如何向人类同伴证明自己不是一个人工智能？
我在美国卡内基梅隆大学的计算机专业就读研究生时，导师是名在美国最受欢迎的问答节目《危险边缘（Jeopardy）》里大放异彩打败人类选手的IBM Watson的科学家。我曾经也问过他一个类似的问题：「你觉得将来有一天Watson会用人类的方式来思考回答问题，或者变成人类吗？」
教授的回答缓慢而深刻，但是也出乎我的意料，「它为什么要像人类呢？它有用就好了。」
这是个很有意思的回答，「如何向人类同伴证明自己不是人工智能」是个至关重要，然而又很难的问题。或许30年50年后，人工智能已经能够完全模仿人类的所有的思维模式，任何通过问答的方式都无法辨别出机器智能与人类智能的区别，为数不多的方法可能也正如其他的知友所说，只能通过能源耗损之类的方式。
而在今日我们最关心的，其实是人工智能能不能解决我们人类在乎的问题，拓展人类本身的能力，也许这点才是我们发展人工智能最朴素、最核心、最本源的原因。正如在今年10月探索频道（Discovery）的记录片《This is AI》里面人工智能科学家所说，「我们用人工智能来做什么呢？我们要它们来解决难题，做我们人类难以做到的事情，让地球更加繁荣，让人类更加健康；人工智能会对今天和未来带来什么变化，取决于我们自己。」
查看完整纪录片：
图片截取自记录片《This is AI》
而退一步说，人工智能真的需要在我们面前证明自己吗？或许人工智能的开发者们一开始就没有想过要制造一个跟人类一模一样的智能人，而是让它们模仿我们人类的思考方式协助我们解决一些生活中和工作中的问题。而如今这项技术的发展轨迹，也没有朝着复制人类的方向前进，更多地是试图去利用计算机本身的优点，比如海量存储、高速计算等等，创造着另一种「智能」。
说起辩论，我们很难想象机器能够成功胜任辩手的角色，像我们人类一样在辩论赛场上唇枪舌剑，审时度势地运用借力打力、釜底抽薪、李代桃僵等需要辩手随机应变使用的辩论技巧，毕竟辩论包含了大量语言的艺术和逻辑的精华，比如对于辩题的理解、对手思路的判断、论据的选择和组装、甚至现场氛围的调动等等。如果要实现一个能够在辩论中战胜人类的算法，不少人认为我们首先需要完全复制人类的逻辑推理能力、思辨能力和表达能力，才有机会与人类一决高下。出乎大家意料的是，在2018年6月人工智能 Project Debater 与以色列国际辩论协会主席 Dan Zafrir 及2016年度以色列国家辩论冠军 Noa Ovadia 进行的一场辩论中却大获全胜，成功地战胜了我们优秀的人类辩手。在这场瞩目的人机辩论赛中，人工智能辩手表现大放异彩，不仅能够清晰地论述自己的观点，还能在迅速理解对方的论点并加以驳斥，甚至还能够完美运用之前只属于我们人类辩手独有的辩论技巧，明确地指出对方在事实上所犯的错误，加强自己的优势。我们不禁感叹，难道在辩论场上，人工智能辩手也能像我们人类一样思考问题了吗？这又是如何实现的呢？
图片截取自记录片《This is AI》
对于这样一个复杂算法，IBM Research 思路并不是完全复制人类的思维模式和思考方法，而是巧妙利用计算机本身搜索能力和阅读能力的独特优势，综合使用各类机器学习的算法，深入理解语言各个部分的相似之处，并抽出重要的结论与论据，组织语言，最终流畅地表达出来。虽然因为物理限制，机器没有办法利用身体语言、舞台表现等人类的特性获取支持，但是它却能从更海量的数据中找到更合适的论据，让人信服。辩论与决策都是同一类经典的问题，它需要寻找论据支持论点。人工智能的发展告诉我们，即使它们并不利用人类的逻辑能力，在海量的现成数据中寻找已有的观点，依然可以像人类一样做出精彩的辩论与决策。
图片截取自记录片《This is AI》
教育也是个很有趣的的方向，人工智能的从业者对于「教师」的模仿也完全不同于真正的人类，而是发展出了自己的特色。IBM Watson 曾经跟美国知名的教育机构芝麻街（Sesame Street）合作开发过一款教小朋友们在「玩与学」中背诵英语单词的人工智能应用，由IBM云为其提供支持。这个应用的优势在于它可以充分发挥 IBM Watson 的认知学习专长和芝麻街的儿童教育经验，利用智能算法来评估小朋友对于每个单词的掌握程度，据此为小朋友量身打造一套个性化的学习方案，让每个小孩都能够学习不同的内容，帮助孩子们告别枯燥低效率的教学模式。这个应用看起来是一个儿童益智游戏，但实际上是由IBM Watson收集数据后，通过精准的算法分析推算出下一个呈现给孩子们的词汇。通过这样的方式，一位幼儿园的小朋友就可以将诸如 deciduous（落叶性的）这类复杂词汇解释得头头是道。
图片截取自记录片《This is AI》
而 IBM Watson 与美国另一家著名的培训考试机构培生教育（Pearson）合作开发的一款「助教」软件则更有趣，它充当了一名称职的陪读角色，与学生一起阅读材料，一起学习其中的内容，并提炼出其中的关键概念。在完成学习之后，它可以向学生提问重要的概念，随时一对一聊天，了解学生对重要概念的理解，并迅速给予反馈，为每一个学生提供个性化的助教体验。
图片截取自记录片《This is AI》
「教育的人工智能应该跟老师真人一模一样。」这是很多人心中的成见。但实际上，一个算法最初只需要解决一个问题，随着可以解决的问题越来越多，算法也就越来越智能，但这种智能并没有完全机械地复制教师这个角色本身，它也不需要复制人类的角色。
不仅仅在这些专业的领域，人工智能的发展与我们的期待不同，实际上在我们身边的方方面面，人工智能的发展也跟我们理解的不一样。例如苹果公司的 Siri，也不是个真正像人类一样的私人助理，而是在语音识别的基础上，帮助我们解决简单日常的问题，比如搜索、推荐、日历管理等等。再比如 IBM Watson 在博物馆里自动生成的互动向导，也不是立体人类的外表，而是依靠算法自动把海量的相关报刊、文章、专辑联系起来，给出更丰富的故事。而我们对于这些智能的期待，也并不是真正出现复制出人的体验，而是能够解决我们的问题就好。
图片截取自记录片《This is AI》
随着时间的发展，人工智能能够解决的问题也会越来越多，就像 IBM Watson 与 ROSS 合作做过律师、与医生们一起研究过帕金森病的治疗方案、与Alex Da Kid联手创作过音乐，它们不断学习人类的思维模式，为人类提高工作效率和生活质量，逐渐成为人类群体的亲密伙伴。在人工智能什么都会的情况下，可能向人类证明自己不是人工智能会是一件简单的事情，反而是我们人类需要思考如何向人工智能证明自己是货真价实的人类吧……