最近有關AI繪畫的事情引發了人們的熱烈討論，而伴隨著這一討論，人們不禁再次思考起相關問題，即AI人工智能在未來是否能夠代替人類的某些工作或工種，AI真的有可能產生自主意識嗎？本篇文章里，作者便發表了他對人工智能的看法，一起來看一下。

01

最近在網上看到繪畫界對于AI繪畫熱烈的爭論。主要的焦點在于：AI繪畫的興起會給行業帶來什么樣的沖擊？會否導致大量畫師的失業？

其實，在這幾年AI高速發展的階段里，類似的爭論一直都存在。比如：AlphaGo會不會摧毀圍棋行業？GPT-3會不會摧毀傳媒行業？DeepL會否摧毀翻譯行業？諸如此類。

但這一次，AI在繪畫界引起的反響要更大一些。為什么？也許一個原因是因為：AI繪畫的興起，的的確確讓人看到了顛覆行業的可能性。

今年6月份，我體驗了一款叫做Disco Diffusion的AI，做出了一些作品。詳見分享一些新知識和生活方式 。當時我的感覺是：非常出色，效果極好，但是對行業尚算不上顛覆。因為出圖速度太慢（一幅圖要渲染10分鐘），并且在構圖、布局上較為欠缺，也無法準確地畫出人物。只能作為輔助工具。

沒想到才過了兩個月，這個觀點就遭到了無情的回擊。

8月份，我嘗試了一款新的AI，叫做Stable Diffusion。它可以說把Disco Diffusion遠遠甩在了后面，不僅出圖速度極快（幾十秒），并且質量極高，在紋理、細節、光影等方面幾乎可以以假亂真，甚至可以忠實地還原出實物的效果。

以下是我從網上找的一些別人用Stable Diffusion做的圖：

可以看到，它出圖的效果，連一般的畫師可能都望塵莫及。

02

那么，繪畫行業會被AI繪畫顛覆嗎？

實際上，將AI繪畫應用于實踐中已經有了不少案例。一類案例是游戲工作室?，F在已經有不少游戲工作室，用腳本在后臺自動運行AI，在極短的時間內自動生成成千上萬幅頭像、人物和圖標，再精選出能用的進行細化修改和調整，極大地壓縮了成本。

另一類案例是專業畫師。有不少畫師已經開始利用AI繪畫輔助創作。比如，先畫一幅草圖，定好整體布局，然后用AI填充上豐富而飽滿的細節，再在最終的成品上進行微調，節省大量描繪和填充的時間。

可以想見，等AI繪畫更進一步地發展和流行起來之后，大量基礎的執行工作會被替代掉。像「人物頭像」這種創意含量不高、執行步驟較為繁瑣的任務，用AI來操作就可以極大地提升性價比。

進一步，AI也可以成為畫師們的利器。利用AI來輔助構圖、找尋靈感、填充細節……可以極大地解放畫師們的勞動，而把更主要的精力集中在溝通、創意和調整上。就像電腦繪畫替代了大部分手繪一樣，未來無法用AI來輔助創作的畫師，也同樣可能會被同行所替代。

從這個角度來講，不管行業會否被顛覆或摧毀，新的改變已經無可阻擋地、浩浩蕩蕩地到來。

不過，現階段的AI，依然還停留在「工具」的定位。它能發揮出什么樣的效果，完全取決于使用它的人。畢竟，AI無法取代人去跟客戶溝通，也無法完全理解自然語言，更不具備通常意義上的「自主性」和「創造力」。因此，對于諸多行業而言，它其實更多的是一種機會，而不是威脅。

比如：在AphaGo家族出現的時候，也有許多人驚呼「圍棋是不是要被AI摧毀了」。但其實，圍棋AI給圍棋行業帶來的是什么呢？是門檻的大幅度降低和普及化。

在過去，你要學圍棋，得去培訓班學習，由專門的老師指導，跟同學對弈、復盤，經歷高強度的訓練。但如今不需要了?，F在每個人在家里，都能非常方便地找到可用的圍棋AI，你可以調整難度跟AI對弈，也可以用AI來幫你復盤。在這種情況下，老師能起到的作用就很小了，只剩下偶爾的點撥和答疑了。

這對于傳統圍棋培訓行業的商業模式當然是一種沖擊，但門檻的降低，也會帶來大量熱愛圍棋的入門者，讓圍棋行業變得更加繁榮。那么，能否通過轉型適應大環境的改變，就是這個行業需要去做的事情了。

再比如翻譯行業。這幾年，AI翻譯的發展如火如荼。以最新的幾個翻譯引擎來說，翻譯質量已經超越了一般外語水平的使用者，幾乎達到了母語的水準。但AI翻譯能否直接使用、會否替代掉人工翻譯呢？答案也是否定的。

原因很簡單：絕大多數需要翻譯的領域，對翻譯質量都有極高的要求，不僅要求準確，還可能會有專業術語、語境、背景、遣詞用字上的要求，而這是AI難以勝任的。在這種情況下，用AI先粗譯一遍，再進行細致的潤色，就是更有效的做法。

因此，在這個行業，用AI進行輔助翻譯已經是行業慣例。不使用AI的譯員，可能很難在這個行業立足 —— 因為效率差距實在太大了。從這個角度來講，AI給翻譯行業帶來的，也不是摧毀，而是更高的質量和效率。

這些只是一些消費行業的例子。事實上，近十幾年以來，在全球的各個領域，使用AI作為輔助工具，已經是一種行業發展的必然趨勢，也是一種默認選擇。

比如，在美國，貸款機構已經開始利用AI來決定是否放款。他們會利用一套復雜的算法，依據客戶的消費、債務和其他數據，最終得出客戶的「信用評分」，并根據信用評分判斷是否批準貸款、批準多少額度的貸款。

在英國，已經有許多地方議會開始利用AI進行社會保障決策。據《衛報》2020年的一項調查，在英國的229家地方議會中，約有100家使用AI來輔助決策，包括決定是否通過福利申請和提供社會保障。

國外的許多公司也開始用AI來進行招聘。從簡歷篩選、職位匹配，到對面試者進行打分和心理評估，節省了大量的人力。

在心理、醫療和健康行業，AI也得到了大量的應用。比如，能夠跟你對話并引導你進行心理干預的AI，能夠結合患者的數據量身制定治療方案的AI，能夠輔助醫生進行診斷和提供治療建議的AI……盡管還未實現大規模普及，但已經有了不少卓有成效的嘗試。

我們都知道能夠偽造視頻和音頻的Deepfake技術，許多人都對其憂心忡忡，但加以規范利用和引導，它也可以發展出正向的應用。比如，目前有一個研究方向，是用AI模擬出逝去的親人，跟我們進行對話。盡管目前只能實現簡單的動態，但假以時日，像《黑鏡》里面的景象，很可能成為現實。

更有名的可能是GPT-3。GPT是一款非常出色的文本AI引擎，2020年發布的GPT-3，擁有1750億個參數，可以「創作」出足以以假亂真的各種文字，包括小說、新聞、報告、散文……

它的應用空間也極其廣闊。比如：游戲公司可以用它生成真正隨機的、完全不同的游戲對白；小說和劇本創作者可以用它來幫助尋找靈感；媒體可以用它來快速生成新聞報道；各類服務提供商可以基于它開發各種各樣的聊天機器人；文學研究者可以用它來進行文本分析……諸如此類。

那么，它摧毀傳媒行業了嗎？其實也沒有。相反，它的存在，使得傳媒和創意行業的可能性被極大地拓展了，未來的發展空間無比廣闊。許多過去難以實現的效果，都變成了可能。

總而言之，不管各行各業的人怎么看待AI，AI的到來已經是一種無可爭辯的事實。與其捂上眼睛去詆毀它、漠視它、恐懼它，不如想辦法去迎接它，并利用它去提高自己的效率，實現人力難以企及的突破。這可能是一種更好的心態。

未來并不遙遠，很可能已經在我們身邊。

03

不過，要注意的是，上面所說的AI，都停留在工具的層面，也就是「弱人工智能」。本質上來說，它們只是一段對信息進行加工處理的程序。我們喂給它們一堆數據，它們再根據規則吐出我們想要的結果，僅此而已。跟我們所理解的「人工智能」有著天壤之別。

如果我們把科幻片里的人工智能 —— 那種有意識、有人格、有自己的「思想」，能夠「理解」自己在做什么的強人工智能，看作100%的形態的話，那么目前的AI，可能只是不到1%。

換句話說，如果強人工智能可以看作生命的話，那么目前我們實現的弱人工智能，最多可能只是一個氨基酸。

這也說明，目前的AI只是一個極其初級的形態，它的成長空間幾乎是無限的。實際上，現階段的AI翻譯引擎，比起幾年前的版本，質量好了不止一個檔次；同樣是擴散模型，Stable Diffusion比起年初的Disco Diffusion，也好了不止一個檔次。

那么，弱人工智能跟強人工智能的分野究竟在哪里呢？我們有沒有可能對AI進行不斷的優化和提升，使之最終能夠達到強人工智能的程度？如果能夠實現的話，到時的世界會變成什么樣子？

以下是我的理解和思考，不一定對，僅供參考。

我們知道：目前所有的AI，不管是什么領域、采用什么模型，它們的本質都可以大致歸納為三步：訓練，預測，反饋。

首先，我們需要喂給AI大量的數據，告訴它「我們希望它學到什么」，讓它從這些數據里面提煉出特定的模式。這就叫做訓練，這些數據就叫做訓練集。

從訓練集中提取出模式和特征之后，AI就可以根據這些模式，基于不同的場景，去「預測」在這個場景下會出現什么、應該如何應對。這就是AI能夠產生的結果。

最后，就是對AI所產生的結果提供反饋，告訴AI它做得好不好、對不對，從而讓它不斷進行自我修正、自我提升，最終能夠產出更好的成果。

一個常見的例子就是生成對抗網絡（GAN）。它包含一個生成網絡和一個對抗網絡。用繪畫來打比方：生成網絡的任務，就是我們給它一堆訓練集，比如說某個畫家的許多幅畫作，讓它努力地學習畫家的風格，然后想辦法創作出一幅以假亂真的畫。

而對抗網絡的任務，就是努力去挑生成網絡的刺，把它創作的畫從真畫中區分出來。通過這樣的「左右互搏」，AI就能夠不斷自我提升，最終達到真正以假亂真的效果。

但是，目前所有的AI都存在一個問題：它們所有的訓練集來源，都來源于數碼信息。換句話說，它們相當于「活」在數碼空間里面，跟我們所處的現實物理空間是沒有任何交集的。因此，它們永遠沒有辦法真正「理解」所得到的數據，而只能按照自己從數碼空間得到的規律去生硬地「套用」在信息上面，完成我們要求的任務。

一個經典的例子是「莫拉維克悖論」：盡管AI可以做到許多人腦無法實現的事情，比如在一秒內完成上千萬次運算、處理上百萬條數據、做出極其復雜的決策，但是一些對人類來講極其簡單的任務，比如用眼睛區分兩個杯子，在一個房間里自由行走，或者理解一段對話的上下文，對它們來說卻難如登天。

為什么會這樣呢？因為，數碼世界是沒有辦法自發地產生數據，構建出一個完整的、自洽的世界的，它的一切數據，都來源于現實世界的「投射」。也就是說，它只是現實世界的一個「降維」的投影而已。因此，「活」在低維度世界的AI，只能理解我們輸入給它、為它制定的規則，是不可能真正理解高維度的世界的。

打個比方：就像一部小說里的角色，哪怕寫得再生動、再鮮明，他也不可能真正活過來，理解小說之外的現實世界。同樣，目前的AI，只能是一種工具，它不可能具備真正意義上的意識、人格和「生命」。

04

人工智能哲學界有一個經典的問題，叫做「框架問題」。丹尼爾·丹尼特是這樣表述它的：

假設現在有一個洞穴，洞穴里有一塊電池，洞穴外有一個機器人，快沒電了，機器人必須拿到這塊電池。但與此同時，電池綁著一顆炸彈，觸動電池就會引發炸彈。

機器人1號：被下達指令「拿出電池」。但拿出電池的同時，它也被炸毀了。因為它不知道觸動電池同時會引發炸彈。

機器人2號：下達指令「做一件事時，必須考慮它是否會導致其他事件的發生」。于是，機器人2號一直在思考：當我拿動電池時，墻壁會變色嗎？天花板會塌下來嗎？等等。最終沒電了。

機器人3號：下達指令「只考慮跟任務相關的事，不考慮不相關的事」。于是，機器人3號一直在思考：哪些是跟任務相關的，哪些是不相關的？墻壁相關嗎？天花板相關嗎？于是也沒電了。

簡而言之：對于AI來說，讓它知道「應該在一個什么樣的框架內去考慮問題」是非常困難的 —— 盡管這對人類來說毫無難度。

那么，為什么AI存在框架問題，而人類就沒有這個問題呢？

我們不妨想一想：我們是如何知道「當我拿動電池時，天花板不會塌下來」的？是因為我們看到了這條規則嗎？不是的。是因為我們知道：天花板是一個穩定的結構。一般來說，如果沒有外力對它進行作用，它是不會變化的。

那么，我們又是如何知道「天花板是一個穩定的結構」的？是有人教給我們這條規則嗎？也不是。是因為我們在成長的過程中，我們看到過非常多次的天花板，我們從生活經驗中學習到天花板的特性，知道它不會輕易地塌下來，于是我們的大腦自發地從這些經驗中提煉出了這條規則。

許許多多這樣的規則組合起來，就形成了我們對這個世界的認知，也形成了我們思考問題、考慮問題的「框架」。

但AI是沒有這些「生活經驗」的。它們的所有信息來源，只有現實世界投射到數碼世界的信息。因此，對它們來說，所有的信息本質上都是一堆數字，它們無法把這對數字還原成規則和框架。

我們在生活中看見過無數次的人臉，那么不需要別人教我們，我們也會知道人的臉有五官、大致的比例是什么。但AI沒有這些經驗。對它來說，「人臉」也只是一堆數字而已，只不過這些數字經常一起出現，似乎存在某種特定的規律 —— 這就是AI眼中的世界。

再比如，看到「落霞與孤鶩齊飛，秋水共長天一色」，會讓我們產生各種各樣的想象，體驗到審美的愉悅感；但在AI眼中，這14個字只是一堆數據，無法產生任何聯想，因此并不存在任何「意義」和「美感」。

所以，要想讓AI能夠真正理解現實世界，也許只有兩種方式。要么，是找到一種方法，可以更加有效地傳達給它關于現實世界的種種規則和「隱性知識」，讓AI具備跟人類相似的思維基礎；要么，是讓AI模仿人類的成長過程，直接從現實世界中學習規則，構造關于現實世界的各種表征。

后者現在也開始有研究人員在探索了。今年發表在《Nature》上的一篇研究講到：他們基于發展心理學設計出了一款機器人，可以像人類嬰兒一樣學習簡單的物理規律。這個機器人在學習后，當看到不符合物理規律的畫面時，會呈現出「驚訝」的反應 —— 這或許是一條可行的道路。

那么，AI有沒有可能發展出真正的強人工智能？如果到了那一天，這個世界會變成什么樣子？

說實話，我也不知道。如果AI真的能夠彌補這一空缺，真正像人類一樣思考和學習（或者起碼「看起來」像），那么，理論上來說，似乎沒有什么是無法實現的。到時的世界，也許會變得完全不一樣。

盡管從目前看，這一天似乎還要很久。

05

最后，聊一個有趣的問題：AI會有意識嗎？如果我們真的面對著一臺宣稱它具備了意識的AI，我們如何判斷它是否具備意識呢？

圖靈測試嗎？顯然不行。圖靈測試測的是智能，而非意識。

意識是什么？是能夠體驗和感知到自身存在的一種狀態。一個有意識的個體，它能夠體驗到自身的存在，能夠有主觀的感受（我們稱之為感質，qualia），而不是只是對輸入信息做出固定的、程式化的響應。

哲學家 Susan Schneider 提出過一個很有意思的「人工智能意識測試」。她認為：如果一臺機器具備意識，能夠體驗到自我的存在，那么它一定也能產生跟意識相關的其他想法和感受，比如：靈魂，輪回，自我，等等。

一個簡單的類推：我們每個人一定都曾經有過類似的想法：我是誰？為什么我會是「我」，而不是其他任何人？藏在「我」身體里，構成我的種種想法、念頭和主觀感受的那個東西是什么，在哪里？諸如此類。

Susan Schneider 認為，這是有意識的生物所必然會經歷的困惑和思考。一個對象有了意識，意識到自己的存在，必然會對這種存在感到好奇，進而去探尋和思考這種存在的本質。

因此，「人工智能意識測試」的步驟如下：

阻止人工智能去學習關于意識、心靈、存在等相關的哲學和科學知識。

跟它正常交流，聊聊意識、心靈、存在……看它能不能流暢地、自然地進行回答。

如果能，那可能意味著人工智能自發地產生了對這些話題的理解和體驗。這種體驗來自哪里呢？既然沒有外在信息的輸入，那只能是來自于它自身所產生的意識體驗了。

當然，讓AI產生意識的難度，可能比產生強人工智能的難度還高。

我無比期待這一天的到來，又無比擔憂這一天的到來。