對話普利策獎獲得者DouglasHofstadter：別被當下人工智能假象騙了
如今的人工智能還只是初步階段，只能做到盡可能接近地模仿人類智能，卻始終超越不了。關于人工智能領域的討論可能最終會回歸到DouglasHofstadter的論點上。自從他在1979年出版的著作《智慧》獲得普利策小說獎以來，他一直在默默地研究有關思考的問題，以及如何讓計算機來實現這一目標。
在20世紀50年代和60年代人工智能研究的早期階段，我們的目標是創造出能夠模擬人類思考和行為方式的計算機，重塑我們對周圍世界的直觀理解能力。但事實證明，對于20世紀50年代的計算機程序來說，思考這一行為要復雜得多。研究結果是令人失望的。
不過，最終人們放棄了讓計算機思考，轉而專注于令它完成非常具體的任務，并向它們提供了大量的相關數據，這導致了我們今天看到的人工智能熱潮。計算機可以在國際象棋中擊敗人類，然而它們不是通過優雅地下一步棋來獲得滿足感，而是在此前的數百萬場比賽中篩選，看哪一步棋更有可能幫助獲得勝利。
不過，在2017年，人工智能可能需要解決一個老生常談的問題：教會計算機如何變得更人性化。人工智能先驅人物GeoffreyHinton最近對Axios說，他對一些方法深表懷疑，比如使用一堆象棋比賽數據來教會它們下象棋。相反，計算機應該能夠不依靠數百萬個特定的數據點來自主學習，就像人類一樣。
在人工智能的所有這些變化中，印第安納大學的認知科學和比較文學教授Hofstadter，則一直在試圖理解思維是如何運作的。他不相信我們現在擁有的人工智能是真正智能的，他擔心這個領域已經把人類帶到了危險的道路上。外媒與Hofstadter先生（以下簡稱DH）就人工智能的現狀、其中出現的錯誤、以及未來的危險等進行了討論。
人工智能的現狀：人工智能還是人工智障？
問：讓我們來談談計算機是如何理解語言的。要想有效地將一種語言翻譯成另一種語言，機器就必須對這個世界有深刻的理解，不是嗎？
DH：我所理解的翻譯是用第二語言創造一個文本，讓它和原文一樣好。因此，如果用源語言寫作的原文文字很美很有藝術感，那么第二語言的文本也應如此。這已經超出了谷歌翻譯的范疇。
谷歌翻譯的主體不具有理解力。它在各種意想不到的地方都容易出現理解上的偏差。德語中有一句話翻譯成英語是：女傭端來了湯。當我仔細研究這個句子時，發現谷歌翻譯的說法是：女傭進了湯。它翻譯的女仆是正確的，但谷歌翻譯這句話中描繪的形象和動作并不具有現實性。
我并不是要侮辱谷歌翻譯。我想說的是，你要記住，庫卡機器人何服電機維修，電腦所使用的詞語并沒有賦予它意義。
問：這就是你所說的Eliza效應（Elizaeffect）嗎？
DH：Eliza效應指的是，我們使用單詞或短語時認為它是有意義的。也就是說，當另一個實體在使用詞語并將其輸入到屏幕上或說出來時，我們傾向于認為其背后有思考的行為。這可能是極其錯誤的。
人工智能真的能完全取代人類嗎？
問：你認為計算機在沒有這種思維的情況下，可以翻譯得像人類作品一樣充滿文學性和優雅嗎？
DH：我不這么認為。我真的不這么想。因為我覺得這個世界太復雜了。
問：我們需要創造更多術語來描述人工智能的行為嗎，以便進一步說明它并不是什么恰當的智能表現形式？
DH：這是個有趣的問題。我認為我們今天擁有的并不算是智能。我要回過頭去談一談我比較熟悉的東西，那是幾年前的事了，也就是自動駕駛汽車。
這件事發生在我身上，所以它是一個真實的情況。當時我從印第安納州的布盧明頓市開車到芝加哥來做演講。一兩個小時后，我在高速公路上遇到了一場非常嚴重的交通堵塞。我離芝加哥還很遠，而高速公路已經完全走不動了。那么我要做什么決定呢？我看到有些人正試圖駕車穿過南北交通路段之間的草地，我以為他們會在高速公路上往南走，KUKA機器人示教器維修，然后可能下車，走一些更小的路。這是有可能的，但后來我發現有些車被困在了泥濘的草地上。所以我就想：我要去冒這個險嗎？
假設我在那等了一段時間，最后又回到了高速公路上。但當時我壓力真的很大，要趕去芝加哥。我已經浪費了一個小時，幾乎沒有時間了。現在我該怎么辦？我要承擔多大的風險？對我來說，去這所大學發表這堂課對我來說有多重要？如果我打電話說我要遲到半個小時會怎么樣？晚了一個小時？所以我開車時思考著，我要不要在限速70英里每小時的區域開到80邁？或者90？我要開多快？
對我來說，這些思考是駕駛的一部分。這才是開車。它表明，現實世界的因素在許多方面可以影響到駕駛。
真實世界并不像象棋或圍棋那樣有一個方方正正的框。有些情景是毫無邊界的，你不知道這個狀況下會發生什么，也不知道此狀況外又會發生什么。
距離真的人工智能還有多遠？只可模仿不可超越！
問：人們會認為機器智能是在思考，這一點有困擾到你嗎？
DH：如果你問我，原則上一個計算機硬件是否有可能做一些類似思考的行為，我會說絕對是有可能的。計算機硬件可以做任何大腦能做的事情，但我不認為目前階段是這樣的情況。我們只是在模擬人類思考的皮毛，而很多人卻在為這種錯覺而雀躍不已。有時這些機器的表現是驚人的。
當我剛接觸這個領域的時候，我有這樣的感覺：創造出那些看起來似乎會思考的程序是很有趣的，即使它們只會做一些非常有限的思考，卻給你一種接近自然人思維的錯覺，這一點很有意思。越微妙，就越好。
機器是在慢慢改善的，這個態度讓我感到很贊同。這讓我覺得人類才是終極目標，人類智慧是一件了不起的事情。換句話說，我的感覺是，計算機智能將會經歷一段緩慢漸進的過程來實現人類智能。漸近的意思是它會逐漸接近它，工業機器人維修，但并不會超越它。就像曲線接近直線一樣。它會無限接近直線，但是始終是曲線。
但到最近，隨著AlphaGo和DeepBlue的各種勝利，人們開始懷疑這兩條線是否會出現交叉。人們認為它們在接近，然后相交，并沒有漸近線。它相交了，然后計算機那條線繼續上升。這和我的想法不同，我不太喜歡這個結果。
人類的思維被淹沒在塵埃中這一點令我害怕。不是被計算機輔助或教唆，而是被完全壓倒，人類在計算機面前就像是曾經出現在我們面前的蟑螂或跳蚤弱小不堪，如果真到了那一天，那就太可怕了。