近年，人工智能技術愈發火熱，機器人正在實現越來越多的功能。據《華爾街日報》消息，NII (日本國立情報學研究所)最新研發的人工智能(AI)技術已經可以在日本高考中考取511分的成績。日本大學入學考試總分為950分，而日本全國高考平均水平為416分，這就意味著這款“考試機器人”有80%的幾率被日本441家私立大學及33所全國性大學錄取。無獨有偶，在即將于北京召開的2015世界機器人大會上，將會舉辦機器人足球明星表演賽，屆時，RoboCup機器人足球世界杯的國際、國內冠軍聯隊都將登場，展示機器人的體育能力。

隨著技術的發展，機器人變得“能文能武”，許多對于人類來說復雜的事情對于他們都很簡單。不過，在一些需要思考與憑感性認知的問題上，機器人卻顯出了其“短板”。

一、文能上考場，武能上球場，人工智能技術愈發成熟

日本這款機器人AI項目被稱為“東大機器人項目（Todai Robot Project）”，由日本NII研發。其最終目的是希望這款名為“Torobo坤”的考試機器人能夠在2012年通過日本頂級學府東京大學的入學考試。這一項目始于2011年，有超過100名的研究人員參與其中。“Torobo坤”從2011年開始參加高考以來，連續兩年的得分都低于平均分數線。此次511分的高考成績是這一項目啟動以來的最高成績，這次考試包括數學、英語、歷史等一系列科目。而且有趣的是，在這款“考試機器人”的高考成績中，數學和歷史分數很高，而物理成績較差。雖然它能夠回答許多物理問題，但其語言組織能力還不夠。

在今年，中國的科大訊飛公司也加入了“東大機器人項目”的研究。該項目負責人、NII教授荒井紀子表示，科大訊飛在今年五月發郵件表示欲與NII共同開發考試機器人?；木o子說：“中國將推出一個國家級的項目，此項目為開發出能夠通過大學入學考試的機器人，中國為此付出了巨大的努力，已經做出了前三年的預算，此預算相當于3個十億日元”。中國開發機器人的目的，是使機器人在高考中能夠通過中國一流大學的入學考試。

除了“學霸屬性”的AI機器人，還有“體育健將屬性”的AI機器人。這幾天，中國男足又成為各大媒體及輿論調侃的對象，球迷們紛紛感嘆此生出線無望。但與之相比機器人球隊的表現卻出人意料。早在2001年，中國科大就組建了機器人足球藍鷹隊（WrightEagle）。與男足不同的是，這支機器人足球隊是全球最為優秀的隊伍之一，也是我國第一支RoboCup（Robot World Cup機器人世界杯足球錦標賽）團隊。在歷次國家級和國際級比賽中取得了輝煌戰績，特別是在2D仿真機器人足球與仿真機器人足球這兩個比賽項目上遠遠領先于其他隊伍，甚至取得過世界冠軍的好成績。2008年，我國組建了第一支NAO機器人球隊，當年就獲得了機器人世界杯比賽的亞軍。

說起RoboCup的來源，可以回溯到1992年。當時，哥倫比亞大學教授Alan Mackworth在其論文《On Seeing Robots》中，提出了讓經過訓練的機器人來進行足球比賽的假想。1993年，在東京舉辦了一場名為Robot J-League的機器人足球比賽，這場比賽就是RoboCup的前身。如今，RoboCup已舉辦了19屆，并成為了全球范圍內最為頂尖的機器人賽事。RoboCup對參賽者的各方面素質都有極高的要求，除了要求能夠通過對AI機器人的感知、學習以及決策能力的考驗以外，還要求機器人能夠在人類足球規則內完成比賽，與真實的賽事并無多大差別。RoboCup的終極目標是希望通過舉辦大規模的機器人比賽，來促進AI領域的研發與推廣。

能文能武，全方位發展的機器人讓我們感受到了人工智能技術的逐漸成熟。但是，在一些感性與需要思考的問題上，機器人還是不能出色地完成任務。

二、不夠感性的AI仍需進一步發展，強人工智能時代或將到來

雖然人工智能機器人技術愈發成熟，但是有些東西機器人還是無法進行很好地理解，在一些需要憑借感性和直覺來做出分辨和選擇的事情上，機器人會顯得異常笨拙。比如機器人無法分辨陰影，無法判斷立體圖形，也無法從面部表情來判斷人的喜怒哀樂。在這一方面，人工智能機器人還遠遠未能達到要求。算機科學家Donald Knuth說：“人工智能已經在幾乎所有需要思考的領域都超過了人類，但是在那些人類和其他動物不需要思考就能完成的事情上，它還差得很遠”。

想要解決這一問題，目前有兩種途徑。

第一，可以通過“人腦工程”等技術對人腦進行模仿。人腦工程的核心是信息和計算機技術。該項目將開發能夠實現神經信息學、腦部模擬和超級計算的信息和計算機技術平臺，以集合世界各地的神經科學數據，并整合于統一的模型來模擬人腦，比對生物學數據并與全世界科學界共同分享資源。最終目標是使神經學家能夠將基因、分子和細胞與人類認知和行為連接起來。近日，中國科技部，國家自然基金委等相關部門決定聯合啟動“中國腦計劃”。此前，在人腦工程這一項目上，其他國家曾進行了大量的投入。比如歐盟斥資10億歐元、美國投資30億美元支持本國的“人腦工程”項目研究。一旦這一項目成功，我們就可以使機器人以更加貼近人類的方式進行思考。但是，由于人類大腦固有的復雜性以及技術存在的瓶頸，這一項目的開發還有待時日。

第二，可以通過“遺傳算法”模仿生物的進化過程，讓人工智能在這一過程中慢慢擁有感性認知的能力。遺傳算法（Genetic Algorithm）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。最初由美國Michigan大學J.Holland教授于1975年提出。并在《Adaptation in Natural and Artificial Systems》一書中做出了詳細的闡述。遺傳算法廣泛應用在生物信息學、系統發生學、計算科學、工程學、經濟學、化學、制造、數學、物理、藥物測量學和其他領域之中。這一技術應用在人工智能中的大概過程就是先建立一組自動評價系統，之后通過類似生物繁殖的方式不斷運作，優勝劣汰，最終優秀的程序會使人工智能愈發強大，這也是人工智能自我學習的原理之一。但是，真正的進化需要幾億乃至幾十億年的時間，而通過技術用幾十年的時間達到幾億年的效果難度是極大的，這還需要技術的進一步成熟。

但是，我們的身邊，人工智能其實無處不在。比如汽車的防抱死系統，手機上的語音助手、地圖導航，網上的翻譯軟件等等，都是人工智能，不過它們都屬于弱人工智能。弱人工智能觀點認為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。而我們現在正站在弱人工智能和強人工智能的臨界點上，雖然人類在時間軸上是無法看到未來的，但是改變確實在我們不知不覺中就悄然發生。2014年6月7日，人工智能軟件Eugene Goostman通過了“圖靈測試”，也讓我們意識到如果在強人工智能時代到來之后，我們會分不清人與機器，而這恰恰涉及到倫理問題。

對于強人工智能時代的到來，我們還未完全做好準備。但是，改變在切實發生著，隨著技術的成熟，人工智能會在感性方面逐漸增強，我們應該要學會適應人工智能由弱到強的轉變，才有可能與之平等和諧地生活在一起。

本文版權歸“最極客”所有