人工智能，一个新的夏天

机器能够学习和思维，在与人的智力较量中获胜？

记者 / 曹玲 王玄

新一轮硅谷“军备竞赛”

在小型游戏机和卡带游戏的年代，很多人都玩过美国雅达利公司开发的打砖游戏（Breakout）或者它的变体。游戏开始时，画面显示8排4种不同颜色的砖块，玩家控制一块平台左右移动以反弹一个球，球碰到砖块时砖块消失，球反弹回来，玩家用平台接住球，球继续反弹撞掉砖块……如此反复，直到打掉所有的砖块。我还记得初玩时无人指导，玩着玩着忽然发现两边的方块打掉之后，如果球不经意弹到了墙后，顶部的砖会被打掉一片，于是便会乐此不疲地把球通过空隙打到最高处，以期尽快闯关，尽管不是每次都能成功。

当我第一次看到Deep Mind团队公布的视频时，不禁感到吃惊。这家位于英国伦敦的公司开发了一个名为“深Q-网络”智能机器人，就像小时候的你我一样，它打开的是一个陌生的程序，没有人告诉它游戏规则，只给它提供了控制器、显示器和游戏得分，需要自己去理解游戏的运行规则，需要建立自己的学习体系。

一开始，“深Q-网络”与我们同样糟糕，但玩过200次游戏后，它可以大致理解这个游戏的规则；经过600次的学习之后，它比绝大部分人类玩得要好，它找到了最佳的打砖方式，打开一条通道，然后把球不停地打到墙后去，而且是每次都能打到墙后。而这一切，都是它自己学会的。所以当2013年12月Deep Mind的团队首次展现他们靠不断试错学习最后成为击败人类专业玩家的游戏高手“深Q-网络”时，许多在场的人工智能专家也感到有些震惊。

“深Q-网络”完全靠自学而不是编码学会了玩49种“80后”所熟知的雅达利视频游戏，其中43种游戏玩得比之前的计算机都好，并在23种游戏中击败了人类的职业玩家。这些游戏当中，玩得最好的是简单的弹球和拳击游戏，弹球游戏较专业人类玩家高出20倍。

人工智能公司Deep Mind 联合创始人戴密斯·哈萨比斯

Deep Mind在今年2月的《自然》杂志上公布了自己的研究成果，杂志的封面是《能玩多种游戏的智能机器》。封面介绍中写道：“一个人工智能机器人要被认为是真正有智能的，它就需要在被认为对人类有挑战性的各种不同任务上都表现出色。迄今为止，我们只有可能创造能够掌握某一领域技能的个别算法。比如说，IBM公司的‘深蓝’虽然在下象棋上战胜了人类世界冠军，但却不能做其他任何事情……这种玩游戏的智能机器人，使得人工智能朝着实现从头学习各种具有挑战性的不同任务的目标，更近了一步。”

Deep Mind联合创始人戴密斯·哈萨比斯（Demis Hassabis）介绍，“深Q-网络”只看到了最原始的视觉输入，也就是电子游戏屏幕上的像素点阵图像，并可以随机触摸按钮，观察游戏的反应，“就像是婴儿睁眼看世界”。

他们的成功一方面得益于计算能力的提高，使得人工智能可处理规模要大得多的数据集，观察雅达利游戏相当于每秒处理200万像素的数据，另一方面则是得益于Deep Mind将深度学习与一种名为“强化学习”的技术融为一体，后者的灵感来自斯金纳（B.F.Skinner）等动物心理学家的研究成果。这种结合催生了一种能够通过采取行动，并搜集相关反馈进行学习的软件，这与人类和动物的常规行为模式非常相似。雅达利运行软件的学习过程需要一遍遍地重复过往的体验，并提取出最精确的线索，决定未来的动作。“从已知的信息来看，大脑就是这样工作的。当你睡觉时，海马体会向大脑皮层重复播放当天的记忆。”哈萨比斯说。

他表示，这套人工智能系统接下来的任务是学会玩上世纪90年代的3D游戏，他们希望通过逐步加大复杂度，最终将其应用到现实生活中。“如果这套系统能在赛车游戏中开车，那么经过一些调整，它有可能可以驾驶真正的汽车。”

在人工智能界，Deep Mind是一颗闪闪升起的新星。2014年初，它被谷歌以4亿美元收购的新闻上了各大媒体的头条。这家创立于2011年的高科技公司的投资人之一是埃伦·马斯克（Elon Musk），一位创建了特斯拉和太空探索公司，并且担任两家公司CEO的硅谷狂人。3年前，他向Deep Mind投资了650万美元。据哈萨比斯披露，有天凌晨4点，他们接到了与马斯克合作创办PayPal的卢克·诺斯克（Luke Nosek）的电话，当时卢克和谷歌创始人拉里·佩奇都在马斯克的私人飞机上。拉里问起人工智能方面的问题，马斯克说：“你应该去看看伦敦的这家公司。”在接下来的一年里，谷歌与Deep Mind的交流不断增多。在此过程中，脸书（Facebook）的创始人扎克伯格也对Deep Mind产生了兴趣，最终导致谈判进程加快。在两大科技公司的争夺战中，Deep Mind不仅抬高了收购价格，更重要的是，它通过交涉获得更好的条件，从而能够更好地实现自己的想法。

“Deep Mind在人工智能方面的研究，正是Google所缺乏的东西。”哈萨比斯说，“牵扯到人工智能的领域包罗万象，无论是医疗、气候、能源甚至宏观经济，只要是所有集成信息方面的领域全部都能用得上人工智能。这些数据的整合和应用，如果没有人工智能的介入是根本无法实现的。无论是一名杰出顶尖的科学家，又或一个顶尖的团队都没办法做到。我们需要机器学习和人工智能来帮助我们在这些领域获得研究突破。”

在他看来，如果想要获得最为强大的人工智能，那么学习如何将无序的信息有效利用起来是唯一的途径。这也称之为自主学习，也就是你只是给了它数据，它自己就会知道接下来该怎么做，自行分析其中有着怎样的结构，里面包含着哪些实质性的信息。“我们只对这样的人工智能感兴趣。”

在收购了14家人工智能以及机器人方面的公司之后，越来越多的人认为谷歌不仅仅是一家搜索引擎公司。创业初期，拉里·佩奇就认定谷歌是一家人工智能公司。佩奇在2002年曾说过：“我们不总是生产人们想要的东西，这才是我们工作的难点所在。要实现这个目标，你必须足够聪明，你要了解世界万物，你必须懂得去质疑。我们正在尝试的就是人工智能——最终搜索引擎会很聪明，因此，我们正在努力接近这个目标。”

在“图灵测试”被提出的时候，人类还没有发明互联网。科学家对机器的智力测试路径非常单一，严重依赖裁判者和被测试者的主观判断，而且只判断机器是否具备了人的智能，但机器与人类智慧的差距和变化速度并不能得到定量的分析。

有了互联网以后，“图灵测试”每天亿万次在搜索引擎上进行，每一次搜索，都是一次人机对话，是对机器的提问，而搜索引擎也通过大数据的积累变得越来越聪明，而成为一种代表性的机器智慧。

以前的科学幻想并没有把搜索引擎与人工智能相关联，搜索引擎被发明之初，人们对它也没有这种期待，它不过是一种互联网上的检索程序而已。随着计算机与互联网技术、云计算技术、大数据技术等的进步，科学家们却发现，搜索引擎通过不断学习可以具备一定的智商，而且智商会越来越高。

所以《连线》杂志首任主编凯文·凯利（Kevin Kelly）认为：“谷歌这样的公司正在用搜索技术来改善人工智能，而非用人工智能来改进搜索技术，它的每次搜索都是在改进人工智能技术。”

谷歌不仅将人工智能用于搜索，还用于广告系统、可穿戴技术（谷歌眼镜）、高空互联网广播气球、自动驾驶汽车、谷歌大脑，以及将纳米颗粒注入人体血管来进行早期疾病监测的计划中。创建谷歌大脑的华人科学家吴恩达说：“赢得人工智能就赢得了互联网。”

吴恩达是在2014年百度技术节上说的这话。去年5月，他被百度公司从谷歌挖走，担任首席科学家，负责百度研究院的领导工作，尤其是百度大脑计划。吴恩达的一个著名的深度学习实验就是让机器认识了“猫”这种动物：搭建一个1.6万台电脑组成的网络，向这个网络展示1000万段随机选取的视频。经过一段时间“学习”，该网络在没有外界干涉的条件下，自己认识到“猫”是一种怎样的动物，并成功找到了猫的照片，识别率为81.7%。去年，百度公布了研发已久的“百度大脑”项目，宣布该项目已能模拟人脑的200亿个神经元，达到两三岁孩童的智力水平。

这个领域的人才争夺战异常激烈，谷歌麾下还有机器学习领域的泰斗、多伦多大学的教授杰弗里·希尔顿（Geoffrey Hinton）；2013年底，脸书抢到了纽约大学的深度学习专家燕乐存（Yann LeCun），并斥巨资打造全球最大的人工智能实验室。这两个人加上吴恩达，被认为是目前人工智能领域三个顶尖科学家。

IBM在人工智能领域的投入也不容小觑，已向“沃森”（Watson）计算机系统投入了10亿美元，这个系统在美国最受欢迎的智力竞赛节目“危险边缘”上战胜人类对手赢得大奖。微软宣称依赖深度学习技术，该公司将语音识别的精度提高了30%，并在其后推出类Siri功能“小娜个人助理”。与此同时，进场的巨头和资金也越来越多，竞争进一步加剧，形成坊间所谓的“人工智能竞赛”，从业人员年薪高达30万美元以上。

人工智能领域的“后起之秀”Tempo AI公司的首席执行官拉杰·辛格（Raj Singh）表示：“在过去18个月内，每家风险投资公司都在人工智能、机器人或相关领域至少有一笔投资。”

据《连线》杂志报道,根据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅去年一年，就有322家拥有类似人工智能技术的公司获得了超过20亿美元的投资。脸书和谷歌也为其公司内部的人工智能研究小组招聘了研究员。自2013年以来，雅虎、英特尔、Dropbox、LinkedIn、Pinterest以及推特也都收购了人工智能公司。过去4年间，人工智能领域的民间投资以平均每年62%的增长速率增加，这一速率预计还会持续下去。甚至有人预计，人工智能即将开启一个万亿美元的市场，让现在火爆到极点的移动互联网也相形见绌。一些激进的观点认为，移动互联网，乃至即将到来的物联网，都只是人工智能革命的前奏。

所有这些和我们有什么关系呢？凯文·凯利写道：“人工智能的未来正进入我们的视野之中，它既非能力超凡的机器人，也非让未来学家心醉神迷的超人工智能。即将到来的人工智能颇似亚马逊的网络服务——廉价、可靠、工业级的数字智慧在一切事物的背后运行，偶尔在你的眼前闪烁几下，其他时候近乎无形。这一通用设施将提供你所需要的人工智能而不超出你的需要。”

2011年2月28日，德国柏林自由大学的人工智能团队成员丹尼尔演示利用人机接口操控汽车

“你记得《星际穿越》里Tars和Case两个机器人吗？”百度深度学习研究院副院长余凯问。“我觉得那个机器人对人工智能的诠释比较准确。它们四四方方，四平八稳，一点不花里胡哨。它们不害怕死亡，没有情感，非常冷静，对人的作用是互补的。在飞船失控，驾驶员要驾驶飞船和主飞船同步旋转时，它能计算转速，推动控制柄，使得飞船和主飞船同步，但最终还是靠人完成了对接任务。这个场景非常好地诠释了人擅长干什么、机器擅长干什么，二者互相配合，而非机器取代了人。”

在余凯看来，10年之内，人工智能会在医疗、自动驾驶和教育领域发挥很大的作用。“我并不看好10年内能实现无人驾驶，当然还是人来开车，但是车会做很多智能的判断，让开车更加安全、舒适和便捷。教育也并非取代教师，而是帮助教师因材施教。还有采矿业，这种不适合人类的职业，非常适合人工智能去做。”

“人工智能在互联网扮演的角色会越来越重，整个信息产业最重要的目的就是对信息做智能的处理，然后做预测和判断。10年之后的互联网跟今天的互联网肯定不是一个概念，它将无处不在，万物互联，一个台灯、一颗纽扣、一台照相机都是一个终端，家里每个设备都实现了智能交互，物联网可能会更接近那个形态。但是你能感受到它们的存在吗？比如你使用搜索引擎，你在电商那里买东西，你能感到搜索引擎和商品推介都在使用人工智能吗？将来你进入一辆汽车，汽车会根据你的身高自动调整座椅和后视镜，你会觉得这一切都很自然，没有任何让人惊讶的地方。这就是技术成功的境界，它融入你的生活，你却感觉不到它的存在。”

人工智能的冬天

如今的人工智能火得不像话，俨然处于一个炎热的夏天。杨强却问：“夏天来了，冬天还会远吗？”

杨强是香港科技大学计算机系主任，曾创建了华为诺亚方舟实验室，在经历过人工智能的大起大落之后，他对这个领域的发展非常谨慎。

上世纪80年代，杨强在美国读计算机。选择研究方向的时候，他咨询同学的意见，大家异口同声地说人工智能。那时也可说是人工智能的夏天，他的导师说以后工厂里会没有工人，连设计都是机器人来做。当时有个做专家诊断系统的教授有医学和计算机的双博士学位，他也认为以后一半是机器、一半是医生为病人诊断。于是，杨强毫不犹豫地迈入了人工智能的大门。

但是到了80年代末，许多人工智能公司纷纷倒闭，大家开始对这个领域产生质疑，投资瞬间消失，政府大量削减了对于人工智能项目的经费支持，尤其是自20世纪50年代起就对人工智能研究提供了极大支持的美国国防部高级研究计划局（DARPA）。人工智能的冬天到来了。“学生的感觉很明显，学人工智能的博士毕业生找不到工作，找不到教职和研究所的工作，更不用提本科生了。”幸运的是，杨强1989年毕业后在加拿大的滑铁卢大学找到助理教授的工作，至今仍在人工智能领域耕耘。

北京邮电大学教授钟义信回忆当时的情况，说：“人工智能本身的研究在上世纪80年代碰到了比较大的问题——知识瓶颈。人工智能是利用知识来解决问题。但是知识这个问题很复杂，比如你要解决一个问题到底用哪些知识？用多少知识？知识的边界在哪里？怎么去得到这些知识？能不能用机器来得到这些知识？这些困难时的知识变成了非常难处理的一个问题。所以人工智能在上世纪80年代初期进入了一个困难时期。”

2015年1月15日，在日本东京“Robi cafe”举办的媒体预展上，顾客可在享受餐饮的同时与智能机器人互动

“随着技术的进步和人们认识的加深，人工智能的研究有三个发展过程：推理期、知识期和学习期。”南京大学计算机系教授周志华说。最初人们觉得数学家很聪明，人工智能学界希望借鉴数学家高度的逻辑推理能力，以为机器只要有逻辑推理能力了，做事情就能聪明起来，所以第一个阶段是“推理期”。到了上世界60年代中期，计算机的逻辑推理能力已经达到了非常高的人类水平，比如西蒙（Simon）和纽厄尔（Newell）做出的“逻辑理论家”程序在1952年证明了著名数学家罗素和怀特海花了10年时间所做的名著《数学原理》中的38条定理，在1963年证明了全部的52条定理，而且定理2.85甚至比罗素和怀特海证明得更巧妙。为此，纽厄尔和西蒙获得了1975年的图灵奖。

但是到了这个时候，人工智能学界却发现机器做事情的能力依然有限，自然而然地想到即便是数学家，也需要有深厚的知识才能证明定理。所谓“知识就是力量”，在图灵奖得主、“知识工程”之父费根鲍姆等人的推动下，从20世纪70年代中期开始，人工智能研究进入了“知识期”，大家想办法把知识总结出来输入到程序里。在这一时期，大量专家系统问世，并在很多领域做出了非常大的贡献。费根鲍姆作为“知识工程”之父在1994年获得了图灵奖。再到后来，大家发现靠人来总结知识很困难，然后自然就想到，能不能让计算机自己来“学习”？于是进入了以机器学习为核心的“学习期”。

上一次人工智能的寒冬，让科学家认为知识并非无所不能。在那个时期，一类名为“专家系统”的人工智能程序开始为全世界的公司所采纳，“知识处理”成了主流人工智能研究的焦点。当时的研究人员期待专家系统能够实现人工智能，认为计算机只要掌握了足够多的知识，就能完成一定的工作，通过知识工程，人工智能可以把这些专家们头脑里的智慧放到计算机里，并通过逻辑推理加以无限扩展。这样，那些需要大量时间训练的职业，比如医生、律师、工程师等都可以由这些专家系统来担任。

但是专家并不会用计算机语言描述他们是怎样思考的，所以这个领域当时出现一个新的职业，叫作知识工程师，任务是和专家交流，把专家的知识从大脑中提取出来，用计算机语言重新描述。“当时很多报道说知识工程师是未来的希望，就如同今天说数据科学家是未来的希望一样。”杨强说。后来人们发现，知识工程师也无法起到很好的作用，他们和专家交流的过程中发现几种情况，一是专家说不清楚自己是怎样解决问题的；二是专家不愿意说，因为专家怀疑机器会不会抢自己的饭碗；三是即使专家能说出来，也无法描述全部的想法。

为了获取更多的知识，1984年美国科学家道格拉斯·里南（Douglas Lenat）发起了“超级知识库”项目，试图建立一个所有常识的巨型数据库，并给它起了个名字叫Cyc（大百科全书“encyclopedia”的简称）。说到底，这就是将几百万条常识定律用形式语言表现出来的过程，比如“猫有4条腿”、“理查德·尼克松是第37届美国总统”。运用形式逻辑，Cyc的知识库可以进行推理，它可以推断《尤利西斯》一书的作者身高不过8英尺。但并非所有的事实都这么黑白分明，比方说“猫有4条腿”这句陈述，但有的猫只有3条腿，也可能会发生突变出现5条腿。因此Cyc需要更复杂的规则，比如“大多数猫有4条腿，但有些猫因为受伤可能不够4条腿，长有4条以上腿的猫也不是完全没有可能的”。这样一来，把规则和例外都确定清楚，给编程带来了巨大的工作量。

人们很快就发现，虽然手里有非常强大的专家系统，但它毕竟只是一个外壳。“专家系统所需要的知识就像天上的云，看得见但是抓不住。”杨强还记得当时“压垮骆驼的最后一根稻草”来自美国军方在80年代美国和伊朗的一次海湾战争中，一个装有专家系统的导弹驱逐舰错把一架波音747飞机识别成F14战斗机，自行决定越过舰长发射两枚导弹，造成了300多平民死亡的惨剧。美国各家媒体立马对罪魁祸首进行了调查，专家系统也蒙上了污点。

此后的形势便江河日下。到了80年代末，人工智能和专家系统所产生出来的效益远远不如当初人们所预期的那样好，就像一个远未达到评论员预期的股票，被产业界所卖空，“人工智能的冬天”到来了。

“人们对人工智能理解最大的误区，是由于人工智能领域外人士的过度演绎，使得大众对人工智能研究产生不切实际的幻想和不可能达到的期望，最终发现期望与实际有巨大差距，然后就产生巨大的怀疑，对人工智能研究冷淡、嘲弄甚至打击，造成人工智能研究的冬天。”周志华说，“这在历史上已多次发生。著名的‘月亮梯子’笑话就是这样来的。这笑话是说，人工智能的目标是要到月亮上去，结果人工智能研究者做了个梯子出来糊弄大家。”

在他眼里，这些不切实际的期望都源于误解。“人工智能要做的其实有点像‘仿生学’。”他常打的一个比方是人工智能好比造飞机，“人类发明了飞机，但如果造飞机的人当时给这个学科起名叫‘人工鸟’而不是‘空气动力学’，人们就会想，飞机虽然能飞，但它不会扇动翅膀，也不会生小鸟，所以你们做得不对。还有一些人会认为空气动力学的研究真是想造出个鸟来，然后就开始担心了：人造鸟做出来之后鸟类世界是不是要出问题？生态系统会不会被破坏？是不是要给人类带来大灾难？其实根本不是这回事。”

在仿生学中，机器模仿生物并非通过一模一样的机制，比如我们制造出像猎豹一样飞奔的机器，但是并没有模仿它的四条腿，而是发明了轮子，这个方法并没有因为是非自然进化的结果而失去它的精彩。一些研究思维的哲学家喜欢用“认知轮子”来比喻对某个问题的人工智能解决办法，尽管这个办法和大脑的工作原理大不相同，但同样出色。也就是说，如果使用某个有局限但是有效的程序，使得某个人物的输出结果接近甚至超过人类的表现，那么这个程序和大脑的功能就不相上下了。

“如果你很困惑所见的人工智能都不是你所想象的那种具有思维能力的智能，你可以换一种想法来理解。你可以把图灵认为的那种人工智能叫作人工智能A，把实际科学研究的人工智能叫作人工智能B，这样就没有困惑了。智能究竟是什么？到现在依然没有定论。归根结底，我们用一个名词来描述N个概念，所以才产生了困惑。”杨强顿了顿又道，“不知道这样说大家能不能理解。”

他所说的人工智能A和人工智能B，即是所谓的强人工智能和弱人工智能。强人工智能指的是能真正进行推理和解决问题的人工智能，这样的机器能将被认为是有知觉的、有自我意识的；弱人工智能指的是看起来像是智能的，但是并不真正拥有智能，也不会有自主意识的人工智能。目前，所有的人工智能都处于弱人工智能阶段。

1956年那次标志人工智能学科诞生的达特茅斯会议上，美国科学家约翰·麦卡锡给这个学科起名为“人工智能”，后来他被称为“人工智能之父”。到了上世纪90年代，麦卡锡自己也承认这个名字取得有点后悔，因为给外界带来了太大的遐想空间。当然，这个名字也带来了巨大的好处，使得这个学科在成立初期就吸引了诸多的关注。

新的夏天

随着未来学家大行其道，寄点论拥趸无数，人工智能的夏天又一次到来了。

人工智能以另外一个形式热起来，那就是数据挖掘和深度学习。IBM的沃森团队利用网上的知识数据库和大量的问答题语料，做出了沃森系统，一举击败电视问答比赛冠军；Siri强大的问答功能，逐步取代iPhone的键盘作为信息输入的端口，谷歌大脑的图像识别程序利用深度学习正在赶超人的图像识别能力。

人工智能工业界发现最有用的领域就是机器学习，这在上世纪90年代初还是非常小的分支。如今的国际机器学习大会（ICML）在90年代初是一个很小的专题研讨会，只有50多个人参加。第一次参加的时候，杨强只派了一个学生去。“工业界的人始终觉得这是有用的，但要用另一种做法和另一个名字，于是叫作数据挖掘，但本质还是机器学习。”

互联网的快速普及，使得大家更容易把不同的数据汇集在一起，形成规模效应。此外，智能终端的飞速普及，使得每个人都可以携带数码相机和录音机。“这两种技术的普及使得各种不同的数据像寒冰化解的纯水，流入大数据的海洋。”

“机器学习是人工智能研究发展的必然产物，也是现阶段人工智能研究的主流或者说核心。”周志华说，“机器学习一开始是作为突破‘知识工程瓶颈’的工具而出现的。知识要从经验中总结出来，但无论什么样的经验，在计算机系统里一定是以数据的形式存在。要利用经验，机器学习就需对数据进行分析，所以这个领域发展起来，就成为智能数据分析技术，或者说利用计算机来分析数据的技术的一个源泉。恰好在90年代以来，人们发现自己淹没在数据海洋里，迫切需要有办法对数据进行分析。于是机器学习生逢其时，作用和影响越来越大。”

从一定程度上来说，现在机器学习的影响力甚至已经超越了人工智能自身，它也开始发展成科技发展的支撑技术，人工智能的很多分支领域，模式识别、计算机视觉、自然语言处理等等，都在大量地使用机器学习技术。

那么，机器学习就能实现人工智能了吗？人类会不会在人工智能之路上又一次进入了误区？

“我们现在在深度学习方面能够实现人脸识别、语音识别，在上世纪80年代不要说图像和语音了，就是写几个字识别起来都很困难。这是一个进步。但这一切仅仅局限在端口。目前计算机和人交互的端口很容易收集数据，我们看到的用照相机照下来，听到的用录音机录下来，这种数据是非常直接的。但是从端口深入到大脑这个过程，我们还不知道如何实现。”杨强说。

“目前大家热衷的深度学习，成果集中在数据很多的情况下。谷歌让系统认识猫，使用了上千万张图片，但是一个小孩子认识猫需要上万张图片吗？一个学生学习代数，可能一两个例子就学会了。到底人是怎样认识世界的，这个问题深度学习远远不能解释。怎样从很少的例子得到知识，我觉得这是非常关键的突破口。”

“有没有可能有N个弱人工智能，渗透到生活的方方面面，在N趋于无穷大的情况下，有人建立一个智能体，把这些东西都连接起来，出现一个强人工智能呢？到时候会发现它有推理能力、通识能力，能为我着想，终生学习。”

最近有一篇文章《人工智能革命：人类将永生或者灭绝》被讨论得沸沸扬扬。文章说，我们如今已经站在变革的边缘，人类在不久的将来就会面临被人工智能灭绝或者获得永生的阶段。对此，很多研究人员不认同这个观点。杨强说：“我们现在处于平向而非纵向的发展，所以我不认为我们处于那个拐点。”

他在华为诺亚方舟实验室工作时，曾揭秘了实验室的研究成果，一款叫MoKA的人工智能系统，这是一个陪伴人终生的“灵魂伴侣”。比如，孩子在玩小汽车，客厅里的投影仪开始播放交通知识的动画片，但是MoKA感应到孩子的注意力并没有被吸引过来，而是专注在手里的汽车上。系统立刻抓取图像，把孩子、汽车的形象转变为卡通图像，放到动画片里，孩子立刻兴致勃勃地看起来。孩子长大了，谈恋爱时与女朋友视频聊天，他讲起篮球比赛津津有味，但是女孩并不感兴趣，MoKA立刻通过面部表情了解到女孩的感受，并实时向男孩发出消息，然后分析女孩最近几天的活动数据，得出她最感兴趣的话题，男孩立刻切换话题。等孩子老了，成天闷闷不乐，MoKA先是检测了老人的各项身体数据，确定身体无恙后，得出了老人独自在家比较无聊的结论，根据距离、兴趣等因素，筛选出最适合老人做的事情，抓取信息后及时推送给老人。

MoKA系统还处在研发阶段，它和微软女秘书“小娜”的理念类似，它们帮你解决各种问题，成为生活的好伙伴。这让人不禁想问，MoKA的主人去世之后，MoKA本身还活着吗？它是永生的吗？“如果MOKA能留下来，它不会变，会停止在主人去世的那一刻。如果有足够多的传感器，它有可能感受到周边，作为主人的代言人和普通人交流。”这是一个善意的幻想，迪士尼电影《花木兰》中有一个情节，当木兰决定要替父从军的时候，她的祖先们跳出来叽叽喳喳建议她去还是不去。“如果孔子能时不时跳出来给我一些建议，我会非常高兴的。”

他也想给如今为人工智能欢呼的人一些建议：“我们会不会在人工智能的集体狂欢中忽略了最本质的东西，以至于不小心穿越到30多年前的那个人工智能的冬天？” 人工智能科技