文/王垠

　　有人聽說我想創業，給我提出了一些“忽悠”的辦法。他們說，既然你是程式語言專家，而現在人工智慧（AI）又非常熱，那你其實可以搞一個“自動程式設計系統”，號稱可以自動生成程式，取代程式設計師的工作，節省許許多多的人力支出，這樣就可以趁著“AI 熱”拉到投資。

　　有人甚至把名字都給我想好了，叫“深度程式設計師”（DeepCoder = Deep Learning + Coder）。口號是：“有了 DeepCoder，不用 Top Coder！” 還有人給我指出了這方向最新的，吹得神乎其神的研究，比如微軟的 Robust Fill……

　　我謝謝這些人的關心，然而其實我並不在乎，也不看好人工智慧。現在我簡單的講一下我的看法。

　　機器一樣的心

　　很多人喜歡鼓吹人工智慧，自動車，機器人等技術，然而如果你仔細觀察，就會發現這些人不但不理解人類智慧是什麼，不理解人工智慧有什麼侷限性，而且這些“AI 狂人”們的心，已經嚴重的機械化了。他們或多或少的失去了人性，彷彿忘記了自己是一個人，忘記了人最需要的是什麼，忘記了人的價值。這些人就像卓別林在『大獨裁者』最後的演講裡指出的：“機器一樣的人，機器一樣的心。”

　　每當提到 AI，這些人必然野心勃勃地號稱要“取代人類的工作”，“節省勞動力開銷”。暫且不討論這些目標能否實現，它們與我的價值觀，從一開頭就是完全矛盾的。一個偉大的公司，應該為社會創造實在的，新的價值，而不是想方設法“節省”什麼勞動力開銷，讓人失業！想一下都覺得可怕，我創造一個公司，它最大的貢獻就是讓成千上萬的人失業，為貪得無厭的人節省“勞動力開銷”，讓貧富分化加劇，讓權力集中到極少數人手裡，最後導致民不聊生，導致社會的荒蕪甚至崩潰……

　　我不可想象生活在那樣一個世界，就算那將使我成為世界上最有錢的人，也沒有了意義。世界上有太多錢買不來的東西。如果走在大街上，我看不到人們幸福的笑容，悠閒的步伐，沒有親切的問候，關愛和幽默感，看不見甜蜜浪漫的愛情，反而看見遍地痛不欲生的無家可歸者，鼻孔裡鑽進來他們留下的沖人的尿騷味，走到哪裡都怕有人搶劫，因為人們實在活不下去了，除了偷和搶，沒有別的辦法活……

　　如果人工智慧成功的話，這也許就是最後的結果。幸運的是，有充足的證據顯示，人工智慧是永遠不會成功的。

　　我的人工智慧夢

　　很多人可能不知道，我也曾經是一個“AI 狂熱者”。我也曾經為人工智慧瘋狂，把它作為自己的“偉大理想”。我也曾經張口閉口拿“人類”說事，彷彿機器是可以跟人類相提並論，甚至高於人類的。當深藍電腦戰勝卡斯帕羅夫，我也曾經感嘆：“啊，我們人類完蛋了！” 我也曾經以為，有了“邏輯”和“學習”這兩個法（kou）寶（hao），機器總有一天會超越人類的智慧。可是我沒有想清楚這具體要怎麼實現，也沒有想清楚實現了它到底有什麼意義。

　　故事要從十多年前講起，那時候人工智慧正處於它的冬天。在清華大學的圖書館，我偶然地發現了一本塵封已久的 Peter Norvig 的大作『Paradigms of Artificial Intelligence Programming』（PAIP）。像個考古學家一樣，我開始逐一地琢磨和實現其中的各種經典 AI 演算法。PAIP 的演算法側重於邏輯和推理，因為在它的年代，很多 AI 研究者都以為人類的智慧，歸根結底就是邏輯推理。他們天真地以為，有了謂詞邏輯，一階邏輯這些東西，可以表達“因為所以不但而且存在所有”，機器就可以擁有智慧。於是他們設計了各種基於邏輯的演算法，專家系統（expert system），甚至設計了基於邏輯的程式語言 Prolog，把它叫做“第五代程式語言”。最後，他們遇到了無法逾越的障礙，眾多的 AI 公司無法實現他們誇口的目標，各種基於“神經元”的機器無法解決實際的問題，鉅額的政府和民間投資化為泡影，人工智慧進入了冬天。

　　我就是在那樣一個冬天遇到了 PAIP，它雖然沒能讓我投身於人工智慧領域，卻讓我迷上了 Lisp 和程式語言。也是因為這本書，我第一次輕鬆而有章法的實現了 A* 等演算法，並且理解到裡面的真諦。也是因為 PAIP，我第一次理解到了程式的“模組化”是什麼，我開始在自己的程式裡使用小的“工具函式”，而不再擔心很多人憂心忡忡的“函式呼叫開銷”。PAIP 和 SICP 這兩本書，最後導致了我投身於程式語言領域，並且有幸獲得這個領域鼻祖們的指點。

　　在 PAIP 之後，我又迷了一陣子機器學習（machine learning），因為有人告訴我，機器學習是人工智慧的新篇章。然而我逐漸的意識到，所謂的人工智慧和機器學習，跟真正的人類智慧，關係其實不大。相對於實際的問題，PAIP 裡面的經典演算法其實相當幼稚，複雜度很高，根本不可能解決大規模的實際問題。最重要的問題是，我看不出 PAIP 裡面的演算法跟“智慧”有任何關係。而“機器學習”這個名字，完全就是一個幌子。很多人都看出來了，機器學習說白了就是統計學裡面的“擬合函式”，換了一個具有迷惑性的名字而已。

　　嚇人的外衣之下

　　人工智慧的研究者們總是喜歡擡出“神經元”一類的名詞來嚇人，跟你說他們的演算法是受了人腦神經元工作原理的啟發。注意了，“啟發”是一個非常模稜兩可的詞，由一個東西啟發得來的結果，可以跟這個東西毫不相干。比如我也可以說，Yin 語言的設計是受了九陰真經的啟發 :P

　　世界上這麼多 AI 研究者，有幾個真的研究過人腦，解刨過人腦，拿它做過實驗，或者讀過腦科學的研究成果？最後你發現，幾乎沒有 AI 研究者真正做過人腦或者認知科學的研究。著名的認知科學家 Douglas Hofstadter 早就在接受採訪時指出，這幫所謂“AI 專家”，對人腦和意識（mind）是怎麼工作的，其實完全不感興趣，也從來沒有深入研究過，卻號稱要實現“通用人工智慧”（Artificial General Intelligence, AGI），這就是為什麼 AI 直到今天都只是一個虛無的夢想。

　　縱觀歷史上機器學習能夠做到的事情，都是一些字元識別（OCR），語音識別，人臉識別一類的，我把這些統稱為“識別系統”。當然，識別系統是很有價值的，我經常用手機上的語音輸入法，人臉識別對於警察和間諜機關，顯然意義重大。雖然很重要，識別系統跟真正的“智慧”，卻相去非常遠，而且這些識別系統的普及，導致了人工智慧的能力被嚴重的神化。說白了，這些識別系統，也就是統計學的擬合函式能做的事情：輸出一堆畫素或者音訊，輸出一個個的單詞文字。很多人分不清“文字識別”和“語言理解”的區別。OCR 和語音識別系統，雖然能依靠統計的方法，知道你說的是哪些字，卻不能真正理解你在說什麼。

　　聊一點深入的話題，看不懂的人可以跳過這一段。“識別”和“理解”的差別，就像程式語言裡面“語法”和“語義”的差別。程式語言的文字，首先要經過詞法分析器（lexer），語法分析器（parser），才能送進直譯器（interpreter），只有直譯器才能實現程式的語義。類比一下，自然語言的語音識別系統，其實只相當於程式語言的詞法分析器（lexer）。大部分的 AI 系統，連語法分析器（parser）都沒有，所以主謂賓，句子結構都分析不清楚，更不要說理解其中的含義了。IBM 的語音識別專家 Frederick Jelinek 曾經開玩笑說：“每當我開掉一個語言學家，識別率就上升了。” 其原因就是語音識別僅相當於一個 lexer，而語言學家研究的是 parser 以及 interpreter。當然了，你們乾的事情太初級了，所以語言學家幫不了你們，但這並不等於語言學家是沒有價值的。

　　各大公司最近叫得最響亮的“AI 技術”，就是 Siri，Cortana，Google Assistant，Amazon Echo 一類含有語音識別功能的工具，叫做“個人助手”。這些東西里面，到底有多少可以叫做“智慧”的東西，我想用過的人都應該明白。我每一次試用 Siri 都被它的愚蠢所折服，可以讓你著急得砸了水果手機。那另外幾個同類，也沒有好到哪裡去。很多人被“微軟小冰”忽悠過，咋一看真能理解你說的話，然而聊一會你就發現，小冰不過是一個“網路句子搜尋引擎”而已。它只是按照你句子裡的關鍵字，隨機搜出網上已有的句子。大部分這類句子出自問答類網站，比如百度知道，知乎，等等。一個很簡單的實驗，就是反覆傳送同一個詞給小冰，比如“智慧”，看它返回什麼內容，然後拿這個內容到 Google 或者百度搜索，你就會找到那個句子真正的出處。人都喜歡自欺欺人，看到幾個句子回答得挺有“詩意”，就以為它是在跟你對話，而其實它是牛頭不對馬嘴，所以你才感覺有“詩意”。大部分人跟小冰對話，都喜歡只把其中“符合邏輯”的部分截圖下來，然後驚呼：“哇，小冰好有趣！” 他們沒有告訴你的是，沒貼出來的對話，幾乎全都是雞同鴨講。

　　我並不是說這些產品完全沒有價值。我用過 Siri 和 Google Assistant，我發現它們還是有用的，特別是在開車的時候。因為開車時操作手機容易出事，所以我可以利用語音控制。比如我可以對手機說：“導航到最近的加油站。” 然而實現這種語音控制，根本不需要理解語言，你只需要用語音識別輸入一個函式呼叫：導航（加油站）。個人助手在其它時候用處都不大。我不想在家裡和公共場所使用它們，原因很簡單：我懶得說話，或者不方便說話。點選幾下螢幕，我就可以精確地做到我想要的事情，這比說話省力很多，也精確很多。個人助手完全不理解你在說什麼，這種侷限性本來無可厚非，然而各大公司卻拿這些個人助手來煽風點火，各種誇大，閉口不提他們的侷限性，讓外行們以為人工智慧就快實現了，這就是為什麼我必須鄙視一下他們。

　　由於有了這些“個人助手”，有些人就號稱類似的技術可以用來製造“機器客服”，使用機器代替人作為客服。他們沒有想清楚的是，客服看似“簡單工作”，跟這些語音控制的玩意比起來，難度卻是天壤之別。客服必須理解公司的業務，必須能夠精確地理解客戶在說什麼，必須形成真正的對話，要能夠為客戶解決真正的問題，而不能只抓住一些關鍵字進行隨機回覆。另外，客服必須能夠從對話資訊，引發現實世界的改變，比如呼叫配送中心停止發貨，向上級請求滿足客戶的特殊要求，拿出退貨政策跟客戶辯論，拒絕他們的退貨要求，抓住客戶心理，向他們推銷新服務等等，各種需要“人類經驗”才能處理的事情。所以機器能不但要能夠形成真正的對話，理解客戶的話，它們還需要現實世界的大量經驗，需要改變現實世界的能力，才可能做客服的工作。由於這些個人助手全都是在忽悠，所以我看不到有任何希望，能夠利用現有的技術實現機器客服。

　　很多人看到 AlphaGo 的勝利，以為所謂 Deep Learning 終究有一天能夠實現人類級別的智慧。在之前的一篇文章裡，我已經指出了這是一個誤區。很多人以為人覺得困難的事情（比如圍棋），就是體現真正人類智慧的地方，其實不是那樣的。我問你，心算除法（23423451345 / 729）難不難？這對於人是很難的，然而任何一個傻電腦，都可以在 0.1 秒之內把它算出來。圍棋，國際象棋之類也是一樣的原理。這些機械化的問題，根本不能反應真正的人類智慧，它們只需要蠻力。

　　縱觀人工智慧領域發明過的嚇人術語，從 Artificial Intelligence 到 Artificial General Intelligence，從 Machine Learning 到 Deep Learning，…… 我總結出這樣一個規律：人工智慧的研究者們特別喜歡製造嚇人的名詞，當人們對一個名詞失去信心，他們就會提出一個不大一樣的，新的名詞，免得人們把對這個名詞的失望，轉移到新的研究上面。然而這些名詞之間，終究是換湯不換藥。因為沒有人真的知道人的智慧是什麼，所以也就沒有辦法實現“人工智慧”。

　　生活中的每一天，我這個“前 AI 狂熱者”都在為“人類智慧”顯示出來的超凡能力而感到折服。甚至不需要是人，任何高等動物（比如貓）的能力，都讓我感到敬畏。我發自內心的尊重人和動物。我不再有資格拿“人類”來說事，因為面對這個詞彙，任何機器都是如此的渺小。

　　自動程式設計是不可能的

　　現在回到有些人最開頭的提議，實現自動程式設計系統。我現在可以很簡單的告訴你，那是不可能實現的。微軟的 Robust Fill 之類，全都是在扯淡。我對微軟最近乘著 AI 熱，各種煽風點火的做法，表示少許鄙視。不過微軟的研究員也許知道這些東西的侷限，只是國內小編在誇大它的功效吧。

　　你仔細看看他們舉出的例子，就知道那是一個玩具問題。人給出少量例子，想要電腦完全正確的猜出他想做什麼，那顯然是不可能的。很簡單的原因，例子不可能包含足夠的資訊，精確地表達人想要什麼。最最簡單的變換也許可以，然而只要多出那麼一點點例外情況，你就完全沒法猜出來他想幹什麼。就連人看到這些例子，都不知道另一個人想幹什麼，機器又如何知道？這根本就是想實現“讀心術”。甚至人自己都可以是糊塗的，他根本不知道自己想幹什麼，機器又怎麼猜得出來？所以這比讀心術還要難！

　　對於如此弱智的問題，都不能 100% 正確的解決，遇到稍微有點邏輯的事情，就更沒有希望了。論文最後還“高瞻遠矚”一下，提到要把這作法擴充套件到有“控制流”的情況，完全就是瞎扯。所以 RobustFill 所能做的，也就是讓這種極其弱智的玩具問題，達到“接近 92% 的準確率”而已了。另外，這個 92% 是用什麼標準算出來的，也很值得懷疑。

　　任何一個負責的程式語言專家都會告訴你，自動生成程式是根本不可能的事情。因為“讀心術”是不可能實現的，所以要機器做事，人必須至少告訴機器自己“想要什麼”，然而表達這個“想要什麼”的難度，其實跟程式設計幾乎是一樣的。實際上程式設計師工作的本質，不就是在告訴電腦自己想要它幹什麼嗎？最困難的工作（資料結構，演算法，資料庫系統）已經被固化到了庫程式碼裡面，然而表達“想要幹什麼”這個任務，是永遠無法自動完成的，因為只有程式設計師自己才知道他想要什麼，甚至他自己都要想很久，才知道自己想要什麼……

　　有句話說得好：程式設計不過是一門失傳的藝術的別名，這門藝術的名字叫做“思考”。沒有任何機器可以代替人的思考，所以程式設計師是一種不可被機器取代的工作。雖然好的程式設計工具可以讓程式設計師工作更加舒心和高效，任何試圖取代程式設計師工作，節省程式設計勞力開銷，剋扣程式設計師待遇，試圖把他們變成“可替換原件”的做法（比如 Agile，TDD），最終都會倒戈，使得僱主收到適得其反的後果。同樣的原理也適用於其它的創造性工作：廚師，髮型師，畫家，……

　　所以別妄想自動程式設計了。節省程式設計師開銷唯一的辦法，是邀請優秀的程式設計師，尊重他們，給他們好的待遇，讓他們開心安逸的生活和工作。同時，開掉那些滿口“Agile”，“Scrum”，“TDD”，“軟體工程”，光說不做的扯淡管理者，他們才是真正浪費公司資源，降低開發效率和軟體質量的禍根。

　　傻機器的價值

　　我不反對繼續研究人工智慧，投資人工智慧，然而我覺得不應該過度誇大它的用處，把注意力過分集中在它上面，彷彿那是唯一可以做的事情。我的個人興趣，其實不在人工智慧上面。那我要怎麼創業呢？很簡單，我覺得大部分人其實不需要很“智慧”的機器，“傻機器”才是對人最有價值的。所以設計新的，可靠的，造福於人的傻機器，應該是我創業的目標。當然我這裡所謂的“機器”，包括了硬體和軟體。

　　只舉一個例子，有些 AI 公司想研製“機器傭人”，可以自動打掃衛生做家務。我覺得這問題幾乎不可能解決，還不如直接請真正智慧的——阿姨來幫忙。我可以做一個阿姨服務平臺，方便需要服務的家庭和阿姨進行配對。給阿姨配備更好的工具，通訊，日程，支付設施，讓她工作不累收錢又方便，讓家庭也省心放心，那豈不是兩全其美？哪裡需要什麼智慧機器人，難度又高，又貴又不好用。顯然這樣的阿姨服務平臺，結合真正的人的智慧，輕而易舉就可以讓那些機器傭人公司死在萌芽之中。

　　當然我不會真去做個阿姨服務平臺，我只是舉個例子。許許多多對人有用的傻機器，還在等著我們去發明。這些機器設計起來雖然需要靈機一動，然而實現起來難度卻不高，給人帶來便利，經濟上見效也快。這些東西不對人的工作造成競爭，反而可能製造更多的就業機會，可以說是利國利民。利用人的智慧，加上機器的蠻力，讓人們又省力又能掙錢，才是最合理的發展方向。

https://news.cnblogs.com/n/568072/