百万倍。包括照相这件事，以前是一行一行的扫描，还得希望被拍摄的对象别动。

此后人工智能经历两轮起伏，现在新的一波人工智能热潮再度兴起。(量子位插播：当时Raj Reddy的学生，美国国家工程院院士James K. Baker帮量子位科普了一遍几十年来人工智能的历次兴衰，暂时按下不表)

我相信，现在的深度学习等方法也有局限性，现有水平也无法达到通用人工智能，人工智能的发展会进入平台期，会遇到瓶颈。未来计算能力还会有飞跃，计算力还会得到释放，这将改变我们看待问题和算法的方式。

就像一个刚出生的婴儿，并没有太多的智慧，成长半年到一年以后，开始具备视觉和行动的能力；再过两年，学会语言；然后四五岁的时候开始学习写字。所以慢慢的，我们学会很多，此后我们一直不停学习。

所以问题是，自动化应该是一个可以持续学习的系统，不停学习任何事情。我的学生Oren Etzioni，现在是西雅图艾伦人工智能研究院(AI2)的CEO。那个研究院在做很多好玩的研究，其中一项是教会电脑读书，然后可以回答每一章节下面的问题。

他们用了生物学AP教材，构建了一套知识系统，准备让电脑通过AP考试。花了好多时间，还有好多钱，最后发现行不通。

在我看来，这个方法根本就是错的。在搞AP生物知识之前，应该先搞明白高中生物；搞中学生物之前，应该先搞明白小学科学。Oren去了之后就是这么做的，他们先研究中学的生物课程，现在已经能回答60%的问题。

你会发现，理解这个世界或者说常识推理，是一件非常困难的事情。

假设我们把电脑送到学校里去，和普通的人类学生一起，教给他们一样的知识，教给他们分析、解决问题的方法，希望电脑能达到六七岁孩子的水平。