機器人會取代人類嗎？
人工智能現(xiàn)在得到越來越廣泛的應用，它們可以診斷疾病、駕駛汽車、理解語言，甚至在國際象棋比賽中擊敗人類頂尖高手。那么現(xiàn)在問題來了，人工智能經(jīng)過不斷改進，最終會達到甚至超過人類智能水平嗎?達到甚至超過人類智能的機器人會取代人類嗎?
實際上，這個問題一直讓一代又一代的人們揮之不去而且深感不安。就像在斯坦利·庫布里克(Stanley Kubrick)1968年的電影《2001太空漫游》(2001:A Space Odyssey)當中描述的，一臺令人恐懼的智能計算機“哈爾”，通過自己平靜的嗓音展現(xiàn)出了一些人類特有的能力：說話、推理、識別人臉、審美、表達情緒。在哈爾得知人類宇航員決定將其關閉時，哈爾將他們逐一殺害。這樣可怕的情景會在未來出現(xiàn)嗎?
英國Mimecast公司首席數(shù)據(jù)科學家赫伯特·羅埃布萊特(Herbert L. Roitblat)在其《算法還不夠：創(chuàng)建通用人工智能》一書中提出看法說：機器智能的改進不會導致機器主導的革命。它們可能會改變人們從事的工作類型，但不意味著人類生存的終結。機器人不會取代人類。
他為什么得出這樣的結論?讓我們先把目光投回到2000多年前的西西里島的錫拉庫扎。在那里，阿基米德正光著屁股泡在澡堂子里，苦苦思索國王交給他的一道難題。
據(jù)說，錫拉庫扎國王希羅二世(公元前 270 至 前215 年)懷疑，他委托放置在一座寺廟雕像頭上的奉獻王冠不是由純金制成的。阿基米德的任務是確定希羅二世是否被騙了。
最開始阿基米德找不到辦法，因為不能將王冠敲碎了檢查。然后有一天他泡澡，當他坐進澡盆里時，看到水往外溢，突然想到可以用測定固體在水中排水量的辦法，來確定金冠的體積，通過相同質量的純金的體積來確定王冠的真假。
然后，他就興奮地跳出澡盆，連衣服都顧不得穿上就跑了出去，大聲喊著“尤里卡!尤里卡!(我找到了!我找到了!)”
羅埃布萊特將阿基米德的這個故事歸類為洞察力問題，跟人工智能解決問題的方法完全不同。羅埃布萊特說，我們人類是有創(chuàng)造力的，而且具有非理性的和不一致的特點，這些特質(無論是好是壞)都是機器智能所不具備的。
一般來說，智力測試和計算機智能的重點一直放在結構良好和形式化的問題上。也就是說，問題具有明確的目標和一定數(shù)量的可能解決方案。洞察力問題通常無法通過像算法這樣的分步程序來解決。相反，洞察力問題的特征是求解者解決問題的方法的一種重構。在問題基本上得到解決之前，通常很難確定是否取得了任何進展，然后可能就突然找到了解決方案。
關于人類如何解決洞察力問題，我們知之甚少。在實驗室中深入研究這些問題通常具有挑戰(zhàn)性，因為很難要求人們描述他們解決問題所經(jīng)歷的步驟。我們都知道，人們并不總是按照邏輯思維所建議的系統(tǒng)方式行事。這些偏差不是人類思維中的小故障或錯誤，而是實現(xiàn)人類智能的基本特征。
除了洞察力問題，人類智能還有非理性的特征，這種說不上是優(yōu)點的特點，也讓機器智能無法超越，是不是有點可笑?
人類似乎通常不會過多關注問題的形式部分，尤其是在做出有風險的選擇時。心理學家阿莫斯·特沃斯基 (Amos Tversky) 和丹尼爾·卡尼曼 (Daniel Kahneman) 發(fā)現(xiàn)，人們在面對本質上相同而描述上有差異的選擇時會做出不同的選擇。
他們進行了一項實驗，參與者被要求想象一種新的疾病威脅著這個國家，可能有 600 人死于這種疾病。他們進一步被告知，已經(jīng)提出了兩個計劃來治療這些人。參與者被分為兩個組，被要求在兩種治療方法之間進行選擇。在第一組中，他們被告知：
72% 的參與者選擇了治療 A。人們認為，確定能挽救 200 人比有可能失去全部 600 人更可取。
第二組參與者被給予相同選擇的不同版本：
在第二組中，22% 的參與者選擇了治療 A。
實際上，從死亡和存活人數(shù)來看，治療 A 對兩組來說都是相同的。但換了一種說法之后，人們的選擇就大相徑庭。
上述實驗說明人們的偏好差異是巨大的。第一個版本強調了替代方案的積極方面，第二個版本強調了消極方面。戲劇性地，人們更喜歡積極的版本。
值得注意的是，備選方案 B 在兩種情況下也是相同的。在備選方案 B 下生存的預期人數(shù)也是 200，但該備選方案包含不確定性。
實驗表明，當某個結果以積極的語氣構筑時，人們更喜歡確定的結果而不是不確定的結果，而當以否定的語氣構筑某個特定的結果時，人們更喜歡不確定的選擇。備選方案的框架或基調控制著參與者接受風險的意愿。
上述實驗可以說這是人類愚蠢而不是人類智慧的一個例子。但另一方面，這個錯誤可能會告訴我們一些關于我們如何做出決定的重要信息。正確和錯誤的決定都是由相同的大腦/思想/認知過程產(chǎn)生的。
這些心理現(xiàn)象表明，我們的思維和智力過程具有復雜性，這并不總是對我們有利。我們妄下結論，我們更容易被我們更喜歡的或者以某種方式表述的論點說服。我們有時確實表現(xiàn)得像電腦，但更多時候，我們是馬虎和不一致的，與電腦完全不同。
丹尼爾·卡尼曼將人類思維描述為由兩個系統(tǒng)組成，一個是快速、相對不準確和自動的;另一個是緩慢的、深思熟慮的，當它最終得出結論時，也更準確一些。
計算機智能專注的工作需要縝密思考的系統(tǒng)，但快速思考的系統(tǒng)可能同樣重要或者更重要，而且對于在計算機中進行仿真可能更具挑戰(zhàn)性。這種快速學習有時可能會導致不恰當?shù)牟萋矢爬ǎ部赡苁且粋€重要的工具，讓人們可以在沒有大多數(shù)機器學習系統(tǒng)所需的大量示例的情況下學習很多東西。
羅埃布萊特總結說，如果機器學習系統(tǒng)所需的只是發(fā)揮其分析能力，那么機器很可能會超過人類解決類似問題的能力。另一方面，如果問題需要發(fā)散思維、常識知識或創(chuàng)造力，那么計算機將在一段時間內繼續(xù)落后于人類。
被計算機“深藍”擊敗的國際象棋大師卡斯帕羅夫說，“深藍”的智能程度跟一臺可編程鬧鐘是一樣的。
當然，他也補充說：“但并不是說輸給一臺價值1000萬美元的鬧鐘會讓我感到好過一些。”
