人工智能无法取代人类的真实原因，原来在这里？

近期，人工智能和机器人领域进展频频。谷歌旗下总部位于伦敦的人工智能公司Deep Mind近期在机器学习方面取得了重大突破，宣布AlphaGo Zero可以在没有人为干预的情况下自主学习。两周前，索菲亚（Sophia）获得沙特阿拉伯公民身份，成为第一个获得人类公民身份的机器人。昨天，波士顿动力机器人学会后空翻的视频刷爆朋友圈。

一时间，各种人工智能取代人类、人工智能威胁论的言论满天飞。

人工智能已经可以做很多人类无法做到的事情，但我们距离打造“像人类一样”的人工智能还有多远？在我们达成目标之前，我们需要解决哪些关键问题？

为了让机器变得和人类一样聪明，有很多巨大的挑战，人工智能正在或者可能解决其中的四座大山：普遍性、转移学习、自主学习、常识。让我们依次来看看今天人工智能的发展水平。

人工智能已经解决和可能解决的挑战

普遍性：这意味着我们开发出一种方法，或者一种可以应用于任何其他独立于领域问题的系统架构。我认为这个问题在很大程度上得到了解决。人工智能的概率方法，比如深度倾斜网络(比如专家系统)，已经证明了其通用性。我们可以使用同样的深度学习网络和算法来解决几乎所有问题——这是一个很好的机器学习的范例。

自主学习：这就是Deep Mind的“AlphaGo Zero”所取得的成就。通过对第一个AlphaGo所使用的原始强化学习方法的调整和简化，他们演示了一个给定目标的神经网络(如“赢”)可以自己学习，并为实现这一目标而发明策略。这是一个重大的突破，它让我们离人工智能更近了一步。

迁移学习：这意味着一个系统可以使用或抽象地利用它通过解决特定问题积累的知识，并将这些知识应用于解决不同的问题。这是我们人类的天性，我们会在问题中“看到固定的模式”和“问题之间的相似性”，我们运用积累的“经验”来解决它们。在人工智能领域，我们还没有实现这一目标。

尽管在机器中，似乎至少有一条实现转移学习的有希望的途径，方法是将概率和非概率(“象征性”)方法结合起来。例如，假设一个系统能够检测出它的神经网络在解决某个特定问题时所采取的步骤，并将它们转换为一种启发式算法，然后对这种特定领域的启发式算法进行归纳，并用它来驱动神经网络去解决另一个问题。

常识：这是一个非常难的问题。举个例子，“迈克尔·菲尔普斯在北京奥运会上获得了400米蝶泳金牌”。当你读到这句话的时候，你会立刻、隐隐地想到一长串的事情;例如，菲尔普斯在获得奖章时身上是湿了的，他必须在进入游泳池之前把袜子脱掉等等。

这种逻辑假设与原始陈述的关联在计算机中是极其难以编码的。我们距离解决常识问题还有很长的路要走。但是，一个好的开始就是研究神经科学能教给我们怎样形成、保留和使用记忆的方式。人类记忆的功能或许是在机器中开发常识的关键。

人工智能不可能拥有的人类特质

第一，人类的想象力。因为你把全世界的文字都输入机器中，即便它能检索出来，也无法像人类一样凭空想象出来另外一个故事。比如《爱丽丝漫游奇境》、《哈利波特》、《疯狂动物城》这样的故事，机器人是想不出来的，只有人类能够想出来。所以，人类能够通过自己想象力来进一步创造和丰满世界。

第二，人类的独创思维。独创思维是这个世界上原来没有，但人类通过自己的思考最终创造出来的新东西。比如人类能够去探索宇宙，但靠机器人是做不出来的，必须先由人类去突破思维形成理论，比如“混沌理论”等。尽管科技和智能对研究有很大帮助，但实际上这些都是人类探索精神和独创思维所带来的结果。同时独创思维又与想象力、创新能力结合在一起，不断发挥科技能力来为人类服务，使人类不断走向自由和幸福。

第三，人类之间有温度的交流能力。机器人也许能跟你对话甚至能知道你想要什么，但机器人在某种意义上是冰凉的。当真正的人型机器人长久与你在一起生活，甚至恋爱，你会开始产生厌烦情绪，因为他没有血肉、没有真正有温度的交流能力。这种交流能力与人类的情感能力是紧紧连在一起的。机器人能够把人类的情感输入系统中，通过人工智能的方式筛选、判断你现在的情绪，选择怎么进行交流。但是，人类内心真正渴望的情感、互相之间的感情交流能力，那种无语凝噎的情感，和眉目之间的情愫，人工智能很难达到。

从生物的角度来说，科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这些细胞的了解甚少，模仿它们恐怕是天方夜谭。我们的想象力、思维、情感的运行机制目前仅仅揭开了冰山一角。就像有些人说的那样：“人能创造机器人，但是机器人永远都创造不了人。就凭这一点，机器人就无法取代人类。”