从巴普洛夫的狗、桑代克的猫到斯金纳的老鼠，科学家曾经像训练小狗一样训练人工智能。“今天的人工智能被称为是‘窄人工智能’，就像学人话的鹦鹉，而我们未来要做的是‘通用人工智能’，应该像聪明的乌鸦一样。”
在上海杨浦举行的“2019未来大会”进入第二天，人工智能是科学家们关注的主要议题。复旦大学客座教授、数据科学50人成员邬学宁分享了对人工智能未来路径的展望。
AI将走向何方：神、神经还是神经病？
“人工智能在近70年的发展史上经历了两次低谷，未来的人工智能将走向何处，目前有三种主导观点。”邬学宁指出，第一种观点是认为人工智能将会超越人类，成为神和上帝，提出的这个“奇点理论”的包括已故量子物理学家霍金。在这种论述中，人工智能对人类而言是一个威胁。
第二种观点认为人工智能主要的推动力是神经网络，特伦斯 谢诺夫斯基和杰里弗 辛顿是这个学派的奠基者。“神经网络的发展需要大数据，但随着目前大数据的红利在逐渐小，他们认为未来几年人工智能的发展与前两年的高速发展相比速度会逐步减慢。”
还有一种学派认为机器学习无法预测，人工智能与人类将存在巨大的鸿沟。人工智能的冬天还会再来，而这一次人工智能的冬天，并不会是最后一次。“三个学派的观点总结起来就是，神，神经和神经玻未来将去往何方，目前还无法预测。”
要做乌鸦，而不是鹦鹉
关于人工智能的未来设想，邬学宁讲述了鹦鹉和乌鸦的故事。“今天的人工智能实际上是‘窄人工智能’，它学人学得很像，就像一只学说话的鹦鹉，但是它的智力其实很低。而将来要实现的‘通用人工智能’，可能是乌鸦。”
乌鸦很聪明，它在路上发现一个坚果，但是自己砸不碎，它会把这个坚果放在马路当中，希望往来的车压过去把坚果压碎。但是路上的车很多，一不小心，也许去拿坚果的时候自己也会被车压死。怎么办呢？这时，乌鸦又发现了红绿灯，当红等亮的时候，车会停下来，趁着这个时机去吃坚果就是安全的。“我们将来要做的人工智能应该是乌鸦，而不是今天的鹦鹉。”
如何才能达到乌鸦的智能呢？邬学宁认为，深度学习只解决了感知问题，还要加上逻辑推理。“实现这种人工智能的路径有很多，其中有一种我个人特别感兴趣，就是群体智能。”不管是鸟群还是蚂蚁，是蜜蜂或是萤火虫，它们的单体智商非常低，但当它们聚集成一个群体时，即便没有个体控制这个群体，它却整体涌现出一种非常高级、有生命特征的智能。
这种智能也许就是神经网络。“我们大脑中的每一个神经落、每一个神经元的功能都非常简单，但是我们有一千亿个神经元，他们集聚在一起就能从量变到质变，产生一个非常高超的智能。”宇宙看上去包罗万物，但其实只是由大量非常简单的结构所组成，人工智能也是同样的原理。
击败柯洁的AlphaGo并不知道自己在下围棋
一只饿猫被关在关紧的实验迷箱中，箱里面有一个开门的按钮，只要碰到这个按钮，门就会打开。一开始，猫怎么都走不出箱子，在乱碰乱撞中偶然碰到了开关，门开了。经过多次尝试错误，猫学会了碰按钮开箱门的这个行为，这是桑代克的猫的试验。
在科学史上，无论是桑代克的猫、巴普洛夫的狗还是斯金纳的老鼠，都在试图证明一种学习过程，即有机体在一定条件下形成刺激与反应的联系从而获得新的经验的过程。如今到了人工智能身上，人们也试图用同样的方式来训练AI，从而让机器自己找到“路径”。
“过去，我们只关心AI怎么做，却从不关心AI怎么想。”邬学宁指出，强化学习是一个类似多巴胺的机制，这种方式在大多数时候很有效，但也会在某种特殊的情况下存在局限，一旦AI在学习过程中发现某种路径是最有利的，就会陷入“局部最优解”而停滞不前。
“很多人担心AI有一天会超过人类，其实这种担忧有点杞人忧天。”他指出，目前深度学习只是建立一个从输入到输出的映射过程，使错误最小化，这种最小化只是数学上的最小化。表现得超乎寻常完美的神经网络其实并不真正理解其执行任务的意义。
“AI翻译应用能在多种语言中即时地翻译，但翻译得再好，AI本身并不理解自己翻译的句子是什么意思。同样的，击败柯洁的AlphaGo其实并不知道自己在下围棋。”人工智能没有意识，它在大多数时候很聪明，但也会有犯迷糊的时候，比如一些人类不可能犯的错误，它却会犯错。
邬学宁指出，AI的另外一个局限性在于监督式的学习需要大量标签数据，而打标签本身需要耗费大量的人力。“无人工，不智能”，是目前AI的局限。“过去，人工智能从脑科学、心理学、经济学，以至于量子力学当中都获取了能力，那未来人工智能可能从什么地方获取灵感呢，这是我们要思考的问题。”
