AI 已經橫掃了棋牌比賽，他們用人無法想像的招數打敗成名已久的棋手，重挫鋒芒畢露的天才。

就連唯一打敗過 AlphaGo 的李世石在退役時也感慨一切已不復當年。「隨著 AI 在圍棋遊戲中的亮相，我已經意識到，即使我通過瘋狂的努力成為了第一名，我也並沒有位居榜首。」

AI 從某種程度上摧毀了這些成名選手的信心，但這並不能代表它們已經足夠聰明。

在 Google 軟體工程師 Francois Chollet 看來，AI 贏了比賽的成就並不是一個衡量智力的好標準。就像是你 5 歲的小侄女特別擅長玩樂高，她在樂高的拼接速度上甚至超過了你，但這並不能證明你侄女在其他領域都比你聰明。

在最近發表的論文《論智力的衡量》中，Chollet 提出的新觀點是人工智慧世界需要重新關注什麼是智力，什麼不是。Chollet 認為研究人員若想在通用人工智慧方面取得進展，他們需要超越視頻遊戲和棋牌比賽等現在流行的判斷標準，去思考那些實際上讓人類變得聰明的技能，比如概括和適應能力。

在人工智慧領域，有兩個不同的智慧概念。其中一種智慧是指能勝任多工的能力，而另一種則優先考慮適應性和泛化能力，即人工智慧應對新挑戰的表現能力。

在最早的 30 年，前者明顯更具影響力，即智力是一套靜態程式和一個明確的知識庫。而人工智慧社區中關於概念化智慧的討論則只獲得了極少的關注度。

Chollet 認為現在的研究人員應該認識到這一點，所有人只針對一個方向的研究並不是一件好事。在一個尚充滿未知的領域，這種觀念限制了研究人員發揮的空間。

AI 需要一個更好的智慧定義，而非一個靜態測試

在靜態測試中，一旦你選擇了一個衡量標準，你就會採取任何可能的捷徑來「玩弄」它。例如，如果你把下國際象棋作為衡量智力的標準 (我們從上世紀 70 年代開始，一直到 90 年代都以此為標準)，你最終會得到一個下國際象棋的系統，僅此而已。

沒理由認為它對其他任何事都有好處，這並不能教會你關於人類智慧的任何東西。如今在 Dota 或星際爭霸等電子遊戲中的人工智慧也陷入了同樣的智力陷阱。

對於我們人而言，一個人技能的精通程度和智力是息息相關的。頂尖的程式師絕不是只會寫程式碼，優秀的作家在藝術其他領域也頗有造詣，我們也會認為擅長圍棋的人就是聰明的人。

人類的大腦可以因其智力而在某個特定任務的技能上表現出色，但這不是一種單一的技能。比如從小開始學習圍棋的孩子，他們不是只會下棋，他們同時也在學習數學、語言等基礎知識，圍棋之外可能還有程式設計、繪畫等愛好。這些孩子從零開始學習下棋，但他們不是專門「用來」下棋的，他們可以把這種學習能力引導到許多其他的任務中，學習其他內容，這就是通用性。

人工智慧的存在打我了我們原有的概念──擅長下棋的就是聰明的。人類在學習上的情況不適用於機器，人工智慧不是擬人化的。我們通用的智力可以用於特定的任務，但擅長特定任務的人不一定擁有通用的智力。一切是不可逆的。

在機器領域，只要您可以對單一任務進行無限的資料取樣，花費更多資源進行深度學習。那在單一領域你就可以很出色，人工智慧就可以在任意任務中獲得任意技能。

但這也不會讓你更接近一般智力。

在任何任務中，獲得高技能都不是智力的指標。除非這個任務實際上是一個元任務。

文章轉載自愛范兒

圖/Photo by JESHOOTS.COM on Unsplash

圍棋 AlphaGo 人工智慧

延伸閱讀News

更多活動

AI未來

延伸閱讀News

研之有物-在「乾」的實驗室，找出飲食如何讓人生病

人工智慧正顛覆傳統戰爭，AI軍備競賽已經展開

2019蘋果WWDC iOS13、iPadOS等七大亮點一次看懂

波士頓科技公司打造網紅機器人

Netflix資料科學家利用上百部愛情片，想教AI認識「親吻」

貓皇別調皮 AI識別器將捕捉獵物的貓咪擋在門外

深度學習下一階段：神經架構自學習，帶來最優電腦視覺模型

僅憑情節概要，AI便可預估一部電影能否成功

圖靈機到人工智慧，誰讓電腦強大？是數學！

AI未來

延伸閱讀News

研之有物-在「乾」的實驗室，找出飲食如何讓人生病

人工智慧正顛覆傳統戰爭，AI軍備競賽已經展開

2019蘋果WWDC iOS13、iPadOS等七大亮點一次看懂

波士頓科技公司 打造網紅機器人

Netflix資料科學家利用上百部愛情片，想教AI認識「親吻」

貓皇別調皮 AI識別器將捕捉獵物的貓咪擋在門外

深度學習下一階段：神經架構自學習，帶來最優電腦視覺模型

僅憑情節概要，AI便可預估一部電影能否成功

圖靈機到人工智慧，誰讓電腦強大？是數學！

波士頓科技公司打造網紅機器人