微軟創始人Paul Allen 要讓有人工智慧的機器人通過高中生物考試

Allen 投資成立了一家致力於完整解決人工智慧問題的公司，簡稱 AI2。在華盛頓大學教授 Oren Etzioni 的帶領下，AI2 想要製造出一台能夠通過高中生物課程的電腦。到目前為止，雖然這些測試都失敗了，但是每次這台電腦都會比上次表現得更好一些。

微軟聯合創始人 Paul Allen 在他小時候就已經沉浸在人工智慧的世界裡了：在上世紀 60 年代晚期，到處可見神奇的智慧電腦——嗯，是在虛擬的世界裡。例如《2001 太空漫遊》裡面的 HAL，又例如《星艦迷航》中企業號上無所不能的飛船電腦。Allen 回憶到：「人們第一次看到機器能像人一樣行動，這真是相當令人激動！這些機器人絕對是風靡一時。」因為父親在圖書館工作的原因，他得以在那裡搜尋到很多關於人工智慧的資訊，並且天天幻想著「宇宙裡存在著某些即將滅絕的文明，透過領悟到了某種真理而拯救了自己。請試想，以下這樣的情況如果真的出現了，會發生什麼呢？——你能夠收集到世界上所有的知識，然後把它們都存在一台智慧型電腦裡，並且這台電腦還能夠透過簡單的自然語言和人類溝通。」

40 年之後，對於已經是 90 億美金身價的 Allen 來說，上述的東西可不僅僅只是奇思妙想了，很多當時電影中的技術已經變成了現實。每天我們都會通過語音向手機發出指令，然後收到它給予的回饋。搜尋引擎透過對資訊結構的語意理解，可以回答幾乎所有問題。但是，這些工具實際上並不強大。Siri 只能理解一小部分的問題，她不能進行任何方式的思考，比如推理。甚至是在Jeopardy! （美國著名益智節目長青樹）中獲得冠軍的 IBM 的 Watson，都只能處理一些語義清晰的簡單問題。Google已經把《星艦迷航》中的飛船電腦看做他們開發語音搜尋的目標——但是依然長路漫漫。如果要將它變為現實，機器本身要更擅長溝通輸出，並且——最重要的是，要具備思維能力。

讓機器學課本

雖然聽起來困難，Allen 卻正在致力於解決這個問題。在數年的思考之後，他投資成立了一家致力於完整解決人工智慧問題的公司——Allen Institute for Artificial Intelligence, 簡稱 AI2。像 Allen 早期在太空飛行和腦圖方面的投資一樣，這家公司野心勃勃，但是他的初始目標卻很簡單。在華盛頓大學教授 Oren Etzioni 的帶領下，AI2 想要製造出一台能夠通過高中生物課程的電腦。團隊給這台電腦輸入教科書上的內容，之後對它進行考試。到目前為止，雖然這些測試都失敗了，但是每次這台電腦都會比上次表現得更好一些。

在這個項目中，最關鍵的問題就是知識的呈現：怎樣在教科書中呈現所有的知識，以讓機器能夠讀取、理解並運用這些知識。通常，機器更擅長運行流程性質的程式（比如，把磅轉換為公斤），但即使當前他們開始知道什麼時候該去運行對應的程式碼（例如，當你在搜尋引擎中輸入「32 磅等於多少公斤？」，你會直接得到轉換結果），他們也是在把所得資訊僵硬的按照設計好的方式運行，而不是我們任何情況下使用的事實和原則。

AI2 的這個項目可以為建立新一代的人工智慧學習和思維方式打下基礎。Etzioni 提出：「為了讓機器具有這兩個能力，如何設計知識的呈現？如何通過越來越複雜的語言描述越來越複雜的事物？我們能把在學習生物上的經驗運用到到化學、數學中嗎？」

如何通過越來越複雜的語言描述越來越複雜的事物？

上述問題意味著科學家們要把握語言本身具有的複雜性。大多數語言本身並不提供那種電腦可以進行拼接的非連續性資訊，自然語言的特點是模糊，並且邏輯複雜。

tzioni 構想著在未來的世界，你可以這樣問 Siri：「我能把電視搬回家嗎？還是我需要叫輛計程車？」——要回答這個問題，除了需要計算電視的重量，還需要計算到家的距離，並且建立空間模擬出電視笨重的程度。Siri 會主動搞清楚電視是否可以放進計程車的行李箱中。她會瞭解到你所說的「電視」僅僅是指你剛剛在網上看到的那台，把它「搬回家」的意思是說從附近的店裡搬到你家。Siri 會像正常人一樣理解這個問題，搞清楚問題的重點，不會理解成我們是在問從商店到家這條路能不能走通。
如果能實現上述的設想，人工智慧會對我們現有的世界造成巨大的影響。Etzioni 說道：「我們認為語音互動是最自然的對話模式，我們需要做的只是建設足夠的後端力量去驅動它。假如人們正在進入語音交互的世界，需要面對的則是語言處理和知識呈現這樣棘手的問題。幸運的話，10 年之內我們可以搞定它們。假如我們真的有所突破，這些技術會相當程度地驅動下一代的智慧型和去螢幕化的科技革新。」

超越圖靈測試

如果我們解決了這些問題，他們的附帶效應可能會非常有意思。語音溝通、推理和創造性思維之間共同的問題，在過去是電腦思維能力提升的瓶頸。Allen和Etzioni都是奇點論的懷疑者，但是他們都把 AI2 正在做的專案（讓機器通過高中生物考試）看作是正在解決人工智慧的根本問題。

AI2 把他們的生物考試看作是 AI2 版本的圖靈測試——圖靈測試一直被認為是判斷一台機器是否具有智慧的黃金法則（可以點選這裡嘗試一下）。但是最近幾年，它的地位已經被其他一些測試動搖了。在 AI2 的專案裡，電腦所面臨的測試和高中生面對的一樣，假如他們的電腦可以通過高中生物考試的話，就會被認為是能夠閱讀教科書並且理解裡面的知識——它「理解」了生物學，至少是以高中生的水準。

但是，Etzioni 卻提醒我：「如果你正在與研究人工智慧的科學家交流，必須要謹慎使用「理解」這個詞。專業角度來說，『理解』這個詞是指一個人內在的心理狀態，對於其他人來說是不可能真正感知到的。所以圖靈測試只是在判斷外部的行為是否達到了某個特定的期望值。科學需要的是能夠確定結果的測試，而不只是猜想，所以對我們來說，像圖靈測試或生物考試這樣的測試是最好的檢驗方法，雖然它們目前還不完美。不過如果一台電腦處理知識的能力和一個高中生相當的話，我們就能夠確定它正在進行『思考』，以及它的電路能夠在一定程度上模擬人類大腦的運作。」

AI2 設計的機器運作的方式和人類大腦不一樣

我們不禁會想，如果這台電腦真的能通過考試，會代表他和人類一樣也有了「感知」外界的能力了嗎？對於 Etzioni 來說，這不是重點。他把人工智慧的發展和航空器的發明做比較：「當他們在製作能飛起來的機器時，有些人會說『我們得把這些東西做的像鳥，因為鳥就會飛』。另外一些人，比如懷特兄弟，認識到鳥類有著非常特殊的體重比例和身體結構，飛行器以當時的科技水準根本做不到這點，所以他們的機器會採用完全不同的設計——最終達到了相同的目標。」噴氣式飛機無論從長相或者飛行的原理來看，都不像鳥類，但是如果你想坐著它來一個橫渡大西洋的旅行，誰又會在乎它長的像不像鳥呢？

因此，AI2 設計的機器運作的方式也同樣和人類大腦不一樣，但是他們都能做相同的事情——處理知識，進行推理，然後回答問題。這些機器「思考」的方式和以往所有的電腦都完全不同。只要電腦大腦的輸入和輸出和人類大腦是一樣的，AI2 才不會關心主機殼裡面是什麼樣子呢，這不是他們要考慮的事情。

「他有智慧嗎？」

目前，Etzioni 的電腦還在糾結於相當於四年級水準的生物知識，而且沒法搞定那種答案沒有固定形式的題目。理解圖形尤其困難，需要程式碼很難塑造的空間想像與聯想能力。他預計會花大概 3 到 5 年的時間去給這台機器構建一個能夠通過測試的思維框架。在那之後，還需要很長時間才能完成框架的執行，並且開始把成果推廣到實用領域。對於一家科技公司來言，這個過程過於長久——但是，對於一個研究者來說，只有這樣才能站在尖端取得突破。

最後，Etzioni 還補充道，當你真正開始投入到人工智慧的研發工作中，就很難從外界甚至是上升到哲學的角度來審視它了。人工智慧這種東西不太可能透過什麼外部特徵來分析它：「就像人類的大腦一樣」他壞笑著說：「想像你雙手捧著一堆黏糊糊的東西，你絕不會覺得這玩意能跟「智慧」兩個字扯上邊……你只會覺得它是一碗不知道從哪搞來的噁心的濃湯。」(theverge.com)

附：人工智慧面臨的挑戰

因果關係，人類可以吸收新的資訊來持續更新他們對於過去和現在的認識，這比 Siri 和 Wolfram Alpha 處理資訊的方式要複雜得多，但是科學家們表示不久後將會實現這項技術。
知識的不確定性，布林運算只能告訴我們「真」還是「假」，但是大部分人類的知識都並不精確，比如「較大汽車通常具有較高的每公里油耗」。未來的電腦將會能夠處理不確定性。目前，IBM 的 Watson 已經開始能夠做一些簡單地識別。
矛盾處理，從網上扒取資訊意味著有可能會從不同的資訊源接收到完全不同的內容。人們的大腦知道如何求同存異，基於更高的框架提取有用的資訊，但目前機器還無法做到這點。
理解語義和隱性知識，例如，當我們聽別人說到「能穿多少穿多少」，如果當時是夏天，我們會知道他的意思是儘量少穿。但別說機器人了，剛學習中文的外國朋友可能都分不清前後兩個「多少」的意思。很難確定有效的規則，讓電腦在不同情況下做出正確的判斷。