人工智能的“能”与“不能”

最近人工智能变得非常红火。先有AlphaGo所向无敌，战胜了世界上所有的围棋大师；又有现在的ChatGPT，能够回答很多稀奇古怪的问题，还能帮助做作业，生成文档等等。人工智能的辉煌成就不但唬住了普通人，甚至连许多专家也担心说：不要再研究人工智能了，人工智能太强大了，对人类可能是一个灾难。

当前所谓的人工智能到底是一个什么东西？有两个比较重要的概念：一个是深度学习，另外一个是神经网络。换句话说，现在的人工智能就是能够进行深度学习的神经网络。

神经网络这个概念比较唬人，猛一听大家自然而然的就以为是人的大脑，因为人的大脑不就是神经网络吗？可惜的是此神经网络非彼神经网络，我们下面稍微深究一下这个问题。

我们先看看生物学上的对神经网络的理解。

生物学中神经网络的基本单元是神经元（neuron)和它们的联系(synapse)。一个神经元可能与几十个或几百个神经元线联系，相互联系的神经元构成了神经网络。人的身上有很多神经网络来完成某些特定功能，比如说人的大脑用来推理，人的视网膜用来识别，当然还有实现听力、嗅觉等等的神经网络。

人工智能研究的终极目标就是利用机器来模拟人的大脑，或者说模拟人的大脑的神经网络。

现在所谓的深度学习实际上隐含的是一个特定的、金字塔形的神经网络，这个网络是来模拟人的大脑的吗？答案是否定的。它实际上模拟的是人的视网膜！那么人的视网膜是来干什么用的呢？简单回答是识别物体。所以说白了现在基于深度学习的神经网络是模拟人的识别功能，不是人的推理和思维功能。

聪明的读者这时一定会来反驳我：你说深度学习的神经网络只能做识别，不能做推理。那为什么AlphaGo可以下围棋下的这么好，可以天下无敌？下围棋不是要推理的吗？

实际上大家都被AlphaGo的成功给误导了。AlphaGo的成功并不是基于模拟我们大脑的推理和思维功能，而是基于云计算的超级存储（记忆)功能。

记得以前有一个电影叫“雨人(Rainman)”。里面有一个天才，他能把见过的任何信息都记住。既然他有这种功能，那么假如你训练他把世界上所有的路都走一遍，那么下一次再走的时候，他一定会找出一个最佳路径。

用数学的定义来说：在一个有限的空间里面，假如你有足够大的存储量，能把所有的可能的答案都记下来的话，那么在任何时候，你都可以找到最优解。

简单来说，这是以空间换时间的概念，或者说以空间换计算量，以空间换推理功能。云计算的发展让这个无穷大的空间成为可能。

明白了这个道理，那么对于现在的所谓的人工智能的成就并不需要恐惧。因为他们有的只是记忆和重复的功能，没有人类的推理和联想的功能。当然这里说的重复功能也包括一些简单推理，类似于数值计算中的曲线插值。

[枪迷球迷]

楼主对NP-Complete的理解是正确的， 但轻视了“有限”的可怕。 如果计算时间以指数方式增长， 则“有限”就可以跟“无限"没实际区别。 比如网络加密 RSA protocol， 实际上解密只需有限时间。但最快的电脑也必须用数年才能解开。等解开则机密也过时了。 这个有限跟无限就没有实质区别。

[ahhhh]

很多事，不需要联想和推理，不需要理解，共情，只要算出最佳结果就好啦。比如，现在软件最大的成本是工程师，因为PD说的话，电脑听不懂，要工程师实现出来。有了ChatGPT,PD就可以直接人机交互了，不需要工程师了。
这个作用，比以前GUI出来的效果还要影响深远。

[羊顿]

自动驾驶就不是有限空间问题，因为你无法事先想到所有的可能状况。

[羊顿]

回复 '枪迷球迷' 的评论 : 谢谢评论。NP-Complete问题， 我的理解是说问题的复杂性随维度呈指数增长，而目前找不到线性时间的算法。在有限空间问题里，只要存储量够大，是可以在有限时间内找到最短路径的， 因为只是查表。地球上的城市是有限的，属于有限空间问题， 围棋也属于有限空间问题。

[羊顿]

回复 '诚信' 的评论 : 谢谢鼓励

[诚信]

是个好科学家， 配得上网名。

[诚信]

非常好的文章， 言简意赅， 讲解生动准确。 是个好科学家，也有好文笔。

深蓝，AlphaGo, ChatGPT(GPT4) 都曾激起千层浪， 引发庸人自扰。其实，AI到目前为止， 虽然已经有60多年的发展历史， 还只是toy, 连tool都不是。

[枪迷球迷]

同意小艾不可怕的观点。 在可见的将来小艾不可能战胜数学家。 数学机器证明毫无头绪， 不是设计小艾的程序猿能搞明白的。

不过“假如你训练他把世界上所有的路都走一遍，那么下一次再走的时候，他一定会找出一个最佳路径”不太准确。 最短路径问题是计算机理论里的NP-Complete。也就是说，路径太多时最短路径可能在有意义的时间限制内找不出来。 GPS偶尔会出错，经常找不出最佳路径就不难理解了。