人工智能無法全面取代人類

人工智能究竟能“消滅”多少工作崗位的問題，一直是街談巷議的熱點話題。然而，與不少技術樂觀派不同，我個人並不傾向於認為人工智能取代人類的一天已經迫在眉睫了。而這一判斷本身又是建立在如下觀點之上的：現有的人工智能並不具備靈活運用各個領域的知識進行綜合判斷的能力，而幾乎我們能夠想到的大多數人類所執行的工作任務，都需要執行者以相對靈活的方式來調配各個領域內的知識。

人工智能的兩個流派

人工智能研究有兩個最主要的流派，一個是符號人工智能，一個是連接主義。前者的思路是固化人類在某個領域的一般知識，然後用邏輯學或者統計學的方法推理出其在特定條件下的特殊形態；後者的思路是“喂”給系統大量的特定領域內的數據，然後在一個被數學化了的人工神經元網絡模型中處理這些數據，最終使得該模型能夠經過一定的“訓練”而完成從特定類型的輸入到特定類型的輸出的映射關聯。今天因為“阿爾法狗”而變得家喻戶曉的“深度學習”技術，無非也就是結合了一定符號人工智能因素後的高級形態的連接主義技術。其在工程學方面的精妙固然是不可否認的，但其得以運作的基本科學框架，其實在上世紀90年代早就已經被奠定了。

從運用角度看，符號人工智能最典型的運用模式就是“專家系統”，也就是模擬人類在某個領域的專家，就相關專業領域內出現的問題進行自動診斷與應答。而連接主義或者深度學習的最典型運用模式則是“模式識別”，也就是對特定領域內的大量資訊中蘊藏的固定“套路”進行以理想輸出為標靶的識別。然而，二者各自的局限性也是非常明顯的：專家系統很難對超出編程者預料的嶄新的專業問題進行有效應答，而連接主義也難以應對數據品質不高（或數量不夠）、理想輸出標靶不明的複雜局面。更麻煩的是，二者目前都只能被運用於專業人工智能的領域，而無法做到“舉一反三、融會貫通”。

機器全面取代人力仍在“科幻”層面

而下面的幾個場景，就足以證明：沒有這種“舉一反三、融會貫通”的能力，機器全面取代人力的畫面就將永遠停留在“科幻”的層面上。

場景一：自動駕駛。

自動駕駛目前已經成為人工智能投資的重點，有很多新技術已經被運用到自動駕駛的汽車上。比如，雷射雷達、攝影頭與高性能電腦的結合，能夠使得車載智能系統準確地對車體自身的運動狀態與相關周遭環境作出評估，而系統對於人類駕駛員經驗的“移植”，也在一定程度上使得系統能夠像人類一樣對外界變化作出回應。

這些技術進步當然是有意義的。不過，說自動駕駛技術馬上會全面取代人類駕駛員，則依然有言過其實之嫌：其一，自動駕駛系統的運作需要對海量環境資訊進行搜集，而此類搜集活動在惡劣氣象情況下會遭遇困難，與之相比，熟練的人類駕駛員即使在這種情況下亦有“應變之道”；其二，海量環境資訊的搜集未必會導向明智的決策，因為人類駕駛員在“緊急避險”局面下作出的直覺決策，往往是以忽略某些不重要的細節為前提的。而對於輸入情報的“重要性”的高級判斷，恰恰是目下的電腦所不擅長的；其三，人工智能對於個別老駕駛員經驗的模擬，依然具有“知其然卻不知其所以然”的色彩，無法根據環境作出有效的變通。舉個例子說，一個適應了日本東京右駕駛座環境的老司機，只要經過適當的調整期，同樣也能夠適應上海左駕駛座環境，而一台模擬東京司機行為的人工智能系統，卻很可能要經過徹底的重新訓練才能夠適應上海的駕駛環境。同時，不少中國城市普遍存在公眾交通法規意識淡漠的問題，也會為自動化駕駛技術的普及預埋隱患。

場景二：工業化機器人。

在公眾意識中，最能夠與人類勞力構成競爭關係的，恐怕就是工業機器人了。但這裡需要指出的是，工業化機器人與人工智能本身並不是一個概念，因為前者的“智能”其實並不高。譬如，美國企業家埃隆·馬斯克所建立的特斯拉汽車的高自動化汽車裝配線，雖然使用了大量的裝配機器人，但是它們的運作完全以人類熟練工的“模板動作”為複製對象，無法像人類員工那樣根據不同的車型作出變通。對於這樣的機器人的使用雖然能夠節省人力，但是其存在依然得預設人類勞動模板的存在，因此依然是依附在皮上的毛而已。說這樣的機器取代了人類，還不如說是人類自己的複製品取代了人類。筆者並不認為目下工業機器人的進步具有本質上的歷史創新意義。

場景三：機器翻譯。

目前“科大訊飛”、“谷歌翻譯”等軟體在雙語自動化翻譯方面為民眾提供的便利，當然是值得嘉許的，但認為這些產品不久後就會消滅人類譯員，則顯得過於樂觀了。

第一，人類譯員的市場一般對應於高端的商貿活動與司法谘詢活動，而這些活動所需要的翻譯品質相對也比較高。相比之下，目前機器翻譯最勝任的任務乃是簡單旅遊用外語翻譯，與高端商貿與司法谘詢活動並不構成競爭關係，因此也無法取代高端翻譯人才。

第二，目前主流機器翻譯系統的運行，都不得不大量“剝削”人類既有的翻譯案例，而無法有效應對比較小眾的翻譯需求——比如俚語翻譯、小專業領域內的翻譯，等等。“了解相關的文化與專業的背景知識”這一點卻恰恰是目下的機器翻譯系統很難做到的。

場景四：家政服務生。

隨著人口老齡化問題的日趨嚴重，研發機器人家政服務生的必要性顯然也就變得日益急迫起來。但目下的“智能家居”研究依然離“取代人類家政服務生”這個目標非常遙遠。譬如，一個足夠智能的家政服務系統應當能夠聽得懂人類的指令，而不需要人類對其進行再編程，這就預設了家政服務系統本身就已經具備了強大的自然語言處理能力。但正如我們剛才所看到的，目下人工智能的自然語言處理能力還是有點不盡如人意的。此外，一個足夠智能的家政服務系統還應當有能力在彼此衝突的用戶指令之間進行協調——譬如既要“讓房間顯得井井有條”，又要“讓關鍵性物品變得容易被用戶所獲取”。這樣高級的能力顯然需要系統具備相當高的自主決策規劃能力與目標設定能力，而這顯然也超出了目下人工智能技術的發展現實。

場景五：機器人秘書。

機器人秘書也就是能夠為用戶提供文案工作助理的人工智能系統。儘管此類人工智能系統在機票預訂、固定模板文案生成等比較簡單的專業領域內，的確能夠部分取代人類的工作，但是其靈活性卻是遠輸給人類的。譬如，如果一個人類用戶是一個物理學家，並命令機器人秘書去過濾掉“所有民科分子寫來的電子郵件”的話，那麽，系統又將根據什麽標準去將“民科”提出的科學問題區別於專業的科學家提出的問題呢？這就將倒逼這樣的人工秘書系統預裝一定的專業知識。但目下的人工秘書系統卻又普遍不具備在輔助文案工作與專業知識之間的跨領域推理能力。換言之，更為複雜的秘書工作，還需要依賴人力資源。

綜合以上討論，我們不難看出，在自動化駕駛、工業化機器人、機器翻譯、家政服務、機器文秘等領域，目下的人工智能系統能夠全面取代人類的前景還不明朗。

（作者系複旦大學哲學學院副教授）