美國Google前總裁埃里克・施密特去年在多次訪談中指出，中美兩國在人工智能發展上遙遙領先，但跑道不同。美國着重尖端的通用人工智能（AGI），中國則更注重普遍應用。最近不斷聽到有人說，有了人工智能，人類就無需學習；人工智能智力將會超越人類，從而替代甚而統治人類。果真如此麼？
美國流行的觀點：AI的下一步是通用人工智能（AGI）。什麼是AGI？AGI是指具有人腦全部功能的智能系統。目前的AI都是有特定功能的機器設計，例如，引發全球熱議的中國春晚武術機器人，能全面模仿人體的肢體動作，對重心、平衡、筋絡與節奏的把握令人叫絕。同時也慨嘆：這些機械人卻不是設計來做其他事情的。同樣，工廠中可以拾起地上物品的機械人、協助警察追蹤嫌犯或進入火場的球形機械人，雖功能強大，卻不是全能的。AGI的目標，則是構建一個完整的人腦。
AI只是輔助工具
馬斯克引以為傲的腦機接口技術已取得巨大技術進步：漸凍症患者布拉德・史密斯四肢癱瘓、無法言語，但透過植入1024條纖細電極，捕捉微弱的腦電波來驅動計算機，實現了模擬言語、觀看球賽等功能。中國也有了幾十個類似的案例。
這類技術能幫助患者彌補缺陷，過上接近常人的生活。理論上，它還可以用於開車、唱歌等任何可由計算機驅動的活動。但歸根到底，這種能力建立在「病人」原有的知識基礎上，並非為「病人」注入知識，就像輪椅不能恢復腿部動作，只能輔助某些生活功能。
這也說明，「插個電極就能代替學習」只是一種幻想。從學理上看，學習是人類賦予外部世界意義的過程。人類的學習是透過感官積累經驗，逐步形成概念，這就是知識。學習是一個持續的過程。試想，若在孩子的腦中插入一本百科全書，孩子是否就不用學習了？顯然不是。成年人之所以能夠熟練使用AI，正是因為我們已有知識基礎，AI只是輔助工具。因此，「人類不用學習」的說法不過是風涼話。
斯坦福大學李飛飛創立的「以人為本的AI研究院」（HAI），就提出了三項原則。第一，AI的發展與研究必須對人類個體及社會有益；第二，AI的應用應以提升和輔助人類能力為目標，而非取代人類；第三，機器智能若要模仿人類智能的矛盾性和複雜性，就必須向腦科學和心理學學習。
HAI提出了2026年AI發展的三個任務。一是從「布道」轉為「評估」，即不再追問AI「能做什麼」，而是關注「做得怎樣、有什麼代價、為誰做的」；二是各國發展獨立的AI「主權」，擺脫對研發商和美國政府的依賴；三是明確指出「今年不會有AGI」。美國輿論認為，這些觀點使一些不切實際的幻想冷卻下來，也反映出AGI是一個熱點議題。關於「AI應不應該取代人類」，是時候要冷靜思考了。
真正實現AGI還有很長距離
OpenAI的CEO薩姆・奧爾特曼則相信「放大」（scaling）是一個方向，只要有更多的數據、更大的運算能力，AI就會成長為更大的「腦」，現在遇到的問題就會迎刃而解。
然而，同樣是Scaling領域的專家，另一位美國科學家、企業家吳恩達卻直言不諱：「AGI已失去明確的定義，目前更多被當作營銷術語使用，甚至誤導了公眾。」他強調：「在明確定義下，AGI在2026年不可能實現，真正實現AGI可能還需要幾十年、甚至更久。」
的確，人類的感官體驗（如味覺、疼痛），雖可被科學儀器測量，卻無法被機器生成，也就是說機器不可能有這些感覺，更遑論用精準的量度來代替人類主觀的感覺。也有科學家透過人的表情、血壓、腦電波、內分泌等變化測量人類的情感，如喜怒哀樂，但如何讓機器生成？一切主觀範疇的內容，機器如何掌握？
語言學泰斗諾姆・喬姆斯基曾說過：「機器的學習依靠統計學的關聯性，而人類的學習基於理解。」機器可以運用大量的數據快速運算，透過關聯性回答人類需要解決的問題，但是他們不需要理解問題本身。
因此，吳恩達說：「AI在持續學習和記憶系統方面與人類仍有巨大差距，目前尚未找到解決這些問題的正確路徑。」這裏面有兩層疑問：理論上是否可行？技術上是否可能？美國輿論已開始將AGI稱為假設性目標。
吳恩達還強調：「Scaling單純依靠獲取數據和擴大模型的路徑將愈來愈難，必須注入其他類型的知識。」這一點與李飛飛的觀點一致：當前從事AI研究的，多為自然科學家和工程師，應該有哲學家、社會學家及人文學科專家共同參與。
原刊於《中國教育三十人論壇》微信平台，本社獲作者授權轉載。
