阿拉法狗戰勝李世石后，大家都在說，人類智能的最后一片高地也被人工智能攻陷了。人類積累2000多年的圍棋智慧，被一個程序輕易打敗，那么未來人工智能是否會取代人類成為這個星球上的主宰者呢?對于人工智能的安全性問題，學術界已經納入研究范疇，但就目前人工智能技術的底層邏輯而言，和人類智能還是存在明顯的區別。

[[377956]]

認識世界分為三個臺階：

1.第一臺階：觀察

通過觀察世界來發現事物之間的關聯，根據觀察到的規律來指導自己的行動。比如，觀察到公雞打鳴后，天就亮了，那么聽到公雞叫，就可以起床了。

2.第二臺階：干預

通過預測對環境改變后的結果，來選擇有利于自己的行動方案。比如，爬上樹才能摘下果子，但樹太高了很危險，如果拿一根長棍敲打樹枝，或許果子也會掉下來，我為什么不找根長棍試一試?

3.第三臺階：想象，反思，理解

反思是什么原因導致了已經發生的結果，我可以采取哪些行動來促進或避免類似的結果，這個比較容易理解。

這就是“因果關系之梯”的三個臺階，我們人類明顯處于第三臺階，部分會使用工具的動物，比如黑猩猩，處于第二臺階，而大部分動物處于第一臺階，那么目前的人工智能處在哪個臺階呢?

無論是大數據分析還是深度學習算法，其底層邏輯都是通過大量的外部數據來找到特定目標的關聯性。大數據分析顯示，美國每次颶風來臨的時候，沃爾瑪超市的草莓曲奇餅干銷量會大增，颶風和草莓曲奇餅干的銷量呈強相關性，所以不需要知道具體的原因，就可以有效指導沃爾瑪超市備貨。由此可見，目前人工智能仍然處于第一臺階，只不過高效的數據數理能力使其成為一個超級觀察者，使用的數學邏輯也很簡單，就是條件概率，P(Y/X)，即當X發生時，Y發生的概率，當這個概率比較高時，人工智能就認為兩者強相關。

我們經常會收到一些推送信息，也是基于以上的邏輯，有時甚至成為我們的煩惱。在網上為朋友的孩子買了個禮物，之后就不停地收到關于孩子的各類信息的推送。如果不理解行為背后的原因，不知道事物關聯背后的邏輯，開展有效行動的概率就會降低，我們就無法客觀理解這個世界，人類也就無法將科技發展到如今的水平。

如果一定要將因果關系和概率聯系在一起，那么至少人工智能得跨入第二個臺階，用數學語言描述，就是P(Y/do(X))，即主動提高X事件發生的概率，觀察Y事件發生的概率是否會提高。在心理學和社會學方面，人類采取的隨機雙盲試驗，就是利用了這個邏輯，APP也通常會采用A/B界面測試，來獲得用戶的反饋。我不知道人工智能是否能實現這一目標，這不是單純改變條件那么簡單，而是先要預測改變那些條件可能會導致預期的效果，然后再行動來驗證自己的想法。

對于第三臺階的認知能力，就目前人工智能的底層邏輯而言，是無法達到的。我們人類認知能力在四萬年前有了一個大飛躍，從第二臺階一下子跨入了第三臺階，證據就是施塔德爾洞穴的獅人雕塑，他是迄今為止人類發現的最古老的虛構生物雕塑，我們不知道遠古的祖先為何創造它，但人類自此發展出了一種想象不存在之物的能力，這是所有哲學理論、科學探索和技術創新的雛形。

與任何解剖學上的進化一樣，這種認知能力的飛躍對我們人類這個物種來説意義深遠至關重要。在獅人雕塑制造完成之后的1萬年間，其他所有的原人種都滅絕了。人類繼續以難以警信的速度改變著自然界，利用我們的想象力生存、適應并最終掌控了整個世界。從想象的反事實中，我們獲得的獨特優勢是靈活性、反省能力和改善去行為的能力，更重要的一點是對過去和現在的行為承責任的意愿。古往今來，我們一直受益于反事實推理。

有人說人工智能發展即將達到一個奇點，過了奇點，通用人工智能就會產生(類人智能)，我想說的是，除非人工智能的底層邏輯是建立在因果關系之上的，如果還是基于相關性的邏輯，從原理上來說，基本不可能達到人類智能的水平。當然，哲學界有僵尸一說，就是看上去和人類智能沒有差別，但其實是一個基于大數據處理的人工智能，你無法分別，著名的“中文屋”思想實驗也反映了這么一個想法。但如果是這樣，我想需要的數據量會非常大，也許這個數量級比可見宇宙中的原子數量還多，同時又必須把所有數據在較小的物理范圍內儲存和計算，否則就無法保證運算速度，我想你不會把一個每次都要思考幾分鐘才能回答你問題的人工智能當成正常的同伴吧。也許科技的發展能夠實現這一點，但我想有生之年估計很難看到了。