走在错误路上的的Facebook、谷歌和MIT顶级AI专家 道翰天琼

最近看到一篇文章，标题是“Facebook、谷歌大脑和MIT顶级AI专家正在寻找的神经网络通用理论”。我先摘录文章开头的一段，读者看了应该就明白他要讲什么了：

“当我们设计一座摩天大楼时，会希望它能够达到明确规定的性能要求：这座大楼能够承受一定的重量，并且能够承受一定强度的地震。

然而我们正在盲目地使用一项技术，它是现代世界最重要的技术之一。我们使用不同的设计，修改不同的设置，但在测试运行之前，我们并不知道它能做什么，或者会在哪里失败。

这项技术就是神经网络，它支撑着当今世界最先进的人工智能系统。”、

没错，这篇文章想讲的主题就是，人工智能所用的技术，应该象机械、建筑等工程技术那样可靠、安全，然而现在人工智能主要用到的神经网络技术，以及由其衍生出来的深度学习等技术，都存在很大的不确定性。所以这些专家们想要给人工智能找到可靠的技术。

这很符合一般的常识，我们使用一项技术，当然需要它是可靠、安全的，且是能够由我们人类完全掌控的。尤其是象人工智能这么重要的技术，因为它很可能主宰未来的世界，没人想把人类的命运交给一个不可靠的家伙。嗯，看来专家们说的似乎是很有道理。

然而我却要说，这是一群多么无知的所谓Facebook、谷歌大脑和MIT顶级AI专家，正如我以前批过的美国某集科学院、工程院、艺术与科学院三院院士于一身的大牛也是持这种论调，这些人连科学最基本的问题都没搞清楚。

科学的问题分两类，一类是工程问题，如机械、建筑等，广义也包括数、理、化等；另一类属复杂性科学，如经济学、社会学、气象预测、心理学以及大脑的意识和思维等，当然也包括人工智能。两类问题的本质区别为：一个是确定性的，一个是不确定性的。工程问题按确定的方法就能得到确定的结果；而复杂性问题首先没有确定的方法，且任何方法都不能获得确定的结果，只能得到概率、统计性的结果，即百分之多少的可能得到想要的结果。

如果你设计一个桥，然后跟别人说这个桥正常情况下99%不会塌，那肯定会被别人抽死，因为桥必须是100%不能塌，甚至是120%，因为还要有安全冗余，这就是工程类、确定性问题的特点。反过来，如果你设计一个期货、股票预测软件，然后跟别人说这个软件能100%预测准确，估计你也会被人抽死，因为这是不可能做到的，所以别人会把你当骗子抽。

也许有人（就如文中那些砖家）会说，不确定的结果有什么用？那我告诉你，如果你的股票预测软件有80%准确率，那么你轻易便能富可敌国，马云之辈就只配给你提鞋了（马云：我为什么躺枪？）。天气预报的结果确定（准确）吗？但这并不影响你出门前看看手机上的天气预报是否下雨。

还有人可能会说，对这类问题确定的方法肯定是存在的，只是很难找到，假以时日，一定是能够找到的。那么我再告诉你，逻辑上这样的方法就不存在，因为复杂性科学有两个特点，一个是影响（不能忽略）的因素超级多，比如影响一支股票涨跌的因素，可能有成千上万，我们没有办法把所有因素都收集起来去计算，就算收集起来估计所需的计算量也是超级大，成本难以承担。而更困难的是我们根本就不知道有哪些因素会影响，因而对某些因素无从去收集。而更更困难的是，因素的数量是随时随地不断在变的，一个因素今天不影响，但可能明天就会影响。

复杂性科学的第二个特点是具有自身循环的特性，即因素1会影响因素2，因素2又会反过来影响因素1。但这其实还是理想状态，实际情况可能是因素1影响因素2、因素2影响因素3……因素n影响因素1。更复杂的情况是，因素n不光影响因素1，还可能影响2……，这里面是一个错综复杂交织的网，看不清、理还乱。

用一个实际例子来说明这种自身循环，你设计了一个股票预测软件，假设你自己用的时候真的能做到100%准确，但是当很多人都用它的时候，就肯定达不到100%准确了。因为预测的结果会影响股票市场走势，从而使预测发生偏离。

所以对于这种复杂性事物，是不可能象数学1+1=2这样，有绝对的方法和绝对的结果，只能得到一个统计性的概率结果。

人的大脑也是同样如此，有人说人类大脑是世间最复杂的东西，应该不算夸张。大脑中的几百亿神经元通过突触相互联结起来，形成一个异常错综复杂的网络。一方面，人的每一个思维，都与无数的神经元相关，很难准确知道哪些神经元参与了这次思维；另一方面，这里面也有着无穷多的自身循环，即神经元1联到神经元2、神经元2联到神经元3……神经元n联到神经元1，等等。

因此人类大脑思维，以及由此形成的意识、精神等，也都是复杂的、不确定的。所以我们人类思考、做事不会总是正确的，犯错误在所难免。另一方面，我们可以根据某些因素去预判一个人的行为，但这种预判只能做到一定的准确性，不可能做到100%准确。

而人工智能既然是模仿人脑的工作和能力，自然也是如此。要想让人工智能达到人类的智能，就必须达到或接近人类大脑的复杂程度。而这样复杂的系统，人类是无法完全掌握其运作，也无法得到完全确定的结果。简单说，人工智能要想象人一样思维，那就一定会犯错误；而如果你想让人工智能完全掌控在人类手中，不犯错，那它就如同机械一样，也就不要奢望它能象人一样具有感情、创造力等等，也就不可能达到图灵测试的要求。

正如“人工智能的第三定律：计算的未来是模拟、AutoML 回顾与展望”这篇文章所说，“第三条定律指出，任何足够简单易懂的系统都不会复杂到能够实现智能化的行为，而任何足够复杂到实现智能化行为的系统都会复杂到难以理解。”（说得实在TM太好了！！！）

结合实际案例来说，比如自动驾驶，有一种观点就认为，自动驾驶必须做到绝对不犯错，才能允许使用。但要让它绝对不犯错，它也就不可能驾驶得象人一样好，因为人也是会犯错的。所以正确的观点应该是，只要人工智能犯的错比人少，那么自动驾驶就可以投入实际使用。

所以，就让那帮砖家去找不存在的东西吧，哈哈……