人工智能的争论为何难以继续？背后的沟通障碍解析

人工智能这个术语已经变成了一个包罗万象的术语。它被用来描述从 ChatGPT 到癌症检测工具再到牙刷的所有事物。难怪每个人都感到困惑。

有趣的是，许多专家之间的看法也并不总是一致。有很多广泛接受的术语，但如果你开始询问人们如何对人工智能进行分类，定义很快就会出现分歧。

那么，什么才算是人工智能呢？让我们从基础知识开始聊起。因为我知道聊术语可能听起来有点无聊。但请耐心听我说。因为我真的相信，如果我们想在人工智能时代感到自信（无论这意味着使用这些工具还是选择不使用），我们需要对我们所谈论的内容有一个与炒作无关的共同理解。

为什么人工智能的定义感觉混乱

“在某种程度上，人工智能这个术语已经变得没有意义，因为人们常常将其与技术一般同义使用，”纽约大学斯特恩商学院教授、《与机器思考：人工智能的勇敢新世界》的作者 Vasant Dhar 解释道。

但问题是，人工智能并不是单一的概念。“人工智能是许多不同的技术，”伦敦帝国学院新兴技术治理与监管实践教授 Rupert Shute 告诉我。但像 ChatGPT 这样的工具的流行，尤其是我们称之为生成性人工智能的工具，已经让情况变得更加复杂。

“生成性人工智能淹没了其他一切，这真是太可惜了，”Shute 说。“因为大多数实际价值来自于我们使用了几十年的其他类别的人工智能。”

你已经在使用人工智能——你只是不知道而已

用人工智能来泛指技术，这其实并不奇怪，因为很多技术其实都内置了人工智能的元素。大多数技术听起来并不那么新颖或未来主义，因为它们已经存在了足够长的时间，以至于我们不再注意到它们。

“有许多类型的人工智能在背后默默工作，”人工智能培训和咨询公司 Elevate AI Consulting 的首席执行官兼创始人 Thiago Ferreira 告诉我。“像垃圾邮件过滤器、欺诈检测、医学成像工具、推荐系统，甚至你手机整理照片的方式也算是一种人工智能。”

当你列出这些例子时，费雷拉说，人们常常会回应：“哦，我没意识到这算是人工智能。”

什么是生成性人工智能？

我提到过生成性人工智能几次，但值得对这个定义进行澄清。

生成性人工智能是一种根据提示创建新内容的人工智能。它可以创建文本、图像、音频、代码、解释等更多内容。它并不是去寻找信息；而是基于从大量数据中学习到的模式生成新的内容。

像ChatGPT和Gemini这样的聊天机器人是大多数人使用的生成性人工智能。它们运行在大型语言模型（LLMs）上。LLM是从大量数据中学习的部分；可以把它想象成引擎。聊天机器人是让你与之互动的对话界面；可以把它想象成方向盘。

很容易看出为什么这一子集的人工智能现在主导了公众的理解。“生成性人工智能感觉很具体，”费雷拉说。“它根据你的请求生成独特的内容。”这让它比那些可能在你的银行或手机中默默运行的系统更容易被理解和命名。

“生成性人工智能只是让技术变得更加可见和相关，”费雷拉说。“这就是为什么很多人今天会觉得‘人工智能等于聊天机器人’。”

人工智能的不同观点

一旦你深入了解人工智能的类型，你会发现即使是那些制造人工智能的公司和与之合作的专家，对定义的方式也各有不同。就像从不同的角度看同一片风景一样。

费雷拉认为，通过AI的作用来描述它是最有帮助的，这种实用和日常的视角对人们来说最有意义。

“因为像ChatGPT这样的工具而受到最多关注，但还有许多其他类型的AI每天在我们周围默默工作，”他说。

识别工具帮助医生发现肿瘤，或者让你的手机能够在照片中识别出朋友。预测AI为天气预报或银行的欺诈警报提供支持。自主系统让汽车、机器人或送货无人机在几乎不需要人类干预的情况下运行。

达尔的方式更具概念性，就像是该领域演变的地图。他从专家系统开始，在这些系统中，人类的专业知识被编码为规则。然后是传统的机器学习，其中数据被转化为特征并用于学习模式。接着是深度学习，模型直接从原始感官输入中学习。

最后是通用智能，他描述了今天的大型系统，这些系统在多种数据类型上进行训练，能够谈论几乎任何话题。他说ChatGPT属于这一最后类别。

舒特把这个领域划分为几个阶段，分别定义为每一代AI的思维方式。第一代是符号逻辑，建立在手工制作的规则之上，透明但有限。

下一代是统计学习，包括深度学习和支撑ChatGPT的变换模型。这些是强大的模式识别器，但并没有给我们提供太多关于输入是如何得出的信息。

第三波是神经符号人工智能，它试图融合神经网络和符号推理的优势。这些系统不仅能够学习，还能以人类可审计的方式进行推理。Shute 指出了一些新兴的初创公司，如 Umnai，正在探索这一领域。

炒作与现实的差距

那么，这让像 AGI（人工通用智能）和 ASI（人工超智能）这样的宏大想法处于何种境地呢？

AGI 指的是能够像人类一样广泛思考或学习的人工智能。ASI 更进一步，设想的是超越人类智能的系统。这些概念常常激发关于未来的更为激烈的辩论。

但 Shute 告诉我：“任何宣称 AGI 或 ASI 的句子，如果用‘外星人’替换这个术语，同样成立，并且需要以类似的怀疑态度对待。”

把人工智能拉回现实，远离幻想，更贴近系统目前能做的事情，是我们真正理解这些工具并负责任地使用它们的关键。

理解权力动态

专家们都强调的一件事是，这些系统依赖于我们。关键在于知道何时思维的模拟足够了，何时需要真正的理解。

“人工智能中的‘智能’始于我们，”Ferreira 说。“它们不知道该做什么，直到人类给予方向。当人们意识到这一点时，权力关系就会发生变化。”

提出一个深思熟虑的问题，你就会得到一个深思熟虑的答案。提出一个模糊的问题，你也会得到模糊的回答。“人工智能并没有取代我们的思考，”他说。“它是在扩展我们的思考。”

我相信，理解我们所拥有的力量的一个重要步骤是认识到人工智能并不是单一的东西。相反，它是数十种技术的集合，其中许多技术已经存在了几十年，并悄然驱动着我们每天使用的系统。生成式人工智能可能是喧闹、显眼且令人印象深刻的，但它只是这个领域的一小部分。

下次如果有公司声称其产品“使用人工智能”，不妨问问：是哪种类型？做什么用？这真的重要吗？某些应用值得谨慎对待，而另一些则值得热情支持。但只有在我们更好地理解我们所谈论的内容时，我们才能做出这些判断。