杀手AI公式：“天网”=机器学习 区块链 物联网 无人机(3)

第二关：AI控制物理世界的难易程度。
我们目前的人工只能还只是服务器上运行的软件，不意味着它能意识到物理世界的存在，也接触不到武器，它不能控制机器人或者无人车，也不像《终结者》中的H-K机器人（天网的机器人士兵）。这个关卡会让我们联想到物联网，机器视觉和AI控制物理世界方面的问题。
第三关：关不掉的AI。
某种程度上，这个关卡是我列出的4个中最重要的。只要人类没有走到关不掉AI的地步，就算AI不听话，开始谋反，我们手上好歹有个“开关”，不管是真的按下按钮关掉，还是需要毁掉有形的微处理器或者虚拟机软件。这个关卡引发的讨论主要在于：目前的AI都依附于某种形式的计算机技术，那区块链和点对点系统会不会就是某个关不掉的“天网”的前身？
第四关：具有自我意识、将保全自身视为首要任务的AI
这个关卡有点难定义。我们需要问自己几个问题：什么叫“有自我意识”？什么叫“将保全自身视为首要任务”?AI还有那些任务和“观念”？AI不一定会有生存的意愿。这个关卡更多讨论的是AI和价值观。
让我们仔细探讨一下以上提到的关卡。第一关：功能从具体到通用——AI发展的浪潮
我很确定，目前这一波基于机器学习的AI，比起第一波基于启发和规则的AI，确实是很大的进步，但是还不足以带我们走向黑暗未来。
我在MIT读计算机系的时候，有人告诉我AI方面的研究，一开始的目标是找到与人类思维相仿的“规则”和“符号表征”。但是人类能识别规则以外的模式，但计算机做不到，所以这个目标很难达到。后来出现了模糊逻辑的概念，其中的规则变得不那么“非黑即白”。在八十年代，日本的科学家甚至预测，十年内，AI就能和人脑一样执行多种任务了。
然而，三十年过去了，我们才刚看见一点进步。现有的AI和机器学习的爆炸式发展，功劳比较大的是数据，而非规则。它们依靠的是神经网络。神经网络是 一种模仿人脑神经网络行为的逻辑系统。这类AI的前提不是规则，而是通过数据训练，执行某一项具体的任务。有了数据，模型可以改变神经网络中某些连接的权重。虚拟神经元的层数越多，数据组越大，模型产生的结果就越精准。
这类型机器学习对于图像识别很有效果，能识别手写体、某些具体物品的图片等。有些计算机也通过机器学习，下棋能赢过棋王。
虽然我们一般认为反向传播神经网络算法很通用，但是目前的大多数AI还是只能执行特定的具体任务。