大腦究竟是怎樣存儲內容的，又是放在哪兒，我們都一無所知，就更別說如何將它下載與保存，并在其他機器設備上“復活”了。

這兩天最火的事，莫過于神秘賬號“Master”大勝人類圍棋高手。到目前為止，已經連勝六十局。谷歌也在此之后正式承認，Master就是升級版的AlphaGo。看來，去年李世石對戰(zhàn)AlphaGo以1:3落敗的那場大戰(zhàn)中，唯一的那場勝利，可能會成為人類歷史上最后一次在圍棋上打敗機器的勝利。

對于這連番的勝利，很多人不禁質疑，人工智能是否將威脅到人類？其實，我們不必過度擔心。要知道，Master背后的技術，也就是深度學習，已經存在很長時間了。之所以到現在才有如此進展，還得得益于硬件、數據與算法的進步。

但也不要認為，有AlphaGo這樣的成績，就意味著人類已經完全掌握了深度學習技術。目前，我們所掌握的只是完全有標注監(jiān)督下的簡單模式識別任務。而更關鍵的是，依賴深度學習的智能，其未來最大的瓶頸在于計算成本。要想完成更復雜的任務，訓練深度學習模型的能源成本和時間成本會越來越高。而解決的方法，可能要來自硬件或算法本身的再次突破。

從人工智能的發(fā)展史來看，我們不難發(fā)現，人工智能并非單純由某種思想、方法論或技術推動前進，而是在不同階段，由不同的技術、理論與方法推動。上世紀六七十年代，專家系統(tǒng)曾經紅極一時，但現在已經被果斷拋棄。當前，深度學習扮演了這種推動角色，但能否持續(xù)下去，接下來會否有什么新理論技術，我們并不能確定。機器智能或許可以在一夜之間發(fā)生質變，也可能長時間停滯不前。

更進一步說，人類之所以會害怕人工智能，是因為我們在用人類的思維去理解它，去解釋所有人工智能的現象。但我們依然還有很多不懂的地方，比如，人工智能的智能產生方式。最初，人類一直試圖通過模仿人類的思考方式讓機器獲得智能，卻無一例外以失敗而告終。直至上世紀70年代，工業(yè)界轉變觀念，認為機器未必需要像人類一樣思考才能智能。于是轉而嘗試新的方法，即通過數據驅動加超級計算，來讓機器獲得智能，終于獲得突破。這也是今天AlphaGo獲取智能的方法。通過深度學習、借助海量數據進行訓練學習。其關鍵在于獲取數據間的模式，或者說相關性。這是一種全新的思維方式，與人類完全不相同。

不過，并非所有的科學家都放棄了通過完全模擬人類大腦的思考方式來獲取智能，今天就有研究者試圖通過機器學習來實現。盡管他們信誓旦旦地表示這并非不可能，但很遺憾，現實可能不是這樣。理由也很簡單，信息只是一種概率模型，它可以存儲很多數據，但它什么也不是，它并不能存儲人類的思想、情感，包括模仿你的思維活動。

所以，下面這種想法，也只是天方夜譚的，即人類可以通過把存儲在大腦的東西下載下來，轉移到機器設備上，那么人類就可以長生不老。

我們可以把人的社交媒體信息、郵件信息，在不同的計算機上不斷地復制、傳播，但它沒辦法移植人類的記憶。從根本上說，兩者之間根本沒有任何相似性。更何況，大腦究竟是怎樣存儲內容的，又是放在哪兒，我們都一無所知，就更別說如何將它下載與保存，并在其他機器設備上“復活”了。

所以，如果現在有人告訴你，人工智能可以模仿人類思考，那么恭喜你，你打開了長生不老的大門。不過，還是得遺憾地告訴你，別做夢了。

□鄭偉彬（媒體人）

登陸|注冊歡迎登陸本站，認識更多朋友，獲得更多精彩內容推薦！