43人工智能救不了养老

人工智能救不了养老

// 再过 40 年，AI 才能达到昆虫级的水准吧 //

信息时代

我曾在上篇文章中提到，如果老龄化越来越严重，而年轻人又不愿意生孩子，那么未来可能会有众多老人无人养护，结果文章发布之后，很多人评论说：「30 年以后 AI 也普及了，请不起佣人，咱请机器人。」看到这种留言，我的太阳穴不停地跳，我就想问他们一个问题：「如果 30 年后人工智能没有实现，该怎么办呢？」

AI 这种东西，听起来挺唬人的，可它对人类世界有多大推动，还真不好预测。至少目前来看，它对生产力的推动是肯定不如电脑的。电脑对人类文明的洗礼是全方位的、深入骨髓的，可即使这样，电脑的威力也没让你不耕不作就能饭来张口啊。

在过去 50 年里，人类 80% 的科技都没有任何换代，信息领域的革新不足以带动全社会发生颠覆性改变。再过 30 年，大约相当于 Windows 又出了 10 个版本的时候，难道你相信 iPhone XXV 会自己烧小龙虾？更为严重的是，我们今天谈论的 AI，很可能是一场骗局，它不仅连计算机的高度都达不到，甚至连 Wi-Fi 的高度都不如，撑死就是一台 PS4。

AlphaGo

AlphaGo（阿尔法围棋）其实就是智商税，上次以「AlphaGo 挑战李世石」所引发的 AI 热潮，我认为就是一场彻头彻尾的骗局。虽然 Google 公司保持了矜持和静默，也并没有把「狗」和「AI」牵涉在一起，但之后媒体的跟踪报道，则 100% 是错误的。

AlphaGo 根本不是什么人工智能程序，其难度甚至连游戏机都不如。因为 AlphaGo 的本质依然是穷举算法，这是一条完全走偏的科技树。例如 1997 年，IBM 的「深蓝」首次击败国际象棋冠军卡斯帕罗夫，用的就是穷举算法。国际象棋的分支也比较少，每方只有 16 个棋子，数十种弈棋的可能，计算机通过蛮力硬算，可以穷举到 T+20 步左右，后期甚至可以穷举到棋尾，而当你穷举完所有下棋的可能性后，你就战无不胜了。

当穷举算法侵入到围棋领域时，就遇到了麻烦，因为围棋的选择点极多，有 361 个可能性，普通的计算机预测几步就爆满了，而被渲染得神乎其神的「深度神经网络」呢？它的本质依然是穷举算法。

Google 搞了一个小技巧，在数以千万计的未来可能中，并不依靠蛮力，每一条路都试到，因为 AlphaGo 会猜。例如，稍有点围棋常识的人都知道，在落后三子的情况下，一般就不用尝试了，因为无论双方棋力相差多远，哪怕是专业九段对一段，落后三子都很难追了。AlphaGo 遇到这种情况，就自动判断这下面几百万条可能性全部为负，试也不用试了。

网上有一篇名为《当「心法」遇见「算法」》的文章，在文章中针对日本围棋史上著名的「耳赤之局」，AlphaGo 给出了四种下法，每一种都比历史中最精妙的下法还要牛三分，但其最大的胜算也不过 63.4%，并不是 100%，这是不合常理的。

一个通透的人工智能，或者说已经穷举了围棋的所有可能、所有走法，则电脑给出的判断必定是 100%，绝对没有第二种可能，但现在却是 63.4%，这就说明 AlphaGo 还是「非完备体」。

很多人或许会有一个想法，如果让两台 AlphaGo 对弈，结果会是谁胜呢？答案是：看运气。因为目前的 Alpha 还是「非完备体」，它并没有穷举完围棋的所有走势，所以两台 AlphaGo 对弈时，它们其实是在围棋数万亿种可能中一步步试，每对弈完一局，它们就留下记录，「原来从这条路走下去，是黑/白胜」。

围棋的天地，广袤无垠，但 AlphaGo 躲在闲置的计算产能背后，利用人类无限的联网资源，只要时间足够久，最终「非完备体」也会变成「完备体」。Alpha 的数据库如此完善，每一个分支都已经预先标明，电脑下任何一步棋都 100% 确信一定会赢，AlphaZero 就走在这个方向。

智能等级

花了较长的篇幅讲 AlphaGo，主要为了阐明「狗」的原理依然是穷举，只不过是比较智慧的穷举。但再聪明的穷举依然是穷举，这不是量的区别，而是境界的区别，是恐龙时代—石器时代—能源时代—太空时代的区别。

穷举最大的问题是它不能应对变化。假设我们把围棋棋盘中抠几个窟窿，将其作为一个新的棋盘继续玩。在这种情况下，人类棋手是非常容易上手的，而 AlphaGo 就傻眼了。它几乎要把数据库里面花费几十年才累积出的数百万亿条对战记录全部重新算一遍，才能确定最佳概率。

人类的文明世界几乎时时刻刻处在变动之中，一套只知道机械式操作的机器是最初级的，智能 =0，甚至还不如工厂里的切削机、锻压机和印刷机。

所谓智能，其实是灵活性。你可以在 19×19 的棋盘上稍加变通，挖个洞，或者将格子增加到 21×21，然后你依然会下，这才叫智能 =1。你学会了围棋以后，别人只要告诉你象棋的走法，你就能无师自通，学会了象棋，这才叫智能 =2。你学会了下象棋，顺便也领悟了小学奥数、《五年高考三年模拟》，然后考进清华北大，这叫作智能 =3。

很显然，目前基于穷举法的全套逻辑框架体系，AlphaGo 只能徘徊于智能 =0 的水准，而且还是无法救补的。

高级智能

什么是高等级人工智能呢？这个领域目前国内根本就没人做，国际上也仅有少数的学术论文。高等级人工智能相当于「智能 =1」那个档次，被称为「分布式神经网络」，这时就不再是信息学，而是生物学范畴。我们想象一下，一堆单细胞生物拼在一起，如何成为一个多细胞生物呢？你有很多个血团，很多器官，有的负责觅食，有的负责消化，有的负责输送红细胞，有的负责淋巴排毒。程序员编写了很多功能组团，彼此之间再预留数据接口，然后把这么多杂七杂八的细胞拼成一个生物体。在 99.999% 的情况下，这个生物体是会死亡的，而唯一存活下来的那个，才是下一代人工智能的雏形。

对于这一代「智能 =1」的研究，人类发现基于传统的冯诺依曼体系是不可行的，因为冯诺依曼—图灵机是高度稳定的机器，同一个算法，你运行一百万次，其输出结果不会有任何改变。但是，精确冷血的「拼装生命体」很容易死，也不易扩展，你只要有一个数据接口不对，整个系统就宕机了。所以，未来的机器应该更接近于混沌热力学，有一定的秩序，但不必非得如此精确，这也就意味着我们要发展「非冯」体系。一整套的系统学科，绝不是一朝一夕可以完成的。最乐观地讲，再过 40 年，AI 才能达到昆虫级的水准吧。