要超越人類智能，機(jī)器人仍有很長路的路要走。這因?yàn)槿祟惙浅Ｉ瞄L展望未來與制定計(jì)劃。同時(shí)質(zhì)量非常重要（它使我們有別于其他動(dòng)物），我們?cè)跈C(jī)器人中真的無法對(duì)它們進(jìn)行模擬。

 

　　據(jù)美國加州大學(xué)伯克利分校的計(jì)算機(jī)科學(xué)家Stuart Russell所說：“人類非常善于在不同的抽象層次上做決策，這是一種被稱為‘分層決策’的特性。”

 

　　計(jì)算機(jī)不能模擬分層決策也不能完成許多人類可完成的任務(wù)。人類可以展望未來、做計(jì)劃以及基于抽象觀點(diǎn)來做決策。想象一下去另一個(gè)城市開會(huì)。當(dāng)你到達(dá)一個(gè)新城市，你不用思考你從機(jī)場(chǎng)到街上所走的每一步，而只需要根據(jù)指示牌走到機(jī)場(chǎng)出口。你不需要計(jì)劃你要打車的動(dòng)作，當(dāng)你腦海中閃現(xiàn)“我要打車”這一想法時(shí)，身體就自然而然地做出相應(yīng)動(dòng)作。

 

　　“人類通過存儲(chǔ)非常豐富的抽象、高級(jí)動(dòng)作的方式來對(duì)此進(jìn)行管理，”Russell在Quanta的訪談中說到，“這就是我們最基本的生活方式，未來是分散的，有許多細(xì)節(jié)非常接近我們現(xiàn)在的時(shí)間點(diǎn)，但是我們做出的大量決策都是非常抽象的，比如獲得博士學(xué)位、生孩子等。”換句話說，我們對(duì)未來的假設(shè)是基于我們過去對(duì)世界的理解。幸運(yùn)的是，我們擁有一些快捷鍵。

 

　　人類如何看待未來

 

　　首先，情感是非常重要的因素，它們幫助我們對(duì)事情和情況作出快速的決策。例如，當(dāng)一個(gè)人在野外碰到一只熊的時(shí)候，會(huì)感到恐懼然后直接逃跑。但是人工智能沒有這些天生的情感來幫其做決策。一個(gè)機(jī)器人（除非被特別編程將熊識(shí)別為威脅）不會(huì)自動(dòng)辨別大型動(dòng)物會(huì)對(duì)其造成傷害。

 

　　第二，人類大腦運(yùn)用智慧和對(duì)世界的現(xiàn)存經(jīng)驗(yàn)，能夠看出一個(gè)從來沒見過的事物是如何工作的。據(jù)NICTA（澳大利亞國家信息與通信技術(shù)研究院）計(jì)算機(jī)科學(xué)家Toby Walsh所說，這叫做“常識(shí)推理”。

 

　　例如，每一把椅子看起來都不一樣，它們有不同的椅背、不同的細(xì)節(jié)、可能是木頭、纖維或者塑料的，也會(huì)有不同的顏色。但是當(dāng)我們這樣由四條腿支撐、有靠背的東西時(shí)，我們就知道它是椅子，可以坐。

 

　　你知道這是椅子，但是你怎么知道這是椅子的？

 

　　想象一下打車的情景，你從來沒見過出租車，更不用說打車了。你看到一個(gè)人揮舞手臂時(shí)有輛車會(huì)停下，那么根據(jù)常識(shí)，你推斷出這是一輛出租車。人類能夠注意到事情間的因果關(guān)系，并將其應(yīng)用于決策。但是這種常識(shí)是基于先前的知識(shí)，而且我們很難將其編碼到人工智能系統(tǒng)中。

 

　　對(duì)于使用因果推理的計(jì)算機(jī)來說，它們需要知道場(chǎng)景中每一件事的確切規(guī)范，紐約大學(xué)從事常識(shí)推理工作的計(jì)算機(jī)科學(xué)家 Ernest Daviss說。機(jī)器人也需要多次看到同一場(chǎng)景以便完全了解發(fā)生了什么。人類則不需要，我們能夠采用想象未來的能力來思考不同場(chǎng)景以及推理它們是如何發(fā)生的。

 

　　人類目前領(lǐng)先機(jī)器人的另一點(diǎn)是同時(shí)處理很多不同任務(wù)的能力，我們現(xiàn)在擁有的大部分人工智能項(xiàng)目都對(duì)非常具體的任務(wù)很擅長，比如玩視頻游戲或者下象棋。但是人類能同時(shí)進(jìn)行多項(xiàng)任務(wù)，比如理財(cái)、運(yùn)動(dòng)、撫養(yǎng)孩子或者打開包裹。“人工智能系統(tǒng)不能同時(shí)擁有所有能力，特別是同時(shí)結(jié)合視覺、語言和身體操縱。”人工智能發(fā)展協(xié)會(huì)（the Association for the Advancement of Artificial Intelligence）主席Thomas Dietterich說。

 

　　因此，我們?nèi)绾蝿?chuàng)造能像人一樣進(jìn)行推理和決策的人工智能？Dietterich指出：“如何在人工智能中表示知識(shí)和信息”會(huì)是良好的開端。

 

　　Peter Norvig則認(rèn)為阻止機(jī)器人和人類一樣智能的最大原因是征服感知。對(duì)于Norvig來說，人工智能系統(tǒng)只有在它們能更好地看到和感覺到這個(gè)世界的時(shí)候才能更好進(jìn)行推理。“我們很擅長收集數(shù)據(jù)，并用這些數(shù)據(jù)來發(fā)展算法，但是僅僅基于數(shù)據(jù)的推理會(huì)讓我們遠(yuǎn)離真實(shí)情況，”Norvig說，“我認(rèn)為只有我們不斷地讓系統(tǒng)感知世界并與其交互，而不是讓其被動(dòng)學(xué)習(xí)別人選擇好的信息，才能更好地改善其推理能力。”

 

　　通過試驗(yàn)和錯(cuò)誤，機(jī)器人會(huì)像孩子一樣學(xué)習(xí)如何看、聽以及觸摸。當(dāng)你長大的時(shí)候，你會(huì)以很多種不同的方式了解世界。會(huì)有老師或者父母指著一個(gè)物體告訴你它叫什么，這非常像機(jī)器學(xué)習(xí)算法中我們用來訓(xùn)練人工智系統(tǒng)的方法。但是許多童年學(xué)習(xí)是隱式的，基于我們的能力進(jìn)行推斷，填補(bǔ)空白以及建立預(yù)先的知識(shí)。這種學(xué)習(xí)方式正是我們今天的智能程序中所缺失的。

 

　　今天的機(jī)器學(xué)習(xí)系統(tǒng)每次學(xué)習(xí)一個(gè)新任務(wù)都是從頭開始。但是這非常耗時(shí)間，未來的智能機(jī)器需要擺脫這種方法來進(jìn)行學(xué)習(xí)。“我們需要在持續(xù)學(xué)習(xí)（每次有新數(shù)據(jù)或算法需要測(cè)試時(shí)無需從頭開始訓(xùn)練）上下功夫，”谷歌人工智能研究者Samy Bengio說，“這是非常困難的任務(wù)，需要花費(fèi)很長時(shí)間來改進(jìn)。”