第三章 人机大战：AI真的会挑战人类？（第14/18页）

今天，一种名叫“迁移学习”（Transfer Learning）的技术正吸引越来越多研究者的目光。这种学习技术的基本思路就是将计算机在一个领域取得的经验，通过某种形式的变换，迁移到计算机并不熟悉的另一个领域。比如，计算机通过大数据的训练，已经可以在淘宝商城的用户评论里，识别出买家的哪些话是在夸奖一个商品好，哪些话是在抱怨一个商品差，那么，这样的经验能不能被迅速迁移到电影评论领域，不需要再次训练，就能让计算机识别电影观众的评论究竟是在夸奖一部电影，还是在批评一部电影呢？

迁移学习技术已经取得了一些初步的成果，但这只是计算机在跨领域思考道路上前进的一小步。一个能像福尔摩斯一样，从犯罪现场的蛛丝马迹，抽丝剥茧一般梳理相关线索，通过缜密推理破获案件的人工智能程序将是我们在这个方向上追求的终极目标。

抽象能力

皮克斯工作室2015年出品的动画电影《头脑特工队》中，有个有趣的细节：女主人公莱莉·安德森的头脑中，有一个奇妙的“抽象空间”（Abstract Thought），本来活灵活现的动画角色一走进这个抽象空间，就变成了抽象的几何图形甚至色块。

图33　电影《头脑特工队》中的抽象空间

在抽象空间里，本来血肉饱满的人物躯体，先是被抽象成了彩色积木块的组合，然后又被从三维压扁到二维，变成线条、形状、色彩等基本视觉元素。皮克斯工作室的这个创意实在是让人拍案叫绝。这段情节用大人、小孩都不难理解的方式解释了人类大脑中的“抽象”到底是怎么回事（虽然我们至今仍不明白这一机制在生物学、神经学层面的工作原理）。

抽象对人类至关重要。漫漫数千年间，数学理论的发展更是将人类的超强抽象能力表现得淋漓尽致。最早，人类从计数中归纳出1，2，3，4，5……的自然数序列，这可以看作一个非常自然的抽象过程。人类抽象能力的第一个进步，大概是从理解“0”的概念开始的，用0和非0，来抽象现实世界中的无和有、空和满、静和动……这个进步让人类的抽象能力远远超出了黑猩猩、海豚等动物界中的“最强大脑”。接下来，发明和使用负数一下子让人类对世界的归纳、表述和认知能力提高到了一个新的层次，人们第一次可以定量描述相反或对称的事物属性，比如温度的正负、水面以上和以下等。引入小数、分数的意义自不必说，但其中最有标志性的事件，莫过于人类可以正确理解和使用无限小数。比如，对于1=0.999999……这个等式的认识（好多数学不好的人总是不相信这个等式居然是成立的），标志着人类真正开始用极限的概念来抽象现实世界的相关特性。至于用复数去理解类似（X+1）2+9=0这类原本难以解释的方程式，或者用张量（Tensor）去抽象高维世界的复杂问题，即便是人类，也需要比较聪明的个体以及比较长期的学习才能透彻、全面掌握。

计算机所使用的二进制数字、机器指令、程序代码等，其实都是人类对“计算”本身所做的抽象。基于这些抽象，人类成功地研制出如此众多且实用的人工智能技术。那么，AI能不能自己学会类似的抽象能力呢？就算把要求放低一些，计算机能不能像古人那样，用质朴却不乏创意的“一生二、二生三、三生万物”来抽象世界变化，或者用“白马非马”之类的思辨来探讨具象与抽象间的关系呢？

目前的深度学习技术，几乎都需要大量训练样本来让计算机完成学习过程。可人类，哪怕是小孩子要学习一个新知识时，通常只要两三个样本就可以了。这其中最重要的差别，也许就是抽象能力的不同。比如，一个小孩子看到第一辆汽车时，他的大脑中就会像《头脑特工队》的抽象工厂一样，将汽车抽象为一个盒子装在四个轮子上的组合，并将这个抽象后的构型印在脑子里。下次再看到外观差别很大的汽车时，小孩子仍可以毫不费力地认出那是一辆汽车。计算机就很难做到这一点，或者说，我们目前还不知道怎么教计算机做到这一点。人工智能界，少样本学习、无监督学习方向的科研工作，目前的进展还很有限。但是，不突破少样本、无监督的学习，我们也许就永远无法实现人类水平的人工智能。