的確，毫無疑問的是，未來的AI（人工智能）將能夠造成重大的傷害。例如，可以想象的是，機器人可以被編程入一些功能，如作為極其危險的自治武器，這是我們之前從未見過的。此外，我們很容易想象一個無約束的軟件應(yīng)用能夠在互聯(lián)網(wǎng)中遍及，可能會對嚴重擾亂我們最有效和最依賴的全球交流媒介。

但是，這些場景與機器人決定轉(zhuǎn)向打敗我們，讓我們淪為它們的奴隸，或消滅我們是截然不同的。在這方面，我們無疑是安全的。應(yīng)該注意的是，在沒有特別的指令下，我們就不可能使機器人自己決定幫助我們或者給我們愛。

這是因為如此有意識的行為來自于一個AI（人工智能），無疑是需要一個頭腦的，只有具有自己的信仰、欲望和動機，這些意識才會產(chǎn)生。包含這些特征的AI（人工智能）在科學界是被稱為“強AI（人工智能）”。根據(jù)定義，強AI（人工智能）應(yīng)該具備人類全方位的認知能力，包括自我意識、知覺、意識，這是人類認識的所有特征。

另一方面，“弱AI（人工智能）”指的是無知覺的AI（人工智能）。這個弱AI（人工智能）假說表明，我們的機器人是依靠數(shù)字計算機程序才可以運行，并沒有主觀意識。這樣的AI（人工智能）不能體會到世界的美好，雖然它們可能會表現(xiàn)出看似智能的行為，它永遠也是受限于缺乏意識。

沒有認識到這種強/弱AI（人工智能）區(qū)別的重要性，可能就會導(dǎo)致像Stephen Hawking（史蒂芬霍金）、Elon Musk（伊隆?馬克斯）以及Bill Gates（比爾蓋茨）那樣的擔憂，他們都認為我們已經(jīng)朝著發(fā)展強AI（人工智能）的方向靠近。對于他們來說，這不是“如果”的問題，而是“什么時候”的問題。

但事實是，目前所有的AI（人工智能）基本上都是弱AI（人工智能），這反映了當今計算機完全沒有任何有意識的行為。雖然有一些非常復(fù)雜和較有說服力的機器人似乎是活著的，仔細檢查，就會發(fā)現(xiàn)它們也和普通計算機一樣盲目的。

這是因為大腦和計算機的工作非常不同。雖然都是在計算，但只有一個能夠理解，并且有一些非常令人信服的理由相信，這是不會改變的。強AI（人工智能）要成為現(xiàn)實，還是有很多的技術(shù)障礙。

所有的數(shù)字計算機都是二進制系統(tǒng)。這意味著他們存儲和處理的信息只有兩種狀態(tài)，并且代表不同的符號。這是一個有趣的事實，二進制數(shù)字可以被用來表示大多數(shù)的東西，如數(shù)字、字母、顏色、形狀、圖像，甚至是近乎完美的精確音頻。

這個符號系統(tǒng)是所有數(shù)字計算的基本原則。電腦所做的每一件事情都需要在某種程度上操縱2個符號。因此，它們可以被認為是一種特別的圖靈機器人，是一個抽象的、假設(shè)性的機器，通過操縱符號來計算。

一個圖靈機器人的操作稱為“語法”，意味著它們僅僅識別符號，而不是這些符號的實際意義，它們的語義。即使這個單詞“認識”被誤導(dǎo)了，因為它意味著一種主觀經(jīng)驗，所以也許更容易說這個計算機對符號是敏感的，然而大腦是能夠理解的。

這個計算機無論有多快，它有多少內(nèi)存，或編程語言是多么復(fù)雜和高層次，它是不重要的。這個國際象棋冠軍Watson（沃森）和Deep Blue（深藍）從根本上說，是和你的微波爐一樣工作的。簡單地說，一個嚴格的符號處理機器人永遠不能成為一個符號理解的機器人。這個有影響力的哲學家John Searle（塞爾）已經(jīng)巧妙地描繪了這個事實，在他那著名的和備受爭議的“中文屋論證”中，令人信服的想法是“語法不完全代表語義”。雖然有些專家是反駁的，提出語法和語義之間的差距，不可能一次就逾越了。但即使有一個人沒有被完全說服，它也不會改變這個事實：圖靈機器人只是操縱符號的機器人而不是思考的機器人。

這個弱AI（人工智能）的假設(shè)表明電腦只能模擬大腦，并且根據(jù)一些像John Searle（塞爾嗦）那樣，他創(chuàng)造這個強/弱AI（人工智能）的術(shù)語，一個有意識系統(tǒng)的模擬與真實的事物是非常不同的。換句話說，這是機器的硬件的問題，并且單純的數(shù)字僅僅代表生物機制，是無法創(chuàng)造任何在真實世界發(fā)生的事情。

我們要記住，我們?nèi)匀豢梢酝茰y非生物機器是否支持意識的存在，但我們必須認識到，這些機器可能需要重復(fù)的基本電化學過程，那是在有意識的狀態(tài)期間，在大腦中發(fā)生的。如果在沒有任何有機材料的情況下，這是可能的，這大概就需要對圖靈機器人要求的更多，而不是純粹的語法處理器（符號機械手），并且數(shù)字模擬可能缺乏必要的物理機制。

實現(xiàn)強AI（人工智能）的最好方法就是，首先需要找出大腦是如何工作的，并且機器學習研究者最大的錯誤就是認為他們可以走捷徑。作為科學家和人類，我們對于我們能夠完成的事情必須保持樂觀的態(tài)度。同時，我們不能過分自信，這樣可能會引導(dǎo)我們走錯了方向，并且阻止了我們真正的進展。

更多精彩內(nèi)容盡在1號機器人網(wǎng)www.1hjqr.com