《数字化转型之路》 —2.3.7　从弱人工智能到强人工智能

2.3.7　从弱人工智能到强人工智能

如前文所述，技术是驱动人工智能发展的先决条件。目前，由于技术水平的限制，我们所接触到的AI均属于弱人工智能。

那么弱人工智能有什么特点？

首先，弱人工智能依赖于大数据并且需要耗费大量的计算资源；其次，弱人工智能所应用的算法相对比较单一。前面提到的AlphaGo虽然融合了多种算法，但算法内容实质上还是比较简单的。可以说，现有的人工智能还局限在某个专业领域里面，即AI只能在一个比较细分的、能够明确定义的领域里解决问题，而不能在一个比较广泛、通用和变化的领域里解决问题。

与弱人工智能相对的是强人工智能。在这里，人工智能可以真正具备解决广泛、通用、变化问题的能力。举例来说，人类自身就是一个典型的强人工智能，其具有归纳总结、举一反三的能力，这是现在的AI所不具备的。那么，未来的强人工智能有什么特征呢？

首先，强人工智能是基于小数据的。它不需要大量的数据做训练，比如Google大脑需要用几千万张猫的图片让机器理解、识别出一只猫，但人类不需要这么复杂的操作。人类父母给他们的小孩讲：“这是一只猫”，可能最多两三次，孩子就知道了什么是猫。也就是

说，人的学习是基于小样本的，他们不需要看几千万张猫的照片。我们之前提到的AlphaGo Zero其实就是基于小数据的AI应用，它不依赖于海量的人类数据。但目前来说，这样的应用还比较少。

强人工智能的实现还存在一个挑战——计算力。目前，AI程序的运行需要大规模的计算资源做支撑，包括GPU阵列。未来，我们需要通过一些算法的提升将计算资源减少到一定程度。在人机围棋大战中，计算机可能要用1000个CPU，而人类只有一个CPU，所以这场比赛本身并不公平，其实是一个人和1000个人去打比赛。但是未来，在强人工智能时代，有可能计算机也可以使用一个CPU赢下人类。

从技术层面来说，如何实现从弱人工智能到强人工智能的转变？

目前大量的研究表明，实现这一转变需要计算科学、神经科学和认知科学这三个科学的融合。首先，计算科学已经在推动着人工智能研究不断向前。其次，我们需要通过神经科学，将在人类大脑研究中取得的成果运用在神经网络上。尽管神经网络的发展已经取得了一些成功，但由于人脑的网络要远远复杂于我们现在所构建的深度神经网络（比如说人类大脑的连接以及神经元和神经元之间的连接数量巨大、变化复杂），现在的深度学习神经网络相对还是比较简单的。如何让神经网络尽可能向人类大脑构造靠拢，是一个极具挑战性的课题。最后，我们需要通过认知科学去构建更智能化的认知机制。比如，如何能在省去复杂训练的情况下识别出一只猫？我们相信，人脑的知识结构和智力结构里面还有很多更高级别的机制，那么这些更高级别的机制到底是什么，目前还未尝可知。因此，只有将认知科学、神经科学与现在的计算科学的进展相融合，未来才有可能真正地实现所谓的强人工智能。