人工智能的“能”与“不能”

人工智能的“能”与“不能”

前言

对于人工智能，我懂的只是皮毛而已。但是，人工智能（AI，Artificial Intelligence）已经在很多方面融入到人类的生活中了，这迫使我们不得不去了解人工智能。AI也是现在最火热的话题，自然语言生成式大模型、视频生成式大模型不断地刷新人类认知，AI的更新迭代速度之快，加上媒体和营销号的吹嘘，甚至某些公众人物的口嗨，某种程度上会给人带来一点点恐慌。

人工智能究竟是怎么一回事，我认为最好的方式就是慢慢了解它，然后理性地看待它。AI能做什么，不能做什么，我们可以参考人工智能研究人员的看法。前段时间看了《AI3.0》这本书，由美国波特兰州立大学计算机科学教授梅拉妮·米歇尔2019年著，由王飞跃等人翻译，2021年2月出版中文版。这本书写作时，大语言模型还未暴露在公众视野，书中对人工智能的论述放在大模型如此火热的现在仍然适用。并且，这本书的内容深入浅出，基本不需要AI基础也能看懂，内容也很有趣味性。

本文分享的内容来自《AI3.0》的序：《等那一口仙气儿》，人给机器吹一口仙气儿，机器就有灵魂了吗？问题恐怕没那么简单。

人工智能的“能”与“不能”

用人工智能算法练习打游戏，是挖掘算法潜能、理解算法机理的有效途径。智能算法打游戏基本是无监督学习的过程，典型的比如《打砖块》游戏，人不能事先给机器注入太多游戏策略，或者有利于获胜的先验知识，只能把游戏规则灌输给算法，剩下的就全看机器自己的“修炼”了。

通过前面的简要分析，大家理解了 ConvNets 中最重要的是参数调节，在游戏领域就是机器的游戏策略选择。事先存储再多的游戏策略，在暴力算法面前其实也是不堪一击的，这其实是 AlphaZero 最终完胜人类的奥秘。人类棋手或者游戏玩家的“功力”往往来自经验，也就是人们积攒的大量的套路，这些套路只是针对某个封闭对弈空间的有限选择。如果机器只会模仿人的经验策略，它就不能获得独立应对意外局面的能力，机器必须进入更大的对弈空间，这就是强化学习的含义。例如查德·萨顿（Richard Sutton）所言，