人工智慧會超越人類智慧嗎？

Jiachao Fang, Hanning Su, and Yuchong Xiao. School of Information, University of Texas at Austin

摘要：人工智慧（Artificial Intelligence，AI）作為一個熱門話題，已經被應用於現代生活的方方面面，並且與其相關的各方面研究也正方興未艾。然而，人工智慧在不同領域的發展十分不平衡。許多專家預言，人工智慧終將會超越人類智慧（Human Intelligence，HI），不過他們並未就此達成共識。此外，有關如何準確定義AI和HI的爭議使得這個問題更加難以回答。本文收集、總結和分析了AI/HI理論依據的現有研究成果以及AI在不同領域的發展。然後我們討論了AI最終在就業市場中取代人類的可能性。最後，我們將AI分為三種類型，並討論機器是否最終會超越人類。

關鍵詞：人工智慧，人類智慧，機器學習
 

1 引言

深度學習（deep learning）和膠囊網路（capsule networks）等人工智慧技術正在學術界和工業界蓬勃發展（Oke，2008）。人工智慧技術的發展趨勢不斷變化，並不斷改變著我們的生活和工作環境。

什麼是人工智慧？Oke（2008）對AI發展和應用做了全面的評估。他將現有知識整合到AI的研究中，並對一些新領域進行探索，如環境汙染和醫學。Oke試圖介紹AI涵蓋的所有主題，但未能得出最終結論。

McCarthy（1998）宣稱AI是由計算機模擬的人類智慧過程。AI的目標是實現人類水平的智慧，並最終使得計算機自主解決問題（McCarthy，1998）。然而，McCarthy認為人類智慧有許多特點，要理解人類知識需要新的基本思想，因此應該定義新的術語“人工智慧”。由於機器是始於模仿人類的，那麼未來人工智慧會超過我們自己嗎？現有研究沒有明確定義如何度量機器是否可以“超越”人類。人工智慧已經可以在某些領域比人類更高效完成任務了，例如國際象棋和撲克。這是否意味著人工智慧已超越人類？本研究旨在尋找，綜合和分析文獻，以討論AI在各個領域如何以及何時超過HI。這一研究有助於改進AI和HI的概念框架，並且能深入理解人類和機器的關係。

2 研究方法

本文將會對現有文獻進行初步搜尋，以明確定義人類智慧和人工智慧。然後將對不同型別的AI進行分類，並分別分析他們的效能。最後，我們將綜合和總結出人工智慧是否會在未來超過人類智慧的結論。

3 人類智慧

人工智慧是人類智慧的衍生物，換句話說，人工智慧是由人類設計和使用的一種工具。與增強和替代人體功能的其他工具不同，人工智慧基於人類智慧開發、不僅通過常規重複的活動而且通過智力水平的行為來解決問題。

在研究AI和HI的關係之前，至關重要的是要對人類智慧建立一個完整的定義，以便使得二者的關係具有說服力和全面性。定義人類智慧的關鍵在於：人類認知的特徵是什麼以及如何將其歸類？這些分類的結構層次是什麼？這些特徵如何促成了個體間的差異？

在接下來的章節，我們將會對這些問題進行討論以總結人類智慧的定義。

3.1 人類智慧的進化

人類智慧的演變是與人類進化同步的過程。Firth（2012）提出，人類文化的起源是由於人類認知能夠讓我們交換資訊，這也正是我們所說的：人類認知是人類社會進化的結果。Tomasello（1999）指出人類認知的獨特之處在於文化和社會背景。此外，即使在特定社會背景下，不同的社會特徵，如種族、語言、階級和教育，也會促成完全不同的社會認知。

同時，人類智慧也反作用於社會的發展。人類的交流和學習技能為構建和改進各種各樣的社會文化奠定了基礎，包括語言習得的初始階段 (Carpenter, Nagell, Tomasello, Butterworth, & Moore. 1998)。這是一個互惠的迴圈：人類社會是人類智慧的結果，人類的學習能力和環境接受力的結合促使了人類智慧的進化。

3.2 人類智慧的特徵

根據對人類智慧進化和人類智慧對社會影響的研究，科學家已經定義了一些準線來對人類智慧進行分類。Pylyshyn (1983) 提出認知科學的學課結構，包括語言學，人類學，神經科學，電腦科學，心理學和哲學，這其中的每個學課都表明了人類智慧的不同能力。蔡（2015）改進了這個模型，並將人類智力特徵的分類擴充套件到五個層次，從低到高，神經，心理，語言，思維和文化。 更具體地說，基於資訊傳輸架構，HI形成過程可以進一步分為四個階段，即學習，推理，解決問題和創造力。

3.3 個體差異

一些學者指出，人類受自然因素的嚴重影響，例如性別、種族和父母的智力。而其他學者認為，即使智力部分由自然因素決定，但是智力的差異仍主要由於社會多樣性（社會可能是由自然多樣性引起），而非直接受自然因素的影響。例如，Caplan，Crawford，Hyde和Richardson（1997）認為，性別可以使認知多樣化，因為性別會導致社會以不平等的地位和權力組織起來。Lupyan（2016）還討論了不同語言的不同邏輯如何導致獨特的認知模型。

這些例子群體和個體如何在不同種類的智力表現中變得多樣化。因此，在這些“超”研究中，我們要設定特定的範圍和物件來進行AI和HI的比賽。

4 人工智慧

人類智慧過於神祕，以至於用計算機系統進行模擬似乎是一項不可能完成的任務。McCarthy（1998）將人工智慧描述為：模擬人類並最終像人類一樣解決問題的計算機行為。Kurzweil（1990）探討過人工智慧應該像人類一樣思考和行使能力。一些研究者認為計算機需要合理思考並且具有推理能力（Winston，1992）。

研究者通過建立智慧系統來解決邏輯概念中所有的問題。無論如何，他們雄心勃勃地探究如何從各種資訊中獲取知識，並且構建一個形式上的結構來使用邏輯符號。

此外，理論和實踐之間存在鴻溝。計算推理系統可能耗盡計算機的計算資源。電腦科學家正在努力探尋能夠有效解決這一問題的高效解決方案。

4.1 人工智慧假說

人工智慧可分為：弱人工智慧、強人工智慧和超人工智慧。弱人工智慧意味著，機器可以表現得像智慧，機器可以模擬人工智慧可被精確描述的各個方面（McCarthy等，1958）。

另一方面，強人工智慧指計算機程式實際上可以真正的思考而不僅僅是模擬思維。Copeland（2004）認為，強人工智慧機器應該以人類的形式構建，並將像人類孩子語言經歷教育和學習的過程。此外，Bostrom（2014）提出了超智慧假設，即如果機器的大腦能夠超越人類大腦，那麼新的超級大腦將會取代人類。我們將分析這三種人工智慧的效能，並討論每組的人工智慧是否超過了人類智慧。

4.2 人工智慧的能力

人工智慧已經廣泛應用於許多學科，我們日常生活中常常有意無意地與之互動。人工智慧已經表現出不同級別的能力來解決各領域的問題，如金融市場、自動駕駛汽車行業和語音識別市場。

得益於Alan Turing（1950）提出的圖靈測試，人工智慧研究人員對人工智慧進行了可操作的定義，我們可以總結人工智慧通過圖靈測試的能力。為了與人類交流，計算機首先要理解自然語言，如英語、西班牙語。一旦計算機檢索到了資訊，它就需要檢測模式並從資訊中概括知識。知識應該儲存於某處，應用於回答問題並通過邏輯演繹得出結論。此外，完整的圖靈測試包括一個視訊訊號來測試計算機的感知能力，因此計算機應該理解影象，聲音和視訊。

4.3 人工智慧的應用

藉助上述討論的能力，人工智慧已經應用於了自然語言處理（NLP）、機器人技術和手寫、面部、語音識別。對於各行各業，已經有幫助決策的特定的應用程式被開發出來。

在電子商務領域，亞馬遜、蘋果和谷歌等公司已經建立了自己的人工智慧助手，通過自然語言處理為客戶提供音訊服務。研究人員一直在改進具有複雜機器學習演算法的推薦系統，以便他們可以分析和模擬客戶的行為，並進一步幫助促進業務增長。

在醫療健康行業，人工智慧已被用於提供醫療解決方案和視覺呈現，例如使用模式識別軟體使用深度學習來診斷心臟病和肺癌。

在金融領域，風險管理是人工智慧最大的應用之一。Visa和MasterCard等公司識別其行為與其常規活動不同的客戶，並在AI的幫助下檢測欺詐行為。

在人力資源管理領域，人工智慧是一種提高招聘和專業教育效率的先進解決方案。許多AI工具可以幫助管理人員構建評估模型，以篩選簡歷並獲得理想的候選人。

在供應鏈中，Chatbots已應用於簡化任務。自動駕駛車輛可以降低運輸成本。在進一步分析物流資料的同時，組織有更多機會優化其供應鏈管理。

4.4 推動人工智慧普及的因素

近年來，我們目睹了人工智慧的興盛，但是McCarthy等人提出人工智慧這個術語實在1958年，為何它現在變得如此流行和強大。

首先，得益於網際網路，資料規模變得比以往任何時候都大得多。人們建立文件、電子郵件、照片和視訊，並通過網際網路分享。其次，演算法的進步為人工智慧的發展做出很大貢獻。開發卷積神經網路（CNN）以及識別影象模式，並進一步應用於語音和視訊識別（Matsugu等，2003）。

此外，還存在其他演算法，例如遞迴神經網路（RNN），用以以改善計算機的模式識別能力（Sak等，2014）。第三點是，影象處理單元（GPU）可以進行大量的矩陣計算（Hopgood等，1986），因此處理資訊的時間顯著減少，可以在合理的時間內引入複雜的演算法並從結果中獲取知識。最後也同樣重要的是，雲基礎架構和服務的開發為研究人員提供了更多解決方案來構建模型和進行計算。

5 人工智慧與人類智慧對比

歷經多年發展，人工智慧已應用於許多領域，並專注於各細分領域。人工智慧在不同領域的表現有所不同，有些遠超人類智慧，有的則尚處起步階段。例如AlphaGo多次擊敗人類世界冠軍，而在情緒預測方面仍處於初步。然而，人工智慧在高階人類智慧的某些方面的表現，如創造力，好奇心和價值判斷，對於實際應用來說仍然不盡人意。因此，為了回答人工智慧是否超過HI的問題，我們需要根據不同的領域和能力比較人工智慧和人類智慧，然後總結評估標準。在本節的以下部分中，我們將長期描述自動機器與人類從工業革命到資訊革命之間關係的演變，並根據這種關係的發展來研究人工智慧和人類的未來。

5.1 工業革命中的自動化

本節中，我們將探討第一次和第二次工業革命期間人類如何被自動機器取代。兩次工業革命對科學和社會發展產生了重大影響。科學研究成果在工業革命之前很少用於工業生產。工業革命後，涉及自動化製造的領域大大提高了生產率。Brady（1961）總結了自動化的特徵。在他的書中，他提出自動化應該能夠在過程中自動糾正錯誤。該描述說明了自動化的最重要的優點，即自動機器產生錯誤的概率遠低於人的概率。與此同時，自動化可以保證比那些低技術和高度可重複位置的人類更高的工作效率和效率。結果，當時許多工作崗位上的自動機器取代了人力勞動力。總的來說，由於可靠性和效率的原因，這種轉變可以看作是“AI”（industrial automation，工業自動化）第一次大規模超越人類。

5.2 資訊革命中的計算機

資訊革命，也被稱為第三次工業革命，最具影響力的創新是現代計算機，它在過去幾十年裡極大地改變了人類社會。發明數字計算機的原因是人類無法處理核研究中的大規模複雜計算，這直接促成了第一臺現代計算機的出現。

經過幾十年的發展，計算機現已應用於幾乎所有的社會領域。很明顯，計算機能夠彌補人腦的侷限性。例如，計算機能夠突破人類記憶的儲存限制並同時處理大量計算，這對人類來說通常是困難的。

因此，可以合理地說“AI”在處理預設和日常任務的領域中超越了人類。但是，計算機仍然受限於大多數創造性問題。例如，Walsham（2001）提出計算機在解決知識管理問題方面存在缺陷，因為知識管理需要計算機涉及更多的人類活動，而不僅僅是處理技術問題。

總之，“AI”（計算機）在數學推理和解決問題方面已經超越了人類，但仍然缺乏涉及人類互動的能力。

5.3 人工智慧的未來

上述的這些對比為我們提供了一個通用的測量標準，用以定義人工智慧是否超過了人類。隨著機器學習和深度神經網路的發展，人工智慧已經廣泛應用於娛樂，教育，經濟等諸多產業領域。

與上述探討的機械的機器和計算機不同的是，人工智慧最顯著的特點是自學習能力，因此人工智慧可以處理比自動化和計算機更高水平的互動。一些學者已經論證了人工智慧可以利用其強大的學習能力來做出出色的預測。例如，人工智慧可以通過分析以前的實際資料來預測藥物效用的趨勢，現在這項技術已經應用於醫學研究的方方面面（Ramesh等，2004）。然而，一些學者認為人工智慧仍在許多方面存在缺陷，並且仍處於模擬人類特徵的階段（Cai和Xue，2016）。

考慮到這種分歧，我們需要我們需要縮小討論範圍來總結一個合理的結論。在接下來的章節中，我們將人工智慧分為三類：弱人工智慧，強人工智慧和超人工智慧，對其進行分別探討。

6 不同型別人工智慧的表現

根據第4節中人工智慧的定義和第5節中的分析結果，人工智慧分為三類：弱人工智慧，強人工智慧和超人工智慧。本節中將會對這三種類型的人工智慧進行定義，並討論它們與人類智慧比較時的表現。

Colom等人（2010）將智力定義為“推理，解決問題和學習所需的一般思維能力”。通過建立以推理、解決問題和學習為標準的模型，我們將嘗試通過討論是否有推理，解決問題和學習相關的能力來衡量這三種類型人工智慧的表現，然後將其表現與人類進行對比。

由於人工智慧應用極其多樣化，並且在不斷地推陳出新，因此無法列出所有的應用來逐一與人類進行對比。因此對於每種型別的人工智慧，我們將會選取典型的應用程式來討論或引入公認的標準來衡量這種型別的人工智慧的效能。若所選擇的應用程式能夠超過人類，我們將得出結論：該種類型的人工智慧能夠超越人類智慧。若找不到某種人工智慧型別所對應的典型應用，將會引入其他的標準。

6.1 弱人工智慧

弱人工智慧，也稱狹義人工智慧，是“專注於一個或多個專業領域的人工智慧”（Goertzel，2017）。因此，弱”並不一定意味著這種型別的AI缺乏能力，而只是強調專業化的屬性。今天的大多數AI應用程式都是弱AI，例如自動規劃，遊戲人工智慧等。從弱人工智慧的各種應用中，我們選取AlphaGo進行討論，因為有許多研究對其進行關注且我們能夠對AlphaGo的功能進行深入分析。

Wang，Zhang，Zheng，Wang，Yuan，Dai和Yang（2016）認為AlphaGo與Lee Sedol的比賽是人工智慧研究歷史的里程碑，因為AlphaGo在與人類世界冠軍的五場比賽中贏了四場，僅僅輸給人類一場。圍棋極具挑戰性，理論上講約有10^{170種不同的排列組合。為了更直觀理解，宇宙中的原子總數才有10}80個，遠低於圍棋的無窮可能性。因此，圍棋是一種極其複雜的遊戲，需要超高水平的推理和解決問題的能力。關於學習能力，AlphaGo的關鍵是深度學習（DL），它使AlphaGo能夠在專業領域之外進行超越人類智慧的複雜計算（Wang等。，2016）。更具體來講，AlphaGo具有自主學習的能力。從上述分析來看，很明顯AlphaGo在圍棋遊戲中超越了人類。此外，由於AlphaGo是一種弱人工智慧，我們得出結論：弱人工智慧具有超越人類智慧的能力。

6.2 強人工智慧

強人工智慧也被稱為通用人工智慧（artificial general intelligence，AGI）。 Kurzweil (2005) 對強人工智慧做出定義：“具有人類全方面智慧的機器智慧。”AGI通常專注於如何建立類似人類認知能力的機器，這正是人工智慧的首要目標。然而由於圍繞此類人工智慧的爭議性問題，目前只有少數研究直接關注AGI（Goertzel，2017）。

回到定義上討論，強人工智慧與學習，解決問題和推理相關的能力基本上與人類的能力處於同一水平。弱人工智慧更容易測量其效能，因為弱人工智慧只關注某個特定領域。為了無偏見地評估強人工智慧，我們決定引入圖靈測試。圖靈測試實際上由一系列測試組成，用於測量機器與人類相比的思維能力，並且在過去幾年中一直受到研究人員的不斷改進，並且已經成為最受認可的評估人工智慧的方法（Saygin，Cicekli和Akman，2000）。

我們嘗試一系列據說已經通過圖靈測試的應用程式。宣告通過圖靈測試最早可最追溯到2011年，當時一個聊天機器人Cleverbot被認定為接近60％的人類。 然而，深入研究Cleverbot的各種演算法，它本質上並不具備自學習的能力。 相反，Cleverbot通過搜尋內建或下載的語料庫進行對話（Saenz，2010）。 因此，我們認為Cleverbot並不像人類那樣聰明。

另一個有爭議的案例也是一個聊天機器人，Eugene Goostman，由三名程式設計師開發，模仿一個13歲的男孩（Schofield，2014）。 一些專家認為這是人工智慧歷史上的一個里程碑，而另一些專家認為結果是有失偏頗的。我們在網際網路上沒有搜尋到Eugene Goostman的細節，因此我們認定僅憑一條宣告來認定Eugene通過了圖靈測試是不科學的。

總結我們的研究，沒有任何令人信服的案例表明人工智慧可以通過圖靈測試。 即使一臺機器通過了圖靈測試，也有研究人員認為是不可靠的，而且很可能是通過簡單的模擬智慧而不是真正的智慧。 因此，到目前為止，強人工智慧應用程式都不能與人類相媲美。

6.3 超人工智慧

Bostrom (2015) 將超人工智慧定義為：擁有人類可以擁有的任何認知能力，甚至遠遠超過世界上最聰明的人類的智慧。超人工智慧目前只是一個假設，沒有人可以確定是否會有超級智慧出現或超級智慧何時會出現。本文的根本目的是討論人工智慧是否會超過人類智慧。 顯然，要理解超級智慧的定義，超級智慧應該能夠在任何專業領域超越人類智慧，才有資格成為超人工智慧。 因此，我們不打算就超人工智慧的能力進行冗長的討論。

雖然超人工智慧仍處於假設階段，但是許多科學家和業內人士都熱衷於探討其可能性。因此本節我們拓展了研究範疇，以更深入探索超人工智慧。接下來的段落中我們將會探討超人工智慧何時會出現，以及超人工智慧可能會帶來的一些爭議性問題。

根據Muller和Bostrom（2016）進行的一項調查顯示，大多數專家認為，在強人工智慧發展後的30年內可以開發超人工智慧。 由於強人工智慧擁有人類的所有識別能力，它可能通過自我學習的自我改進演變成超人工智慧（Muller和Bostrom，2016）。然而，調查並沒有揭示大多數專家何時期望開發出超人工智慧。 Barrat（2013）的結論是，根據會議期間的調查，在2030年前就可能開發出強大的人工智慧。如果Barrat的估計是精確的，我們可以肯定地估計第一次超級智慧最早可能會在2060年或之前引入。

Muller和Bostrom的調查還表明，大約35％的專家認為超級智慧可能對社會構成潛在危險（Muller和Bostrom，2016）。 Hawking，Russel，Tegmark和Wilczek（2014）提出，引入超級智慧可能會導致人類文明受到破壞。然而，超人工智慧就像潘多拉的盒子：在盒子開啟之前，沒有人知道會發生什麼。除此以外，在某種意義上機器能夠超越人類的時候，人類又怎麼能想象出它的能力，它能夠帶來什麼結果呢？

7 結論

本節我們將首先對弱人工智慧，強人工智慧和超人工智慧的研究成果分別進行總結，然後給出我們的最終結論。

我們知道弱人工智慧能夠超越人類，並且已經在一些高度專業化的領域擊敗了人類，例如圍棋遊戲。然而，迄今為止尚未開發出具有與人類相當的認知能力的強人工智慧; 即使它被開發出來，我們也只能認為強人工智慧與人類有著同水平的智慧。因此，強人工智慧不會超越人類; 然而，目前只是一種假設的超人工智慧，可以通過強人工智慧的自我學習能力進化而來，並且在任何意義上都可能遠遠超過人類。 不過根據專家的說法，在第一個強人工智慧成為現實之前至少還需要40年。

總之，我們不能說機器已超越人類，因為他們的認知能力如情感識別和創造力仍遠遠落後於人類。但是，我們可以有把握地得出結論，人工智慧在某些專門領域已超越人類。 最後，在超級智慧從僅僅是假設變為現實的那一天，人工智慧肯定會超越人類。

8 評價

8.1 我們研究的意義

通過探索AI和HI之間的關係，我們將瞭解AI對我們人類的影響，並瞭解更多關於人類認知的知識。

近來，人工智慧一直是技術領域最熱門的話題。雖然這些行業正在討論人工智慧和人類社會的未來，但人們也開始對是否有朝一日會被人工智慧取代感到恐慌。人們可能擔心他們的私人資訊可能會被人工智慧無意中捕捉到，或者他們的工作崗位將來會被人工智慧取代。

人類總是對未知感到畏懼，本文可以消除這種未知，併為人們提供人工智慧未來發展的總體展望。此外，這項關於AI和HI的研究還說明了人類與人工智慧的不同之處，以及人類如何根據這些特徵來利用我們的優勢使人類在未來保持無可取代的地位。

8.2 未來的研究方向

人工智慧和人類智慧都是寬泛的研究課題，涉及各種研究領域，如心理學，生物學和電腦科學; 因此，與這些領域的海量的研究和文獻相比，我們調查的資源實際上是有限的。我們將通過納入更多相關研究來不斷改進我們的成果。鑑於近年來人工智慧的火爆，新的應用迅速出現，而人工智慧的效能也快速提高。任何新應用的出現都可能是人工智慧領域的里程碑。 因此，需要不斷努力，來研究人工智慧的表現以及探討人工智慧和人類智慧的對比。我們期待見證第一個強人工智慧和超人工智慧的誕生。

9 參考文獻

略

---