人工智能很可能導致人類的永生或者滅絕，而這一切很可能在我們的有生之年發(fā)生。
上面這句話不是危言聳聽，請耐心的看完本文再發(fā)表意見。這篇翻譯稿翻譯完一共三萬五千字，我從上星期開始翻，熬了好幾個夜才翻完，因為我覺得這篇東西非常有價值。希望你們能夠耐心讀完，讀完后也許你的世界觀都會被改變。
我們正站在變革的邊緣，而這次變革將和人類的出現一般意義重大 – Vernor Vinge
看上去非常刺激吧？但是你要記住，當你真的站在時間的圖表中的時候，你是看不到曲線的右邊的，因為你是看不到未來的。所以你真實的感覺大概是這樣的：
想象一下坐時間機器回到1750年的地球，那個時代沒有電，暢通通訊基本靠吼，交通主要靠動物拉著跑。你在那個時代邀請了一個叫老王的人到2015年來玩，順便看看他對“未來”有什么感受。我們可能沒有辦法了解1750年的老王內心的感受——金屬鐵殼在寬敞的公路上飛馳，和太平洋另一頭的人聊天，看幾千公里外正在發(fā)生進行的體育比賽，觀看一場發(fā)生于半個世紀前的演唱會，從口袋里掏出一個黑色長方形工具把眼前發(fā)生的事情記錄下來，生成一個地圖然后地圖上有個藍點告訴你現在的位置，一邊看著地球另一邊的人的臉一邊聊天，以及其它各種各樣的黑科技。別忘了，你還沒跟他解釋互聯網、國際空間站、大型強子對撞機、核武器以及相對論。
這時候的老王會是什么體驗？驚訝、震驚、腦洞大開這些詞都太溫順了，我覺得老王很可能直接被嚇尿了。
但是，如果老王回到了1750年，然后覺得被嚇尿是個很囧的體驗，于是他也想把別人嚇尿來滿足一下自己，那會發(fā)生什么？于是老王也回到了250年前的1500年，邀請生活在1500年的小李去1750年玩一下。小李可能會被250年后的很多東西震驚，但是至少他不會被嚇尿。同樣是250來年的時間，1750和2015年的差別，比1500年和1750年的差別，要大得多了。1500年的小李可能能學到很多神奇的物理知識，可能會驚訝于歐洲的帝國主義旅程，甚至對于世界地圖的認知也會大大的改變，但是1500年的小李，看到1750年的交通、通訊等等，并不會被嚇尿。
所以說，對于1750年的老王來說，要把人嚇尿，他需要回到更古老的過去——比如回到公元前12000年，第一次農業(yè)革命之前。那個時候還沒有城市，也還沒有文明。一個來自狩獵采集時代的人類，只是當時眾多物種中的一個罷了，來自那個時代的小趙看到1750年龐大的人類帝國，可以航行于海洋上的巨艦，居住在“室內”，無數的收藏品，神奇的知識和發(fā)現——他很有可能被嚇尿。
小趙被嚇尿后如果也想做同樣的事情呢？如果他會到公元前24000年，找到那個時代的小錢，然后給他展示公元前12000年的生活會怎樣呢。小錢大概會覺得小趙是吃飽了沒事干——“這不跟我的生活差不多么，呵呵”。小趙如果要把人嚇尿，可能要回到十萬年前或者更久，然后用人類對火和語言的掌控來把對方嚇尿。
所以，一個人去到未來，并且被嚇尿，他們需要滿足一個“嚇尿單位”。滿足嚇尿單位所需的年代間隔是不一樣的。在狩獵采集時代滿足一個嚇尿單位需要超過十萬年，而工業(yè)革命后一個嚇尿單位只要兩百多年就能滿足。
未來學家Ray Kurzweil把這種人類的加速發(fā)展稱作加速回報定律（Law of Accelerating Returns）。之所以會發(fā)生這種規(guī)律，是因為一個更加發(fā)達的社會，能夠繼續(xù)發(fā)展的能力也更強，發(fā)展的速度也更快——這本就是更加發(fā)達的一個標準。19世紀的人們比15世紀的人們懂得多得多，所以19世紀的人發(fā)展起來的速度自然比15世紀的人更快。
即使放到更小的時間規(guī)模上，這個定律依然有效。著名電影《回到未來》中，生活在1985年的主角回到了1955年。當主角回到1955年的時候，他被電視剛出現時的新穎、便宜的物價、沒人喜歡電吉他、俚語的不同而震驚。
但是如果這部電影發(fā)生在2015年，回到30年前的主角的震驚要比這大得多。一個2000年左右出生的人，回到一個沒有個人電腦、互聯網、手機的1985年，會比從1985年回到1955年的主角看到更大的區(qū)別。
這同樣是因為加速回報定律。1985年-2015年的平均發(fā)展速度，要比1955年-1985年的平均發(fā)展速度要快，因為1985年的世界比1955年的更發(fā)達，起點更高，所以過去30年的變化要大過之前30年的變化。
進步越來越大，發(fā)生的越來越快，也就是說我們的未來會很有趣對吧？
未來學家Kurzweil認為整個20世紀100年的進步，按照2000年的速度只要20年就能達成——2000年的發(fā)展速度是20世紀平均發(fā)展速度的5倍。他認為2000年開始只要花14年就能達成整個20世紀一百年的進步，而之后2014年開始只要花7年（2021年），就能達到又一個20世紀一百年的進步。幾十年之后，我們每年都能達成好幾次相當于整個20世紀的發(fā)展，再往后，說不定每個月都能達成一次。按照加速回報定，Kurzweil認為人類在21世紀的進步將是20世紀的1000倍。
如果Kurzweil等人的想法是正確的，那2030年的世界可能就能把我們嚇尿了——下一個嚇尿單位可能只需要十幾年，而2050年的世界會變得面目全非。
你可能覺得2050年的世界會變得面目全非這句話很可笑，但是這不是科幻，而是比你我聰明很多的科學家們相信的，而且從歷史來看，也是邏輯上可以預測的。
那么為什么你會覺得“2050年的世界會變得面目全非” 這句話很可笑呢？有三個原因讓你質疑對于未來的預測：
1. 我們對于歷史的思考是線性的。當我們考慮未來35年的變化時，我們參照的是過去35年發(fā)生的事情。當我們考慮21世紀能產生的變化的時候，我們參考的是20世紀發(fā)生的變化。這就好像1750年的老王覺得1500年的小李在1750年能被嚇尿一樣。線性思考是本能的，但是但是考慮未來的時候我們應該指數地思考。一個聰明人不會把過去35年的發(fā)展作為未來35年的參考，而是會看到當下的發(fā)展速度，這樣預測的會更準確一點。當然這樣還是不夠準確，想要更準確，你要想象發(fā)展的速度會越來越快。
S曲線發(fā)生在新范式傳遍世界的時候，S曲線分三部分
如果你只看近期的歷史，你很可能看到的是S曲線的某一部分，而這部分可能不能說明發(fā)展究竟有多快速。1995-2007年是互聯網爆炸發(fā)展的時候，微軟、谷歌、臉書進入了公眾視野，伴隨著的是社交網絡、手機的出現和普及、智能手機的出現和普及，這一段時間就是S曲線的快速增長期。2008-2015年發(fā)展沒那么迅速，至少在技術領域是這樣的。如果按照過去幾年的發(fā)展速度來估計當下的發(fā)展速度，可能會錯得離譜，因為很有可能下一個快速增長期正在萌芽。
3. 個人經驗使得我們對于未來預期過于死板。我們通過自身的經驗來產生世界觀，而經驗把發(fā)展的速度烙印在了我們腦中——“發(fā)展就是這么個速度的。”我們還會受限于自己的想象力，因為想象力通過過去的經驗來組成對未來的預測——但是我們知道的東西是不足以幫助我們預測未來的。當我們聽到一個和我們經驗相違背的對于未來的預測時，我們就會覺得這個預測偏了。如果我現在跟你說你可以活到150歲，250歲，甚至會永生，你是不是覺得我在扯淡——“自古以來，所有人都是會死的。”是的，過去從來沒有人永生過，但是飛機發(fā)明之前也沒有人坐過飛機呀。
接下來的內容，你可能一邊讀一邊心里“呵呵”，而且這些內容可能真的是錯的。但是如果我們是真的從歷史規(guī)律來進行邏輯思考的，我們的結論就應該是未來的幾十年將發(fā)生比我們預期的多得多得多得多的變化。同樣的邏輯也表明，如果人類這個地球上最發(fā)達的物種能夠越走越快，總有一天，他們會邁出徹底改變“人類是什么”這一觀點的一大步，就好像自然進化不不斷朝著智能邁步，并且最終邁出一大步產生了人類，從而完全改變了其它所有生物的命運。如果你留心一下近來的科技進步的話，你會發(fā)現，到處都暗示著我們對于生命的認知將要被接下來的發(fā)展而徹底改變。
如果你一直以來把人工智能（AI）當做科幻小說，但是近來卻不但聽到很多正經人嚴肅的討論這個問題，你可能也會困惑。這種困惑是有原因的：
1.我們總是把人工智能和電影想到一起。星球大戰(zhàn)、終結者、2001：太空漫游等等。電影是虛構的，那些電影角色也是虛構的，所以我們總是覺得人工智能缺乏真實感。
2.人工智能是個很寬泛的話題。從手機上的計算器到無人駕駛汽車，到未來可能改變世界的重大變革，人工智能可以用來描述很多東西，所以人們會有疑惑。
3.我們日常生活中已經每天都在使用人工智能了，只是我們沒意識到而已。John McCarthy，在1956年最早使用了人工智能（Artificial Intelligence）這個詞。他總是抱怨“一旦一樣東西用人工智能實現了，人們就不再叫它人工智能了。”
因為這種效應，所以人工智能聽起來總讓人覺得是未來的神秘存在，而不是身邊已經存在的現實。同時，這種效應也讓人們覺得人工智能是一個從未被實現過的流行理念。Kurzweil提到經常有人說人工智能在80年代就被遺棄了，這種說法就好像“互聯網已經在21世紀初互聯網泡沫爆炸時死去了”一般滑稽。
首先，不要一提到人工智能就想著機器人。機器人只是人工智能的容器，機器人有時候是人形，有時候不是，但是人工智能自身只是機器人體內的電腦。人工智能是大腦的話，機器人就是身體——而且這個身體不一定是必需的。比如說Siri背后的軟件和數據是人工智能，Siri說話的聲音是這個人工智能的人格化體現，但是Siri本身并沒有機器人這個組成部分。
其次，你可能聽過“奇點”或者“技術奇點”這種說法。這種說法在數學上用來描述類似漸進的情況，這種情況下通常的規(guī)律就不適用了。這種說法同樣被用在物理上來描述無限小的高密度黑洞，同樣是通常的規(guī)律不適用的情況。Kurzweil則把奇點定義為加速回報定律達到了極限，技術進步以近乎無限的速度發(fā)展，而奇點之后我們將在一個完全不同的世界生活的。但是當下的很多思考人工智能的人已經不再用奇點這個說法了，而且這種說法很容易把人弄混，所以本文也盡量少用。
最后，人工智能的概念很寬，所以人工智能也分很多種，我們按照人工智能的實力將其分成三大類。
弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅長于單個方面的人工智能。比如有能戰(zhàn)勝象棋世界冠軍的人工智能，但是它只會下象棋，你要問它怎樣更好地在硬盤上儲存數據，它就不知道怎么回答你了。
強人工智能Artificial General Intelligence (AGI): 人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創(chuàng)造強人工智能比創(chuàng)造弱人工智能難得多，我們現在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作。”強人工智能在進行這些操作時應該和人類一樣得心應手。
超人工智能Artificial Superintelligence (ASI): 牛津哲學家，知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創(chuàng)新、通識和社交技能。”超人工智能可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的。超人工智能也正是為什么人工智能這個話題這么火熱的緣故，同樣也是為什么永生和滅絕這兩個詞會在本文中多次出現。
現在，人類已經掌握了弱人工智能。其實弱人工智能無處不在，人工智能革命是從弱人工智能，通過強人工智能，最終到達超人工智能的旅途。這段旅途中人類可能會生還下來，可能不會，但是無論如何，世界將變得完全不一樣。
讓我們來看看這個領域的思想家對于這個旅途是怎么看的，已經為什么人工智能革命可能比你想的要近得多。
弱人工智能是在特定領域等同或者超過人類智能/效率的機器智能，一些常見的例子：
汽車上有很多的弱人工智能系統(tǒng)，從控制防抱死系統(tǒng)的電腦，到控制汽油注入參數的電腦。谷歌正在測試的無人駕駛車，就包括了很多弱人工智能，這些弱人工智能能夠感知周圍環(huán)境并作出反應。你的手機也充滿了弱人工智能系統(tǒng)。當你用地圖軟件導航，接受音樂電臺推薦，查詢明天的天氣，和Siri聊天，以及其它很多很多應用，其實都是弱人工智能。垃圾郵件過濾器是一種經典的弱人工智能——它一開始就加載了很多識別垃圾郵件的智能，并且它會學習并且根據你的使用而獲得經驗。智能室溫調節(jié)也是一樣，它能根據你的日常習慣來智能調節(jié)。你在上網時候出現的各種其它電商網站的產品推薦，還有社交網站的好友推薦，這些都是弱人工智能的組成的，弱人工智能聯網互相溝通，利用你的信息來進行推薦。網購時出現的“買這個商品的人還購買了”推薦，其實就是手機數百萬用戶行為然后產生信息來賣東西給你的弱人工智能。谷歌翻譯也是一種經典的人工智能——非常擅長單個領域。聲音識別也是一種。很多軟件利用這兩種智能的合作，使得你能對著手機說中文，手機直接給你翻譯成英文。當飛機著陸時候，不是一個人類決定飛機該去那個登機口接駁。就好像你在網上買票時票據不是一個人類決定的。世界最強的跳棋、象棋、拼字棋、雙陸棋和黑白棋選手都是弱人工智能。谷歌搜索是一個巨大的弱人工智能，背后是非常復雜的排序方法和內容檢索。社交網絡的新鮮事同樣是這樣。這些還只是消費級產品的例子。軍事、制造、金融（高頻算法交易占到了美國股票交易的一半）等領域廣泛運用各種復雜的弱人工智能。專業(yè)系統(tǒng)也有，比如幫助醫(yī)生診斷疾病的系統(tǒng)，還有著名的IBM的華生，儲存了大量事實數據，還能理解主持人的提問，在競猜節(jié)目中能夠戰(zhàn)勝最厲害的參賽者。
現在的弱人工智能系統(tǒng)并不嚇人。最糟糕的情況，無非是代碼沒寫好，程序出故障，造成了單獨的災難，比如造成停電、核電站故障、金融市場崩盤等等。
雖然現在的弱人工智能沒有威脅我們生存的能力，我們還是要懷著警惕的觀點看待正在變得更加龐大和復雜的弱人工智能的生態(tài)。每一個弱人工智能的創(chuàng)新，都在給通往強人工智能和超人工智能的旅途添磚加瓦。用Aaron Saenz的觀點，現在的弱人工智能，就是地球早期軟泥中的氨基酸——沒有動靜的物質，突然之間就組成了生命。
只有明白創(chuàng)造一個人類智能水平的電腦是多么不容易，才能讓你真的理解人類的智能是多么不可思議。造摩天大樓、把人送入太空、明白宇宙大爆炸的細節(jié)——這些都比理解人類的大腦，并且創(chuàng)造個類似的東西要簡單太多了。至今為止，人類的大腦是我們所知宇宙中最復雜的東西。
而且創(chuàng)造強人工智能的難處，并不是你本能認為的那些。
造一個能分辨出一個動物是貓還是狗的計算機——極端困難
造一個能戰(zhàn)勝世界象棋冠軍的電腦——早就成功了
造一個能夠讀懂六歲小朋友的圖片書中的文字，并且了解那些詞匯意思的電腦——谷歌花了幾十億美元在做，還沒做出來。
一些我們覺得困難的事情——微積分、金融市場策略、翻譯等，對于電腦來說都太簡單了
我們覺得容易的事情——視覺、動態(tài)、移動、直覺——對電腦來說太TM的難了。
用計算機科學家Donald Knuth的說法，“人工智能已經在幾乎所有需要思考的領域超過了人類，但是在那些人類和其它動物不需要思考就能完成的事情上，還差得很遠。”
讀者應該能很快意識到，那些對我們來說很簡單的事情，其實是很復雜的，它們看上去很簡單，因為它們已經在動物進化的過程中經歷了幾億年的優(yōu)化了。當你舉手拿一件東西的時候，你肩膀、手肘、手腕里的肌肉、肌腱和骨頭，瞬間就進行了一組復雜的物理運作，這一切還配合著你的眼睛的運作，使得你的手能都在三維空間中進行直線運作。對你來說這一切輕而易舉，因為在你腦中負責處理這些的“軟件”已經很完美了。同樣的，軟件很難識別網站的驗證碼，不是因為軟件太蠢，恰恰相反，是因為能夠讀懂驗證碼是件碉堡了的事情。
同樣的，大數相乘、下棋等等，對于生物來說是很新的技能，我們還沒有幾億年的世界來進化這些能力，所以電腦很輕易的就擊敗了我們。試想一下，如果讓你寫一個程序，是一個能做大數相乘的程序容易寫，還是能夠識別千千萬萬種字體和筆跡下書寫的英文字母的程序難寫？
比如看著下面這個圖的時候，你和電腦都能識別出這是一個由兩種顏色的小長方形組成的一個大長方形。
你和電腦打了個平手。接著我們把途中的黑色部分去除：
你可以輕易的描述圖形中透明或不透明的圓柱和3D圖形，但是電腦就看不出來了。電腦會描述出2D的陰影細節(jié)，但是人腦卻能夠把這些陰影所展現的深度、陰影混合、房屋燈光解讀出來。
再看下面這張圖，電腦看到的是黑白灰，我們看到的卻是一塊全黑的石頭。
而且，我們到現在談的還是靜態(tài)不變的信息。要想達到人類級別的智能，電腦必須要理解更高深的東西，比如微小的臉部表情變化，開心、放松、滿足、滿意、高興這些類似情緒間的區(qū)別，以及為什么《布達佩斯大飯店》是好電影，而《富春山居圖》是爛電影。
要達到強人工智能，肯定要滿足的就是電腦硬件的運算能力。如果一個人工智能要像人腦一般聰明，它至少要能達到人腦的運算能力。
用來描述運算能力的單位叫作cps（calculations per second，每秒計算次數），要計算人腦的cps只要了解人腦中所有結構的最高cps，然后加起來就行了。
Kurzweil把對于一個結構的最大cps的專業(yè)估算，然后考慮這個結構占整個大腦的重量，做乘法，來得出人腦的cps。聽起來不太靠譜，但是Kurzweil用了對于不同大腦區(qū)域的專業(yè)估算值，得出的最終結果都非常類似，是10^16 cps，也就是1億億次計算每秒。
現在最快的超級計算機，中國的天河二號，其實已經超過這個運算力了，天河每秒能進行3.4億億。當然，天河二號占地720平方米，耗電2400萬瓦，耗費了3.9億美元建造。廣泛應用就不提了，即使是大部分商業(yè)或者工業(yè)運用也是很貴的。
Kurzweil認為考慮電腦的發(fā)展程度的標桿是看1000美元能買到多少cps，當1000美元能買到人腦級別的1億億運算能力的時候，強人工智能可能就是生活的一部分了。
摩爾定律認為全世界的電腦運算能力每兩年就翻一倍，這一定律有歷史數據所支持，這同樣表明電腦硬件的發(fā)展和人類發(fā)展一樣是指數級別的。我們用這個定律來衡量1000美元什么時候能買到1億億cps。現在1000美元能買到10萬億cps，和摩爾定律的歷史預測相符合。
也就是說現在1000美元能買到的電腦已經強過了老鼠，并且達到了人腦千分之一的水平。聽起來還是弱爆了，但是，讓我們考慮一下，1985年的時候，同樣的錢只能買到人腦萬億分之一的cps，1995年變成了十億分之一，2005年是百萬分之一，而2015年已經是千分之一了。按照這個速度，我們到2025年就能花1000美元買到可以和人腦運算速度抗衡的電腦了。
至少在硬件上，我們已經能夠強人工智能了（中國的天河二號），而且十年以內，我們就能以低廉的價格買到能夠支持強人工智能的電腦硬件。
但是運算能力并不能讓電腦變得智能，下一個問題是，我們怎樣利用這份運算能力來達成人類水平的智能。
這一步比較難搞。事實上，沒人知道該怎么搞——我們還停留在爭論怎么讓電腦分辨《富春山居圖》是部爛片的階段。但是，現在有一些策略，有可能會有效。下面是最常見的三種策略：
就好像你班上有一個學霸。你不知道為什么學霸那么聰明，為什么考試每次都滿分。雖然你也很努力的學習，但是你就是考的沒有學霸好。最后你決定“老子不干了，我直接抄他的考試答案好了。”這種“抄襲”是有道理的，我們想要建造一個超級復雜的電腦，但是我們有人腦這個范本可以參考呀。
科學界正在努力逆向工程人腦，來理解生物進化是怎么造出這么個神奇的東西的，樂觀的估計是我們在2030年之前能夠完成這個任務。一旦這個成就達成，我們就能知道為什么人腦能夠如此高效、快速的運行，并且能從中獲得靈感來進行創(chuàng)新。一個電腦架構模擬人腦的例子就是人工神經網絡。它是一個由晶體管作為“神經”組成的網絡，晶體管和其它晶體管互相連接，有自己的輸入、輸出系統(tǒng)，而且什么都不知道——就像一個嬰兒的大腦。接著它會通過做任務來自我學習，比如識別筆跡。最開始它的神經處理和猜測會是隨機的，但是當它得到正確的回饋后，相關晶體管之間的連接就會被加強；如果它得到錯誤的回饋，連接就會變弱。經過一段時間的測試和回饋后，這個網絡自身就會組成一個智能的神經路徑，而處理這項任務的能力也得到了優(yōu)化。人腦的學習是類似的過程，不過比這復雜一點，隨著我們對大腦研究的深入，我們將會發(fā)現更好的組建神經連接的方法。
更加極端的“抄襲”方式是“整腦模擬”。具體來說就是把人腦切成很薄的片，用軟件來準確的組建一個3D模型，然后把這個模型裝在強力的電腦上。如果能做成，這臺電腦就能做所有人腦能做的事情——只要讓它學習和吸收信息就好了。如果做這事情的工程師夠厲害的話，他們模擬出來的人腦甚至會有原本人腦的人格和記憶，電腦模擬出的人腦就會像原本的人腦一樣——這就是非常符合人類保準的強人工智能，然后我們就能把它改造成一個更加厲害的超人工智能了。
我們離整腦模擬還有多遠呢？至今為止，我們剛剛能夠模擬1毫米長的扁蟲的大腦，這個大腦含有302個神經元。人類的大腦有1000億個神經元，聽起來還差很遠。但是要記住指數增長的威力——我們已經能模擬小蟲子的大腦了，螞蟻的大腦也不遠了，接著就是老鼠的大腦，到那時模擬人類大腦就不是那么不現實的事情了。
抄學霸的答案當然是一種方法，但是如果學霸的答案太難抄了呢？那我們能不能學一下學霸備考的方法？
首先我們很確定的知道，建造一個和人腦一樣強大的電腦是可能的——我們的大腦就是證據。如果大腦太難完全模擬，那么我們可以模擬演化出大腦的過程。事實上，就算我們真的能完全模擬大腦，結果也就好像照抄鳥類翅膀的拍動來造飛機一樣——很多時候最好的設計機器的方式并不是照抄生物設計。
所以我們可不可以用模擬演化的方式來造強人工智能呢？這種方法叫作“基因算法”，它大概是這樣的：建立一個反復運作的表現/評價過程，就好像生物通過生存這種方式來表現，并且以能否生養(yǎng)后代為評價一樣。一組電腦將執(zhí)行各種任務，最成功的將會“繁殖”，把各自的程序融合，產生新的電腦，而不成功的將會被剔除。經過多次的反復后。這個自然選擇的過程將產生越來越強大的電腦。而這個方法的難點是建立一個自動化的評價和繁殖過程，使得整個流程能夠自己運行。
這個方法的缺點也是很明顯的，演化需要經過幾十億年的時間，而我們卻只想花幾十年時間。
但是比起自然演化來說，我們有很多優(yōu)勢。首先，自然演化是沒有預知能力的，它是隨機的——它產生的沒用的變異比有用的變異多很多，但是人工模擬的演化可以控制過程，使其著重于有益的變化。其次，自然演化是沒有目標的，自然演化出的智能也不是它目標，特定環(huán)境甚至對于更高的智能是不利的（因為高等智能消耗很多能源）。但是我們可以指揮演化的過程超更高智能的方向發(fā)展。再次，要產生智能，自然演化要先產生其它的附件，比如改良細胞產生能量的方法，但是我們完全可以用電力來代替這額外的負擔。所以，人類主導的演化會比自然快很多很多，但是我們依然不清楚這些優(yōu)勢是否能使模擬演化成為可行的策略。
如果抄學霸的答案和模擬學霸備考的方法都走不通，那就干脆讓考題自己解答自己吧。這種想法很無厘頭，確實最有希望的一種。
總的思路是我們建造一個能進行兩項任務的電腦——研究人工智能和修改自己的代碼。這樣它就不只能改進自己的架構了，我們直接把電腦變成了電腦科學家，提高電腦的智能就變成了電腦自己的任務。
硬件的快速發(fā)展和軟件的創(chuàng)新是同時發(fā)生的，強人工智能可能比我們預期的更早降臨，因為：
1）指數級增長的開端可能像蝸牛漫步，但是后期會跑的非常快
2）軟件的發(fā)展可能看起來很緩慢，但是一次頓悟，就能永遠改變進步的速度。就好像在人類還信奉地心說的時候，科學家們沒法計算宇宙的運作方式，但是日心說的發(fā)現讓一切變得容易很多。創(chuàng)造一個能自我改進的電腦來說，對我們來說還很遠，但是可能一個無意的變動，就能讓現在的系統(tǒng)變得強大千倍，從而開啟朝人類級別智能的沖刺。
總有一天，我們會造出和人類智能相當的強人工智能電腦，然后人類和電腦就會平等快樂的生活在一起。
即使是一個和人類智能完全一樣，運算速度完全一樣的強人工智能，也比人類有很多優(yōu)勢：
-速度。腦神經元的運算速度最多是200赫茲，今天的微處理器就能以2G赫茲，也就是神經元1000萬倍的速度運行，而這比我們達成強人工智能需要的硬件還差遠了。大腦的內部信息傳播速度是每秒120米，電腦的信息傳播速度是光速，差了好幾個數量級。
– 容量和儲存空間。人腦就那么大，后天沒法把它變得更大，就算真的把它變得很大，每秒120米的信息傳播速度也會成為巨大的瓶頸。電腦的物理大小可以非常隨意，使得電腦能運用更多的硬件，更大的內存，長期有效的存儲介質，不但容量大而且比人腦更準確。
– 可靠性和持久性。電腦的存儲不但更加準確，而且晶體管比神經元更加精確，也更不容易萎縮（真的壞了也很好修）。人腦還很容易疲勞，但是電腦可以24小時不停的以峰值速度運作。
– 可編輯性，升級性，以及更多的可能性。和人腦不同，電腦軟件可以進行更多的升級和修正，并且很容易做測試。電腦的升級可以加強人腦比較弱勢的領域——人腦的視覺元件很發(fā)達，但是工程元件就挺弱的。而電腦不但能在視覺元件上匹敵人類，在工程元件上也一樣可以加強和優(yōu)化。
– 集體能力。人類在集體智能上可以碾壓所有的物種。從早期的語言和大型社區(qū)的形成，到文字和印刷的發(fā)明，再到互聯網的普及。人類的集體智能是我們統(tǒng)治其它物種的重要原因之一。而電腦在這方面比我們要強的很多，一個運行特定程序的人工智能網絡能夠經常在全球范圍內自我同步，這樣一臺電腦學到的東西會立刻被其它所有電腦學得。而且電腦集群可以共同執(zhí)行同一個任務，因為異見、動力、自利這些人類特有的東西未必會出現在電腦身上。
通過自我改進來達成強人工智能的人工智能，會把“人類水平的智能”當作一個重要的里程碑，但是也就僅此而已了。它不會停留在這個里程碑上的。考慮到強人工智能之于人腦的種種優(yōu)勢，人工智能只會在“人類水平”這個節(jié)點做短暫的停留，然后就會開始大踏步向超人類級別的智能走去。
這一切發(fā)生的時候我們很可能被嚇尿，因為從我們的角度來看 a)雖然動物的智能有區(qū)別，但是動物智能的共同特點是比人類低很多；b)我們眼中最聰明的人類要比最愚笨的人類要聰明很很很很多。
.jpg!liorigin)
.jpg!liorigin)
