通常來說，在街邊擺攤下象棋的老大爺更容易引起圍觀，圍棋這種需要極高智慧和凝神思考的對戰并不是大眾所好。然而偷懶的壹讀君振振有詞：我們是在關心人類的前途命運。
一切就在于水平最高的人類棋手又一次接受了超級電腦的挑戰，如果輸了，不僅面子上過不去，還會引發更大范圍的擔憂：萬一哪天電腦比人還聰明幾百倍，會不會造成災難性后果？
結果第一局，果然是李世乭輸了。
不知該跳馬還是出師長的值班壹讀君丨國賀33
跳棋、象棋、五子棋，計算機把人虐得不要不要的
想判斷一個人是不是高智商，下棋水平是一項可參考的標準。壹讀君（微信：yiduiread）聽說圍棋特別燒腦，很多頂級選手每天都集中精神思考棋局，不能分神，基本生活都要靠別人照顧。
換一個角度說，下象棋誰都贏不了的壹讀君（微信：yiduiread）絕對單純又善良，從不知道怎么把對方逼到絕境。
棋類游戲成為人工智能研發的主戰場，因為博弈游戲要求計算機更聰明、靈活，要用接近人類的思維方式解決問題。于是，計算機和人類棋手的對抗不斷上演：去年10月，谷歌旗下Deepmind的圍棋程序“阿發狗”就以5:0擊敗中國棋手職業二段樊麾；2006年，在“浪潮杯”中國象棋人機大戰中，5位特級大師均敗在超級計算機浪潮天梭手下；再往前推十年，就是名噪一時的“深藍”擊敗國際象棋大師卡斯帕羅夫。
想必你也曾光榮地作為人類代表，與機器在棋盤上對戰。
無論是五子棋、中國象棋還是國際象棋甚至是跳棋，計算機都已經把人類殺得干干凈凈，就只剩下了圍棋這片領土。
圍棋擁有2500多年的歷史，在算法上更為復雜。國際象棋平均每回合有35種可能，一盤棋可以有80回合，而圍棋每回合有250種可能，一盤棋可長達150回合。同時，圍棋有3^361種局面，比可觀測到的宇宙中的原子數量還多······
額，我在說什么？
總而言之，圍棋的AI開發難度極高，此前最頂級的程序都不能擊敗業余圍棋選手。科學家認為，至少還需要10年才能讓計算機戰勝人類職業圍棋棋手。
如果這一次阿發狗贏得了最終勝利，等于說人工智能的發展速度超越了預期。就像圍棋職業八段劉菁的評論：“還來不及反應，一切來得似乎太快了！”
更可怕的是，它可以不吃不喝，不上廁所。
焦慮的人類，是不是已經聞到了機器人行刑隊槍口的味道？
科學家也有被打臉的時候
對于機器人能像人一樣思考、超越人類而后造成災難的擔憂可謂長久不衰。發布此類論調的，往往還都是科技界的頂級人物，比如特斯拉汽車的創始人艾隆·馬斯克就說：“我們需要十分小心人工智能，它可能比核武器更危險。”
然而，谷歌的自動駕駛汽車都已經上線了。
另一位是謝耳朵的好友、理論物理學家斯蒂芬·霍金：“制造能夠思考的機器無疑是對人類自身存在的巨大威脅。當人工智能發展完全，就將是人類的末日。”
然而，他能開口說話，也是拜英特爾公司開發的機器學習系統所賜。
人工智能并不是一個新名詞，上世紀50年代，科學界就已經明確了計算機要模擬人類智慧的偉大目標。當時，科學家們并沒有太多的擔憂情緒，而是沉浸在期望計算機能完成一系列只屬于人類能力范疇的任務，比如證明定理、求解微積分、完成動作等等。
但“智能”一詞本就是模糊的，沒有具體標準。1957年，人工智能的先驅赫伯特·西蒙雄心勃勃地說：“現在世界上就已經有了可以思考、學習和創造的機器，它的能力還將與日俱增，一直到人類大腦能應用到的所有領域。”他預言，計算機會在十年之內成為國際象棋冠軍。
壹讀君（微信：yiduiread）相信，德高望重的老科學家也有喝高了的時候。
沒有明確的證明，只空談能達到人腦的意識水平實在沒意義。最后，人工智能的開創者之一阿蘭·圖靈站出來收拾了亂攤子。他提出的“圖靈測試”盡人皆知，成為檢驗計算機是否真正具有思考能力的金科玉律。
圖靈測試是測試人在與被測試者（一個人和一臺電腦）隔開的情況下，通過一些外部裝置（如鍵盤）向被測試者隨意提問。問過一些問題后，如果被測試者超過30%的回答不能使測試人判斷哪個是人、哪個是機器，那么這臺機器就通過了測試，并被認為具有人類智能。
簡單來說，這是把人和計算機關在小黑屋的你問我答比賽。
幾十年間，圖靈測試不斷進行，也不斷有人宣稱通過了測試。2014年7月，俄羅斯工程師設計的軟件“Eugene”參加了英國雷丁大學組織的圖靈測試并成功通關，超過33%的測試人誤認為自己交流的對象是一名13歲正太，英語說得不咋地。而這一年正是阿蘭·圖靈逝世60周年。
結果轟動一時，奇點大學人工智能項目負責人Neil Jacobstein就表示，2011年IBM超級計算機“沃森”擊敗兩名人類國際象棋世界冠軍以及2014年計算機首次通過圖靈測試，都標志著人工智能時代已經來臨。
不過，考慮到時代背景，圖靈測試顯然門檻略低，最新的處理器的性能已經是1971年第一代單片機的400萬倍。更難的測試法相繼出現：Loebner測試要求計算機在25分鐘內說服50%的測試者“我是個人”，Kurzweil測試則要求在128分鐘內說服66%的訊問者。
而且這種你問我答，對計算機實在是寬容了些。
大多數機器人，長得并不像人
對于人工智能技術，上世紀50年代可謂“喧囂與渴望、挫折與失望交替出現”。在科學家們設想出各種宏大目標和美好前景之后，計算能力和技術的限制阻礙了人工智能進一步幫助人類解決問題。到70年代中期，人工智能的研發一度很冷清。
到80年代早期，日本開始開發一種領先的計算機結構。歐美國家擔心在這個領域輸給日本，重新開始對人工智能大筆投資。到80年代末，近一半的“財富500強”都在開發或使用“專家系統”——通過對人類專家的能力進行建模，模擬專家解決問題的人工智能技術。
但據說它最后成了名副其實的“磚家系統”，你看今天強大的Siri不也蠢萌蠢萌的。
90年代，人工智能的技術成果又陷入低潮，但神經網絡、遺傳算法等技術為AI的發展奠定基礎。到了1997年，人類的國際象棋冠軍被計算機打敗，比起小眾的圖靈測試，象棋比賽更具轟動效果，人工智能概念和“計算機何時超越人類”的疑問開始深入人心。
古語有云，看熱鬧的不嫌事大。“深藍”戰勝了卡斯帕羅夫，不服氣的人說，這有什么大不了的，有本事就試試真正具有挑戰性的游戲。于是，就有了后來的人機跳棋比賽、中國象棋比賽乃至圍棋比賽。
商業公司也樂于開展此類競賽，從而展示自家公司的能力，提高知名度。從2011年到2014年，開發人工智能產品和技術并使之商業化的公司，已獲得總計超過20億美元的風投，科技巨頭們更是投資數十億美元收購人工智能初創公司。
一方面，摩爾定律、大數據、互聯網、云計算······新技術讓人工智能實現“復興”，有了實質性進步，另一方面，人工智能產品確實擁有廣泛的應用，并大力推動了其他技術的進步，比如常用的語音識別、機器翻譯、自動視圖等等。
因此，各種人機大戰應運而生。2008年，在賭城拉斯維加斯，“北極星2”(Polaris2)連續擊敗了6名德州撲克頂級職業選手。因為撲克游戲的最大特點就是其不確定性，“北極星2”的設計難度相當大。
“賭神”之外還有“股神”：2011年3月，一只以數學模型進行交易并啟用機器人作為經理人的基金，靠6個程序就創造出1.9%的回報率，擊敗了日本最優秀的基金公司。當時，在日本投資且交易活躍的基金平均虧損率達6.9%。
體力完勝者：2012年，日本東京工科大學制造了一款名為“Swumanoid”的游泳機器人，可以模擬游泳者在水中的動作，用于海岸救生。Swumanoid在水中的前進速度能達到每秒6米左右，比世界紀錄保持者快30%。
智商碾壓型：2011年，IBM的超級計算機“沃森”參加了智力競賽節目《危險邊緣》，這需要計算機對自然語言和知識推理有很強的把握。“沃森”以三倍的分數優勢力壓該節目最強的兩位選手肯·詹寧斯和布拉德·魯特。
后來，“沃森”順從了開發者的心意轉而從醫，成為一款醫療診斷工具。你告訴它自己的癥狀，它就能給出一張可能性由高到低的疾病清單。而擊敗卡斯帕羅夫的“深藍”，聽說一直在倉庫里吃灰。
可以說，不管你愿意與否，人工智能的到來已經勢不可擋。不同于大多數人的想象，未來的人工智能可能是專注于某一特定領域的行家，而非電影中兇神惡煞的機器人。翻譯的機器人不會開車，做飯的機器人不會教英語，給你看病的程序絕不會去下圍棋。
因此，倒是可以擔心一下你家的掃地機器人會不會有一天爬上你的床······
人腦一樣，電腦也會上當受騙。比如操控無人駕駛汽車的電腦會把隨意的涂鴉當作火車、圍欄甚至校車。我們一直以為，人類是無法弄明白這些涂鴉是怎么蒙蔽電腦的，但是約翰·霍普金斯大學的研究人員發現情況并非如此——其實大多數人可以做到。
研究發現，電腦與人腦的差異可能并沒有我們想象的那么大，人工智能的飛速發展使得人類與機器在視覺能力上的差距持續減小。這項研究在上個月發表在《自然-通訊》上。
“多數情況下，這個領域的研究都是圍繞著如何使電腦像人一樣思考。我們的項目恰恰相反——我們追問的是人能否像電腦一樣思考。”文章的通訊作者、約翰·霍普金斯大學心理學與腦科學學院助理教授 Chaz Firestone 說。
通常人類覺得輕而易舉的事情對電腦而言很難。雖然人工智能系統在數學計算及記憶大量信息方面早已勝過人類；然而在過去的數十年中，人類在識別日常物品——比如狗、貓、桌子或椅子——方面依然保持了優勢。
不過最近，模仿大腦的“神經網絡”已漸漸具備人類識別物品的能力，由此帶來的技術進步可以支持無人駕駛汽車與人臉識別項目、以及幫助醫生發現放射影像中的病變。
然而即便有了這些技術進步，仍然存在一個關鍵的盲點：有人可能故意制造不能被神經網絡正確識別的圖像。這些“有敵意的”或“開玩笑的”圖像就成為一個大問題：不僅因為它們會被黑客利用來制造安全風險，而且它也說明了人類和機器識別圖像的方式實際上非常不同。
在一些情況下，想讓電腦把蘋果認成汽車，只需重新設置一兩個像素。在另一些情況下，機器會在并無實際意義的電視雪花圖案中認出犰狳和面包圈。
“這些機器錯認物品的方式似乎是人類永遠不會采取的，”Firestone 說。“但令人驚訝的是，并沒有人真的去驗證這一點。那我們又怎么會知道，人無法看到電腦看到的事物呢？”
為了檢驗這一論斷，Firestone 和 Zhenglong Zhou（論文的第一作者、約翰·霍普金斯大學認知科學專業）要求參加測試的人“像機器一樣思考”。
機器在命名圖片時可用的詞匯量相對很小。所以，Firestone 和 Zhou 向被試展示了幾十張具有欺騙性的圖片，這些圖片已經騙過了電腦，同時他們給被試的標簽選項也和給電腦的標簽選項一樣。
他們還特別詢問了被試，兩個選項中哪個是機器的判斷結果——其中一個是實際結果而另一個是隨機答案。（圖中的斑點是面包圈還是紙風車？）結果顯示，被試與電腦的選擇高度一致。
在75%的情況下，被測試人都選擇了與計算機同樣的答案。更為顯著的是，98%的被測試人傾向于像計算機一樣答題。
接下來，研究者提高了籌碼，要求被測試人選出電腦的最優答案和次優猜測。（圖中的斑點是面包圈還是蝴蝶脆餅？）人又一次證實了電腦的選擇，91% 的被測試人猜中了機器的首選答案。
甚至當研究人員讓被測試人從 48 個選項中答案時，或者當測試圖片像電視雪花圖案一樣時，大部分被測試人也能選中機器的選項。在這些花樣繁多的實驗中，共有 1800 名對象接受了測試。
研究人員進行的多組實驗及結果。
“我們發現如果你把一個人和電腦放入同樣的情景中，人類就很容易得出與機器一樣的結論，”Firestone 說。“對人工智能來說這仍然是一個問題，但是我們現在知道，電腦的識別方式并非是人類完全不會采用的。”
編輯：李晨琰責任編輯：唐聞佳
來源：綜合自科研圈、《自然-通訊》雜志等
科幻電影《黑客帝國》里，人類和電腦通過特殊的腦機接口相連，生活在由電腦程序模擬出的虛擬世界里。最有意思的是，主角通過這種腦機接口，在短時間內接收大量的知識，從而迅速成長為一個無所不能的戰士。
這樣的情節讓人嘆為觀止，仔細一想，還覺得這其中很有道理，只要科技足夠發達，這種情況就可能真實的發生。
大家可能會認為，這樣的技術目前還只是存在于想象中，離我們相當的遙遠。但事實卻并不是這樣，近日“科技狂人”馬斯克，公布了其旗下的 Neuralink 公司有關腦機接口方面的最新研究成果，以及該公司的長遠計劃。
簡單的講，就是 Neuralink 公司的研究團隊利用精巧的機器，將極細的“線程” (Threads) 插入目標大腦的相關區域，同時植入可以接收和傳送大腦信號的傳感器。“線程”的另一頭則連接著電腦，這樣就可以實現通過大腦連接電腦的目的。
根據介紹，目前該公司已經成功地在動物身上測試了這套腦機接口系統，他們甚至讓一只猴子直接用大腦控制了電腦！
然而馬斯克的目標遠遠不止如此，根據他公布的計劃， Neuralink 公司接下來會開發這套系統的更多功能，最終目標是將其打造成“大腦和云端AI之間的交互中介”，并將其無線化。
這就意味著未來的人類將與電腦高度融合，隨時隨地，人們可以通過腦機接口與云端相連，人們可以從云端AI獲取需要的知識以及數據，也可以與其他人交換信息。
更重要的是，獲得授權的AI可以繞過人類的感官，直接向人類的大腦提供相關信息，比如說你忽然想到海邊去玩，云端AI就將會給你的大腦直接發送包括視覺、聽覺、觸覺、味覺、嗅覺等各種感官信息，給你虛擬一個真實海邊世界！
馬斯克認為，人類與電腦的融合是未來文明發展的趨勢，當人類成為了“半機器人”，人類文明的發展速度將得到極大的提升。事實上，近年來他也一直致力于此。
如此美好的前景不禁讓人興奮莫名，但還是有著很多反對的聲音。反對者認為，腦機接口隱藏著巨大的危機，除了強人工智能的威脅以外，黑客的入侵也是個無法解決的問題。
可以預見的是，即使是在可見的未來，人類也會越來越依靠電腦，相信終有一天人類和人工智能將以某種方式實現統一。那么這一天離我們還遠嗎？我們拭目以待！
好了，今天我們就先講到這里，歡迎大家關注我們，我們下次再見`
（本文圖片來自網絡，如有侵權請與作者聯系刪除）