人工智能最终会实现人和计算机“无缝沟通”

看似巧合，从《星际穿越》《火星救援》《2001太空漫步》到热映的《星球大战》，无数科幻片的主角身边，总有个机器人助手或者人工智能协助系统。这就是人类设想的未来吗？人工智能到底发展到了哪一步？达沃斯世界经济论坛刚刚结束，论坛上的相关讨论似乎也余音未消。

好好学习，分秒向上

机器已学会自主学习了吗？记者在此次达沃斯世界经济论坛的人工智能技术展览上看到，苹果手机Siri语音控制系统通过预设答案及网络搜索手段，实现了初步智能应用。

但参加达沃斯年会的科技界人士预测，未来人工智能完全可以实现理解语言、读懂文件、自我学习甚至情感理解。其中能自主学习被认为是人工智能的一个飞跃阶段。

其实去年的一项研究成果已表明机器也会学习了。2015年2月，谷歌公司研究人员在英国《自然》杂志网络版发表报告说，他们研发的“深度Q网络”计算程序可让计算机实现更接近人类的独立学习和推理能力。研究者让该程序挑战49款不同的经典电子游戏，并且没有将游戏规则直接输入程序中，而是让程序在玩的过程中自学，找到取胜之道。

结果显示，这一新程序取得了与人类职业游戏测试员相当的成绩，其中在半数以上游戏中达到与测试员得分非常接近的水平。可以说“深度Q网络”已完成惊人一跃。

机器人的学习能力也会自主进化。剑桥大学去年8月发布报告说，该校研究人员开发的“母体”机器人能在没有人工干预情况下，制造并逐步改进多代“子体”机器人。在多次实验中，机械臂先后独立制造了共10代“子体”机器人，每一代机器人在性能上都要优于上一代。

精准识别，高效应对

美国脸书（Facebook）公司设在达沃斯的互动体验区展示了人工智能在社交媒体中的应用，如利用人工智能技术自动识别照片上的人物、城市地标等主要内容，为盲人语音读图，并让用户对人工智能识别的对错给予反馈，帮助提高技术准确率。

实际上，越来越精准的图像、声音和面部识别系统能让计算机更好感知人的情感。这种技术的发展在教育、抑郁症治疗、临床预后评估、智能客服、网络购物等领域都有广阔的应用前景。

一些商家已开始使用人工智能技术判断顾客在网购时是否开心或满意。一些服装公司使用人工智能程序帮助顾客在网购时找到心仪的产品。例如顾客看着一件衣服说：“我想要这个样式的外套，但要更保暖一点。”人工智能客服则能理解顾客的这种要求，并作出新反馈。

防考试作弊也需要人工智能识别。作弊一般只能靠监场老师现场抓获，而日本京都大学研究小组为考场监控电脑开发的一款新程序，能以很高的精度自动发现考生是否作弊。作弊考生如果花样翻新，电脑程序也会相应变得更“精明”，总结每次的蛛丝马迹。因为该程序能计算参加考试者过去的成绩与考试问题难易度是否匹配、与其他考生答案的重叠程度等，然后将作弊嫌疑低的人逐个排除，最终确定可疑的人选。

人机沟通还要多久

达沃斯世界经济论坛上，多位业内专家认为，人工智能技术研究突飞猛进的同时，相关伦理研究更应走在前面。越来越多的技术开发人员、计算机科学家和工程师感觉到，他们在研发时必须求助于第三方的意见来创建一些程序。

德鲁·摩尔是人工智能领域领先的卡内基梅隆大学计算机学院院长。他曾撰文指出，美国国家科学院已经召集技术专家、经济学家和社会学家研究人工智能取代人工的问题，这里人工智能取代的不是蓝领工人的生产工作，而是传统认为它们不能取代、需要人与人互动的白领工作。比如脸书公司的人工智能发展目标就是在未来5至10年，能够实现由机器完成某些需要“理性思维”的任务。

不过，“智能机器人很难说比人聪明，”中科院院士、中科院副院长谭铁牛日前说，现有人工智能系统，可以说有智能没智慧，有智商没情商，会计算不会算计。他说，经过近60年的发展，人工智能取得巨大进步并呈暴发增长之势，但在看得见的未来，人工智能整体水平还难以超越人类智慧。

至于未来，摩尔认为，人工智能技术“感受”人类情感是这一研究领域最重要、最先进的一个方向。美国路易斯维尔大学网络安全实验室主任扬波利斯基认为，计算机能够理解语言的能力最终会向人和计算机“无缝沟通”的方向发展。

真正意义上的类人脑神经网络在此：忆阻器成神器

许多研究人员都想要构造出能够自主学习的类人脑神经网络，但他们通常使用的都是硅质芯片。那么，如果芯片本身就是类人脑体的话岂不更好吗？一组来自意大利和俄罗斯的研究人员就从这一出发点开始了他们的研究活动——他们创造出了一种以忆阻器为基础构成的神经网络。 忆阻器（memristor）可以在断电之后，仍能“记忆”通过的电荷。

忆阻器所具备的这种特性与神经突触之间的相似性，使其具备获得自主学习功能的潜力。

此外，这种智能化器件对技术的要求和材料的要求（塑料制成），允许研究人员把它们做得非常小（理论上能够做到10纳米的大小），而且不必再添加任何附加材料。

这也就是说，人们可以在不需要重新设计零部件的基础上，制造出一个如常规芯片一样紧凑的神经网络。

不过不要高兴太早，这项技术目前仍然不够成熟。目前的技术原型体相对还是较大（宽度达到了1毫米），而且目前只学会了最基础的一些能力。

不过，这项技术的潜力毫无疑问是巨大的。除了能够创造出“更有机的”神经网络，它还可以使得机器学习系统只需要一个相对更小的芯片就可以进行思考。

如果这项技术能够得以进一步发展，甚至可以重新定义智能计算机的基础构造。