1.6　本書的結構和主題

在本書中，我回避了兩個極端：現代技術的細節和難于理解的復雜性，AI所引來的沉重的哲學思考。相反，我采用了一種工程學方法，專注于產品的用途以及它們如何為我們的利益服務。我相信這些問題中的大多數都可以用實際的術語來解釋。我的目標是提出一些簡單而尖銳的問題，來突破政治、偏見和夸張，并揭示最基本的問題，以便作出判斷。結果在各章最后的“觀察”一節中給出。

在形成對它們的看法之前，我們有必要了解它們的基本思想，不幸的是，計算技術的復雜性似乎常常模糊了問題的核心概念和原則。一個一般性的理解，加上足夠的相關信息，可以讓常識得出明智和合理的結論。例如，汽車駕駛員需要知道（實際上是法律強制要求知道的）許多關于車輛如何對其控制行為進行響應的信息。關于如何以及何時在彎道、高速和潮濕條件下剎車，這方面有很多東西需要學習。駕駛員需要掌握控制系統和期望制動效果之間的復雜關系。這些往往是很微妙的，需要時間去學習。但是駕駛員并不需要知道他們使用的是哪種剎車系統、如何操作，或者它們出于什么樣的工程設計考慮。這些信息對于成為一名優秀的駕駛員，或者對我們的交通工具需要哪些功能給出一些高見來說，顯然是不必要的。

計算技術也應該如此。我們可能知道最新的設備里有某種數字處理器，但我們不需要知道具體的細節，而是需要對它的功能有一個很好的了解，對其是如何工作的有一個粗略的認識，并且清楚如何使用它——它對我們有什么用處。

思維和行為是機器不經常同時擁有的特征。在“有行為但不思考”這一極端，我們發現機器人設備雖然可以執行各種物理動作，但需要通過固定的錄音（如噴漆機器人）或遠程人工操作（如核反應堆維護機器人）進行控制。在這兩種情況下，機器人都不被認為是在思考。在另一個極端，我們發現計算機只回答問題（比如《2001太空漫游》的HAL或IBM的沃森，在第8章中有詳細的描述），從技術上講，它們不是機器人，因為它們沒有身體，也不能移動。

我們必須同時考慮機器人硬件和純思維機器，因為正如我們稍后將看到的，行為和思維在人類和動物中是密切相關的，在機器人中可能也需要如此。你必須能夠思考和移動棋子，才能玩像國際象棋這樣的游戲[4]，但是誰會想到，通過物理方式移動棋子會變成一項更難實現自動化的任務呢？

第一部分：人工智能在機器人領域的局限性

本書的第一部分介紹了機器人技術和人工智能的現狀。我們將從第2章開始，簡要概述一系列商業機器人產品，旨在讓讀者了解現代機器人設備的范圍及其功能。這展示了它們目前的能力、成就和局限性。接下來的第3章是對機器人研究的概述，包括對創新的支持和資助方式。匯總表顯示了決定成功實現機器人的難度的兩個關鍵因素：設定要完成的任務的性質，以及工作環境的復雜性和混亂性。

因為AI是未來機器人技術的關鍵，第一部分包含了幾章來介紹AI的實際工作原理、它能提供什么，以及它有什么問題。每一章都介紹了一個關鍵的主題，讀者可以利用它來理解現代AI的思想和問題，以及它們與機器人技術的相關性。

事實證明，當涉及類人行為時，存在一些嚴重的障礙。與媒體宣稱不同，AI與人類智能完全不同，在這方面也沒有取得太大進展。AI對于特定任務非常強大，對于解決個別問題也非常出色，但它仍難以再現人類的通用智能特征。目前還沒有一個程序可以以任何令人信服的方式假扮人類超過幾分鐘。AI相關章節得出了一個驚人的結論：工程方法和AI不足以（甚至不適合）創造出類人機器人。

不像許多動物，人類是多面手。我們很容易適應不同的環境，甚至會調整環境來適應我們自己。這需要有廣泛的適應新情況的能力。人類是自主的，受到內部驅動和外部力量的激勵，而靈活性的關鍵是我們開放式的學習能力。這使我們能夠面對新的挑戰，了解它們，并找到應對它們的方法。有些動物是由基因決定的，小鴨子會跟隨它們孵化后見到的第一個“父母”。但是人類能夠從零開始學習如何掌握全新的任務。失敗也能教會我們重要的教訓。因此，類人機器人確實需要具有足夠的潛力來處理任何任務的通用智能。

通用智能是AI的“圣杯”，但迄今為止，它被證明是難以捉摸的。經過了60年的研究和理論推導，通用AI并沒有取得任何值得一提的進展，這甚至可能成為一個不可能解決的問題（至少對基于軟件的AI來說是不可能的）。然而，即使通用的AI能夠以某種方式在計算機中實現（我對此表示懷疑），這也不足以解決像人類一樣思考和行動的問題。這是因為人類的智慧是具體化的：我們所有的思想、感覺、意圖、關系、概念和意義都只有在身體中才有意義。我們的大腦并沒有運行抽象的代碼來控制我們的行為——這是一個錯誤的比喻。大腦（即我們的思想）深深依賴于我們的身體體驗（包括社會和文化體驗），并受其影響。我們完全融入了我們的生活環境，以至于我們的內在思維結構以一種近乎共生的方式反映和匹配這些環境。

AI章節介紹了從基本概念到大數據和深度學習的最新進展（第7章）。這些發展已經取得了一些顯著的進展，并被視為所有剩余AI問題的解決方案。其理念是，AI的學習方法現在（或很快就會）強大到足以學習任何所需的任務，從而演變成通用智能。這將是AI歷史上一個嚴肅而重要的事件，因此具有深遠的意義。在第一部分的結尾，第9章和第10章（關于大腦模型和人工智能集成）分別解釋了一般AI的問題以及個體和體現的本質。這兩章包含了反對社交機器人中人工智能的核心論點。

可以跳過一些AI的細節，但一定要閱讀每章結尾的簡短要點（“觀察”）列表。這些總結了所有需要記住的重要事情的基本論點，并逐漸形成本書的論點。

第二部分：發育機器人

顯而易見的問題是：如果AI在制造類人機器人方面遇到障礙，還有其他出路嗎？還有其他我們可以探索的范例嗎？本書的第二部分介紹了一種非常不同的方法。這個新觀點是：如果你想要一個類人機器人，為什么不從我們對人類的了解開始呢？這里的想法不是“建造你自己的機器人”，而是“培育你自己的機器人”。不要用大量的人類知識來裝配你的機器人，要讓它自己去探索，建立對其有意義的事物的認知，就像我們所做的那樣。這是一種具體化的、實施性的方法，允許認知功能與經驗同步發展。其思想是將知識和意義的來源從機器人設計者，或從大數據，轉移到機器人本身。這種方法的靈感和數據來自對早期嬰兒行為的研究，在這些研究中，可以發現許多關于學習和互動行為的嶄新和驚人的想法。

嬰兒在出生時的感知和運動技能非常有限，但很快就會在身體和社交方面變得熟練。他們學會了交流，建立了對“自我”的理解，并學會了識別其他社會主體。通過對這些心理成長過程進行建模，機器人將能夠發展和學習社交互動能力，而不是由其設計者來提供社交算法或從人類數據文件中提取行為模式。

本書的這一部分是由我自己對開發機器人學習機制的研究所支持的。在iCub仿人機器人上的實驗已經改進了該方法，并產生了有趣的結果。機器人已經從非常差的感覺運動能力（只有一些反射動作和較弱的感覺分辨能力）發展到能夠控制四肢、眼睛、頭部和軀干的肌肉、感知和觸及有趣的刺激，并與物體玩耍。這些縱向實驗把機器人從相當于新生兒的嬰兒階段帶到大約9個月大的階段。目前，iCub可以觸摸物體并與物體玩耍，將單字發音與熟悉的物體或顏色聯系起來，做出有意義的手勢，并對新情況產生新的動作。

幸運的是，嬰兒玩耍和互動的方式在發展心理學的大量理論和實驗工作中被很好地記錄了下來。這為機器人發展的新研究領域提供了靈感和基準里程碑。這類機器人的起源將在第11章中解釋，這是一種基本的且不同于AI的體現。然后，介紹了iCub的工作方式，闡明了其工作原理。很明顯，機器人可以有一種主觀經驗，因為所學到的一切都是基于機器人所看到的主動經驗。通過發展學習能力，它們概括和提煉最基本的經驗，從而儲存有意義的模式和相關性，拋棄不可靠的現象。請注意，這些機器人是獨立發展的；它們可能一開始是相同的，但它們會產生一些不同的心智模型和行為。這讓我們想起了人類的獨特性：每個人都有自己的一生的經歷，而這些經歷形成了特定的社會互動。

這種“成長”的方法，包括通過實驗反復改進，是綜合性的而不是分析性的。我相信，它給我們提供了一條很好的道路，使類人機器人具有更人性化的特征。

第三部分：未來，可能的發展和未來學

本書的最后部分概述了AI機器人和類人機器人對未來可能的影響，評估并比較了近期在行為和表現方面可能的進展。例如，AI機器人的設計者會給它們設定目標，它們有一個客觀的立場，因為它們是從外部構造出來的。因此，與發育機器人的對比是鮮明而有啟發性的。例如，未來的AI機器人將擁有大量可用的數據資源。它們會回答各種各樣的問題，它們會解決問題，它們會學習。因此，進入一個未知的房間，識別物體，使用房間里的物體來執行任務將成為一項非常常規的工作。它們對物體和環境的處理能力最初將遠遠優于發育機器人。但它們的行為并不像人類。它們將使用有關人類行為的大數據來模擬常見的人類模式，而且往往令人信服。但它們解決問題的方式不同，推理的方式不同，構建的概念和感知也不同。這些差異都是可以察覺到的，而且實際上是顯而易見的，尤其是在社交場合。AI機器人將只知道人類是物體——活動的個體，但仍然是物體。它們無法感同身受，無法欣賞另一個和自己一樣的社交個體。這是因為自我模型是無法設計的，是動態的，必須從經驗中創造。

相比之下，發育機器人會有一個“自我”的內部模型（它們的身體空間，它們的動作和效果，以及它們的環境），它們能夠將它們對另一個類似個體或類似行為的經驗與自己的自我模型相匹配，并將人類視為一個獨立的個體：另一個“自我”。這使得機器人能夠更好地進行互動和社交，因為機器人可以預測和理解人類的行為。學習將改善互動伙伴的模式，交流將更加立足于個人和共同意圖及目標的背景和理解。

在探討了這些差異之后，我將從更廣泛的角度來看待可預期的這種技術的影響。AI無法避免的傳播將影響人類生活的各個方面。這種所謂的顛覆性技術既有威脅，又有好處。我對當前的研究環境所引發的一些主張和警告發表了自己的評論。這包括對工作的威脅、信任的作用，以及讓人類參與到人機組合系統中所帶來的好處。很明顯，來自機器人和AI的威脅是來自通用數字技術的更廣泛威脅的一部分。在本書的這一部分中，我們將這些觀察結果應用到整個計算基礎設施中。

最后幾章列舉了對未來進展的一些預測，并檢驗其可行性。媒體上充斥著關于機器人的各種無稽之談，很難知道該相信什么。記者們喜歡機器人的故事，因為它們為投機、駭人的預測和散布恐慌提供了巨大的空間。2017年7月25日，BBC一檔節目上出現了這樣的標題“機器人進化得如此之快，可能會被視為‘入侵物種’，威脅人類的未來”，這種情況并不少見。新聞媒體不斷地報道智能機器人幾乎接管一切的危險，這常常得到未來學家和學者的支持，他們每隔一段時間就會預測超能力的突破。盡管新技術對應用的能力和范圍帶來了驚人的進步，但我們沒有理由盲目地將這種成功投射到那些屢次未能達到預期的領域。許多技術問題在很短的時間內已經得到了解決，但這并不足以證明我們能夠解決所有懸而未決的問題。

我試著從一個不那么歇斯底里的角度來審視當前的形勢。根據對200多名專家已有記錄的預測的分析，我對他們的說法進行了分類和平均，以產生一個匯總。這揭示了一個針對未來發展的更平衡的觀點，主要來源于在該領域工作并實際解決困難的AI和機器人問題的實踐工程師。其中包括一些主要高科技公司的頂尖專家——他們有的經驗豐富，有的已經取得重大突破，或兩者兼而有之。他們認識到技術進步的局限性，并提供了一個成熟、積極和更穩定的未來形象。盡管與媒體的炒作有所不同，但威脅是真實存在的，我們都必須參與到對未來數字技術的安全和效益管理中去。