計算機史往往是從實物史的角度進行講述，先是算盤，然后是巴貝奇差分機，再到二戰(zhàn)時的密碼分析機。實際上，把它理解為想法史會更好，那些想法主要誕生自數(shù)理邏輯，這是一門形成于19世紀，晦澀難懂、像邪教一樣的學科。數(shù)理邏輯的先驅(qū)是身兼哲學家與數(shù)學家雙重角色的人，其中最著名的是GeorgeBoole(喬治·布爾)和GottlobFrege(戈特利布·弗雷格)，而他們又受到萊布尼茨通用的"概念語言"這一夢想以及亞里士多德古代邏輯體系的啟發(fā)。

Dixon接著講述了布爾邏輯的發(fā)明(只有兩個值:真和假，分別以1和0對應)，以及香農(nóng)發(fā)現(xiàn)了這兩個變量可以用電路來表示，而這種電路本身也只有兩種狀態(tài):也就是開和關(guān)。Dixon寫道:

香農(nóng)的成就還可以換一種方式描述，那就是他是第一個區(qū)分了計算機的邏輯層和物理層的人。(這種區(qū)分對于計算機科學實在是太重要了，以至于今天的讀者很難理解它這種見解在當時的深刻性--這不禁會讓人想起那句格言"上一世紀的哲學是下一世紀的常識。")

Dixon的說法其實還是比較節(jié)制的:這種區(qū)別對于計算機科學家來說也許很明顯，但恰恰卻是為Dixon這篇非凡文章打下堅實基礎(chǔ)的那種區(qū)分的清晰表述。"計算機"作為一種流行的概念化顯然不是亞里士多德發(fā)明的，但他創(chuàng)造了讓計算機可以發(fā)揮作用的手段(或者更精確地說，讓人類沿著這一路徑繼續(xù)走下去)。

此外，你也可以從相反的方向去歸納香農(nóng)的洞察:邏輯層和物理層的區(qū)分要依賴于它們可以作為整體的兩個部分來實現(xiàn)。也就是說，香農(nóng)發(fā)現(xiàn)了如何將邏輯性和物理性融合成現(xiàn)在所謂的計算機的辦法。

為此，電路物理設(shè)計的顯著改進(首先是晶體管的發(fā)明，然后是后續(xù)摩爾定律的應用)當然意味著邏輯應用上去的速度顯著提升?；蛘?，用人類的話來說，計算機思考速度的提升。

AI50年

前不久美國財政部長SteveMnuchin"輕描淡寫地排除了AI和機器學習很快將取代大量人力的說法，說'這甚至還沒有出現(xiàn)在我們的雷達屏幕上'，因為這是個'50或100年'之后的問題。"

對此技術(shù)界的大多數(shù)自然是吃驚的:那些看似沒完沒了的人工智能行動計劃的聲明以及TC上的初創(chuàng)企業(yè)Mnuchin難道都沒讀過嗎?

不過再次地，Mnuchin的觀點也許比你所想的要更有道理一些，只需看看MaureenDowd在《名利場》的那篇《面對人工智能天啟，馬斯克發(fā)動了十字軍東征》:

有一次Musk令人吃驚地對他的朋友和做技術(shù)的同事提出了公開譴責，警告稱他們會創(chuàng)造出自我毀滅的手段。他告訴彭博社的AshleeVance，也就是其自傳《ElonMusk》的作者說，他擔心他的朋友，Google聯(lián)合創(chuàng)始人，現(xiàn)母公司AlphabetCEOLarryPage，擔心他雖然有著完美良好的意愿，但是仍然"會意外地制造出邪惡的東西來"--這可能就包括"一支能夠摧毀人類的人工智能增強機器人部隊。"

文章的其余部分就是一心想著如果計算機比人類聰明的話會發(fā)生什么這個問題;Dowd借StuartRussell之口來解釋為什么她要記錄這場爭端:

在50年內(nèi)，我們現(xiàn)在處在的這個18個月對于AI社區(qū)的未來度會被看作是至關(guān)重要的時期。AI社區(qū)終于覺醒了，開始嚴肅思考如何讓未來更美好了。

50年:這個時間窗口跟Mnuchin的一樣;也許他擔心的是跟ElonMusk一樣的問題?不過坦率地說，財政部長本人應該關(guān)心這類問題嗎?

這個問題很顯然:這顯然不是"人工智能"的含義。

人工智能的定義

人工智能定義起來非常困難，原因有幾個。首先，有兩種類型的人工智能:《名利場》那篇文章所描述的人工智能是通用人工智能，也就是說計算機能夠做人類能做的任何事情。反之則是狹義人工智能(ArtificialNarrowIntelligence)，這種計算機也能做人類能做的事情，但是僅限于一定的范圍。比方說，某種特殊的AI可以下國際象棋，而另一種特殊的AI則可以下圍棋。

比較有趣的是，發(fā)明了"人工智能"這個詞的JohnMcCarthy指出，特殊AI的定義也在與時俱進。特別是一旦過去被認為是人工智能的東西變成了例程--比如前面提到的下國際象棋或者圍棋的程序，或者無數(shù)被認為屬于計算機理所當然的能力等，對于這些我們已經(jīng)不再稱之為人工智能。

這就使得你想說出什么地方才是計算機的終止和人工智能的開始特別的困難。畢竟嘛，過去會計還是人工處理的:

10年不到的時間里，上面這幅圖片就變得過時了，被IBM的大型機替代了。計算機正在做人類能做的事情，雖然只是在一定的范圍內(nèi)。那它是不是人工智能?

技術(shù)與人類

實際上對于這類創(chuàng)新我們已經(jīng)有了更多的詞來描述了，那就是技術(shù)。按照韋氏詞典的定義，技術(shù)是"知識在特定領(lǐng)域的實際應用。"技術(shù)的故事就是人類的故事:控制火、車輪--這些都是技術(shù)。由于我們學習和傳播知識的能力，所有這些都變革了人類;一旦有一個人能控制火，那么所有人都能控制火就只是時間問題了。

是技術(shù)將智人從采集狩獵者變成了農(nóng)民，然后也是技術(shù)變革了農(nóng)業(yè)，使得占比越來越少的一部分人就能支撐其余人的溫飽。很多個千年之后，還是技術(shù)引領(lǐng)了像飛梭這樣工具的產(chǎn)生，讓織布的產(chǎn)量翻了一番，推動了對紡織者的需求，進而又推動了用水來驅(qū)動的羅拉細紗機的發(fā)明。這是人類第一次利用非人力以及動物形式的能量來驅(qū)動器技術(shù)發(fā)明，引起了工業(yè)革命的爆發(fā)。

你可以看到工業(yè)革命與計算機的發(fā)明之間存在一定的可比性:前者借助外部能量以系統(tǒng)化的方式進行之前由人類完成的體力勞動;后者借助外部能量以系統(tǒng)化的方式承擔之前由人類完成的腦力勞動。這令人想起了喬布斯做過的類比:

我記得我大概12歲的時候讀過一篇文章，應該是刊在《科學美國人》上面的，里面測量了地球所有物種的運動效能，也就是從A點移動到B點各自所消耗的卡路里是多少。而禿鷹是其中效能最高的動物，超過了所有其他物種，人類大概排在榜單1/3的位置，表現(xiàn)不算太突出。

但有人想到要試試人類騎上自行車之后的效能。結(jié)果發(fā)現(xiàn)騎自行車的人運動效能遠遠超過了禿鷹，高高站上榜首的位置，這給我留下了特別深刻的印象，也就是說人類是工具制造者，我們可以使用工具把這些內(nèi)在的能力放大到驚人的量級。所以對于我來說，計算機一直都是思維的自行車。

簡而言之，盡管Dixon把計算機的邏輯追溯到了古老的亞里士多德，但技術(shù)這個東西(計算機無疑也是技術(shù)的一部分)要追溯到更久遠的歷史。我們之所以是人，是因為我們能創(chuàng)造工具來做我們自己做的東西，但同時做得比我們更好更有效率。

機器學習

你會注意到這一定義跟人工智能的定義極其類似;的確，至少在狹義的層面來看，提出人工智能只不過是技術(shù)換了個名字的看法是很誘人的。就像我們設(shè)計了軋花機一樣，于是我們也設(shè)計了會計軟件，以及自動化制造。實際上，這一切都是相關(guān)的:它們都牽涉到刻意的設(shè)計，造出一個可重復執(zhí)行人類預期功能的機器。

不過這正是為什么今天不一樣的原因。

記住，盡管邏輯的形成已經(jīng)有幾千年的歷史，但只是到了20世紀這種邏輯才跟物理電路融合到了一起。不過一旦這件事情發(fā)生之后，這一邏輯的應用發(fā)展之快就到了令人難以想象的地步。

與此同時，技術(shù)形成的時間甚至比邏輯還要久。然而，就像邏輯的應用長期被束縛于人類大腦之內(nèi)一樣，技術(shù)的發(fā)展也存在著同樣的限制，這也包括計算機時代的上半世紀。會計軟件跟細紗機實際上屬于同一種類型:都是由人類刻意設(shè)計的，用于解決特定問題的東西。

但機器學習就不一樣了?，F(xiàn)在不是由人類設(shè)計算法來讓計算機執(zhí)行了，相反，是由計算機自己來設(shè)計算法了。這仍然是狹義的人工智能--計算機仍然受制于數(shù)據(jù)和人類給它制定的目標，但在我看來，機器學習跟之前的東西在意義上是不一樣的。正如香農(nóng)把物理與邏輯融合到一起造出了計算機一樣，機器學習西把工具的開發(fā)與計算機本身融合到了一起，從而創(chuàng)造出了(狹義)的人工智能。

這并不是要炒作機器學習:其應用仍然高度受限，而且往往比人類設(shè)計的系統(tǒng)要糟糕，而且我們距離通用人工智能還非常非常的遙遠。但是在我看來，我們已經(jīng)堅實地踏上了狹義人工智能的領(lǐng)地:事實上，人類從一開始就在制造機器來替代自己的勞動;只是到了現(xiàn)在機器才開始創(chuàng)造自己，至少在一定程度上如此。(至少這是向同樣人工智能邁進的值得鼓勵的方向之一)

生命與意義

這個話題重要的原因在于，純粹技術(shù)已經(jīng)夠難管理了:我們?yōu)榧夹g(shù)進展付出的代價是所有那些不再需要的人類。從長期看工業(yè)革命是令人類受益的，但就短期而言卻會讓人類蒙受巨大災難，其中間或發(fā)生的戰(zhàn)爭正因為技術(shù)的進展所產(chǎn)生的破壞性要大多。

那么機器學習，也就是(相對而言)能以快得出奇的速度創(chuàng)造可替代大量產(chǎn)生數(shù)據(jù)工作的算法(數(shù)據(jù)是創(chuàng)造這種算法的關(guān)鍵成分)這件事的潛在影響是什么呢?迄今為止自動化已經(jīng)取代了藍領(lǐng)工人，我們是否已經(jīng)準備好迎接機器學習取代大量白領(lǐng)工人的日子到來了呢?

這就是Mnuchin的言論如此令人不安的原因，但這也是那么多技術(shù)人員對通用人工智能如此癡迷一樣令人沮喪的原因。我知道那種擔心，擔心計算機遠比任何人類都要聰明會干掉我們所有人;但更應該擔心的是一個令大量人變得多余的世界的到來。如果人工智能已經(jīng)消滅了生存的意義的話，又有多少人會關(guān)心人工智能會不會摧毀生命呢?

更多資訊請關(guān)注工業(yè)機器人頻道