人和機器

我曾經有機會和機器人比智慧，那是一場和麻省理工學院的托馬索·波焦（Tomaso Poggio）建造的一個機器人的比賽。盡管機器人不能像我們一樣識別簡單的模式，但波焦能夠創建一個計算機程序，在一個特定的領域中：“立即識別”，它能像人一樣計算得那樣快。這是我們的離奇的能力，立刻識別一個物體，甚至在我們覺察到它之前。（立刻識別對于人類進化十分重要，因為我們的祖先只有一剎那的時間確定是不是有老虎潛伏在矮樹叢里，甚至在他們完全意識到它的存在之前。）在一個特定的視力識別試驗中，機器人在第一時間里不止一次地勝過了人。

機器和我的比賽很簡單。首先，我坐在椅子上，盯著一個普通的計算機屏幕。然后，一個圖片在屏幕上閃爍一下，我必須盡快地按兩個按鈕之一。我必須盡可能快地做出決定在這張圖片上是有動物還是沒有，甚至要在我有機會看清這張圖片之前。計算機也要對同一張圖片做出決定。

令人難堪的是，在經過很多次快速的試驗之后，機器和我不分上下。但是有幾次機器的得分比我略高一些，讓我灰心喪氣。我被機器打敗了。（當有人告訴我計算機得到正確答案的次數占82％，人的得分平均僅80％，這讓我得到一些安慰。）

波焦設計的機器的關鍵是它復制了大自然母親的經驗。很多科學家從下面這句話里認識到這個真理：“車輪已經發明了，所以為什么不復制它呢？”例如，通常當一個機器人看一張圖片時，它試圖把它分成一系列的線、圓形、正方形或其他的幾何圖形。但是波焦不這樣做。

當我們看一張圖片時，我們也許會首先看各種物體的輪廓，然后看每個物體內部的各種特點，然后是這些特征內部的顏色深淺。這樣我們就把圖像分成了很多層。在計算機處理了一層圖像之后，它就把這一層和下一層結合起來，等等。用這種方法，一步一步地，一層一層地模擬了我們大腦處理圖像的層次方法。（波焦的程序不能實現我們認為是理所當然的模式識別的所有技巧，如3D可視化物體，從不同角度識別成千上萬的物體等，但它在模式識別上確實代表了一個重要的里程碑。）

后來，我有機會看到從上到下和從下到上兩種方法都在起作用。我首先去了斯坦福大學人工智能中心，在這兒我遇到斯坦福人工智能機器人斯泰爾（STAIR），它用的是從上到下的方法。斯泰爾大約4英尺（1.22米）高，有巨大的機械臂能夠旋轉和從桌子上抓取東西。斯泰爾也是可移動的，能在辦公室或家里漫步。這個機器人有一個3D相機鎖定物體，將3D圖像送入計算機，指導機械臂抓物體。自20世紀60年代開始機器人已經像這樣抓物體了，并且我們在底特律汽車制造廠看到這些機器人。

但光看外表是不夠的，斯泰爾（STAIR）能做的事情要多得多。與底特律的機器人不同的是，斯泰爾不是照本宣科的。它靠自己操作。例如，如果你要它拾取一個橘子，它能夠分析桌子上的各種物體，將它們與已經存儲在它的存儲器中的成千上萬的圖像比較，然后識別橘子，并拿起它。它也可以通過抓一個物體，讓它轉動來更精確地識別物體。

最終是要斯泰爾能在家里和辦公室的環境中操作，拾取和利用各種物體和工具，甚至與人進行簡單語言的對話。用這種方式，它將能夠做一個辦公室中的勤雜工能做的任何事情。斯泰爾是一個從上到下的方法的一個例子：從一開始，每一件事物都是編制程序到斯泰爾中的。（盡管斯泰爾能夠從不同角度識別物體，但是它能識別的物體的數量是有限的。如果讓它走出去和識別隨機遇到的物體，它就會茫然不知所措了。）

后來，我有機會訪問了紐約大學，在這里楊·萊庫恩（Yann LeCun）正實驗一種全新的設計，拉格爾（LAGR），一個路面學習型機器人（Learning applied to ground robots）。這個機器人是一個從下到上方法的例子：它必須通過與事物的接觸從最開始學習。它的尺寸像一個小高爾夫手拉車那么大，有兩個立體聲彩色攝像機掃描地形，識別路徑上的物體。然后它在這些物體中間走動，仔細避開這些物體，每通過一次就學習一次。它裝備有GPS和兩個紅外傳感器，能夠檢測前面的物體。它含有3個高功率的奔騰芯片，與吉比特量級的以太網（gigabit Ethernet）相連。我走到附近的公園，在這里機器人可以漫步在放在它路徑上的各種障礙物之間。每一次它越過障礙，它就能更好地避開障礙物。

拉格爾和斯泰爾一個重要的差別是，拉格爾是特別設計進行學習的。每一次拉格爾碰到某物，它就繞開這個物體，下一次它就知道避開這個物體了。在斯泰爾的存儲器中存儲了成千上萬的圖像，而拉格爾的存儲器中幾乎沒有任何圖像，而是產生了它所碰到的所有障礙物的智力映射圖，每通過一次就不斷完善一次。無人駕駛汽車是編程的，遵循由GPS事先設置的路線，與此不同的是，拉格爾全靠自己移動，沒有任何人的指令。你告訴它去哪兒，它就啟動。最終，像這樣的機器人也許會用到火星、戰場和我們的家中。

一方面，這些研究人員的熱情和能力給我留下深刻的印象。在他們的心中，他們相信他們正為人工智能鋪平道路，并且終有一天他們的工作將以我們剛剛開始理解的方式影響社會。但是從另一方面看，我也認識到他們還有多遠的路程要走。甚至蟑螂都能識別物體，學會繞過它們。而我們仍然處在大自然母親創造的最低級生物的智能都能夠勝過我們最智能的機器人的階段。