2. 浅谈人工智能重要概念 （1）：智能，弱人工智能，强人工智能和图灵测试

本期节目从讨论人工智能发展对未来工作的影响开始切入正题。根据2024年世界经济论坛的数据，人工智能和机器学习专家是增长最快的职位之一，而文员职位则在下降。到2027年，预计将有近75%的被调查的公司采用人工智能，约42%的工作任务将实现自动化。两位主持人 指出了工作任务（task）和整个工作（job）的区别。她们探讨了智能的概念，引用了查尔斯·斯皮尔曼，霍华德·加德纳以及CHC的理论，并解释了弱人工智能、AGI（人工通用智能）和超级人工智能（SAI）之间的区别。图灵测试的相关性也被讨论。

节目还提到与人工智能进展有关的2024年的诺贝尔奖获奖者，强调了人工智能的日益影响。接下来的一集将探讨机器学习、GPT和神经网络等重要的概念，为今后的讨论打下基础。

主持人 叶老师 (Y)：大家好，我是叶老师。 非常高兴和大家有缘再次相聚叶老师AI教育, 爱教育这档节目。

橙子（C）： 大家好，我是橙子。非常欢迎大家继续收听我们的节目！

Y：在第一期的节目中，我们聊了什么是人工智能，简单回顾了他的发展历史以及我们做这档节目的目的。 目前我们大家最关心的现实问题可能就是人工智能技术的发展对我们的工作和就业的影响，再深远一点的思考可能就是人工智能的持续发展对人类福祉的影响甚至是与人类存亡的关系了。

C:今天我们先来粗浅的聊聊这个我们最关心的现实问题, 也就是目前的人工智能技术的发展对我们的工作和就业的影响。根据世界经济论坛发表的最新调查数据报告，未来4年大多数增长最快的职位都是与技术相关的职位。在增长最快的职位中，人工智能和机器学习专家名列榜首，其次是可持续发展专家、商业智能分析师和信息安全分析师。再往下是：可再生能源工程师、太阳能安装和系统工程师。下降最快的职位是文员或秘书职位，其中银行出纳员和相关文员、邮政服务文员、收银员和票务员以及数据录入文员预计下降最快。

Y: 我看过这个报告。它指出：到2027年，受调查的公司预计将有近 75% 的公司采用人工智能，42% 的业务将实现自动化。这些实现自动化的业务里，包括35% 推理和决策， 65% 的信息和数据处理不等。为了大家方便查询，我们将会把这个报告的链接放到我们节目的文本中，如果您感兴趣，可以去下载。请大家注意报告中指出的是业务任务 (tasks)， 而不是说工作 (jobs). 因为每一份工作都会有不同的业务部分。比如说教师这份工作，它就包括教学，科研，做班主任等等的任务。那么人工智能可能赋能部分的任务，但却不能替代教师这个职业。那么以此类推，其他一些职业的情况也是如此。收听我们节目的听众或许可以想想您的工作的哪些任务是能被人工智能所替代的，哪些又是短期内难以被替代，甚至根本不可能被替代的。橙子，你有什么看法？

C: 嗯。 有关人工智能和未来的工作的话题，是个非常大的话题，如果深入聊的话， 我觉得我们专门可以做一集展开来讲。有趣的是，当我问ChatGPT，人工智能是会创造更多就业机会，还是会让更多就业机会消失时，它回答道：“人工智能到底会增加还是减少就业，是一个复杂而多方面的问题。这一答案将取决于各种因素，例如特定行业、类型、以及实施和采用人工智能的技术水平。”

Y:  我们在刚才的交谈中提到了一些人工智能的概念， 如：机器学习。 因为这是一档主要探讨人工智能赋能学习和教育的节目，那么今天就让我们先来对人工智能的几个重要概念做一个解释，以给以后的探讨打下一下基础。 那么什么是人工智能吧。

C:人工这两字好理解。 比如说， 人工香料， 人工降雨，人工草坪等等，经过加工的东西，都可以叫“人工”。值得我们探讨的是“智能” 。 叶老师，你能给大家解释一下“智能”这个概念吗？我们大家或多或少都听说过智力和智能这两词。这个智力就是指的智能吗？

Y：不是，这是2个概念。智力是我们平时说得IQ，intelligence Quotient. 对什么是智能，科学家们见解不同。最有影响力的包括 查尔斯·斯皮尔曼 （Charles Spearman）的“一般智能”理论 (g factor)。他的理论是智力测试（如 IQ 测试）的基础，推动了现代智力评估的发展。还有加德纳的多元智能理论。 加德纳认为每个人都有多达八种智能：包括 语言智能（Linguistic）：语言表达和理解能力；逻辑-数学智能 （Logical-Mathematical）：逻辑推理和解决问题的能力；空间智能（Spatial）：理解和操作空间关系的能力；音乐智能（Musical）：感知和创造音乐的能力；身体动觉智能（Bodily-Kinesthetic）：运用身体完成任务的能力。

C: 也就是说加德纳认为智能不是单一的，而是多元化的。

Y: 正是。还有一个非常重要的是卡特尔-霍恩-卡罗尔 (CHC) 理论。这个理论的核心观点：智能由多个具体能力构成，这些能力可以分层次，从狭义的具体技能到广义的认知能力，最终归结为一般智能。

C:这三位科学家的联合理论和弱人工智能，强人工智能的分类有异曲同工之妙。  

Y: 那么你来给大家解释一下弱人工智能和强人工智能的区别，好吗？

C: 弱人工智能是专门设计用来解决特定问题的人工智能，比如帮助医生诊断疾病，或者玩棋类游戏。只能完成单一的任务，又叫狭义人工智能。比如上一集里我们提到的AlphaGo, 就只会下棋，狭义人工智能的代表。而强人工智能具一般人类的理解力，能够执行广泛的任务。所以也叫通用人工智能, 就是AGI。也叫通识机器人，它们具有了理解人类语言的能力，能够和人进行相互的对话和交流。对于复杂的任务他们也能够自动进行分析和拆解，寻找到解决的办法。大家要注意，AGI的定义。 随着时代的进步，标准也在不断变化。
  
Y: 除了弱人工智能， 通用人工智能AGI，还有所谓的super artificial intelligence （SAI) 超级人工智能吧？


C: **超级人工智能（SAI）**指的是在所有认知任务上都超过人类的智能。这种系统不仅能够胜任AGI通用人工智能可以做到的任务，还可以用远超人类的效率处理复杂问题。它拥有极高的创造力、解决问题的能力和学习能力， 在社会、情感、伦理等领域表现出比人类更高的能力。 
有人认为这种超级人工智能永远也不会出现。也有人对此有非常乐观的态度。例如我前2天看到一个报道：阿里巴巴的大股东，孙正义，描绘了一个极为激进的人工智能普及时间表，他认为拥有与人类同等能力的AI将在2~3年后到来，而超过人类智能1万倍的超人工智能（SAI）将在10年以内实现。

Y: 在谈了这么多智能和人工智能之后，研究人员或科学家如何判断机器是不是具有智能呢？

C： 这就要谈一下图灵测试了。 是一个叫艾伦 图灵的英国的人提出的一个测试方法。早在1950年,他在的一篇论文《计算机械与智能》中提出了一个测试方法, 用来判断机器是否具有人的智能。我忍不住要插播一下，图灵这个人，是计算机届的大牛，大家都知道诺贝尔奖吧？诺贝尔有文学奖，化学奖等等，但是没有计算机奖。

Y: 这是因为当时还没有计算机吧？

C: 是的。计算机届的最高奖叫图灵奖，就是用他的名字命名的。有一个电影专门讲他的故事叫《The Imitation Game》（模仿游戏）拍的非常精彩 （2014年），获得了当年多项奥斯卡奖提名。大家有兴趣可以看一下。 回过头来我们继续说图灵测试。测试的大致方法是：让一个人作为测试官提问，让2个被测试者回答，其中一个被测试的其实是机器。但是它们3个之间都有挡板隔着，互相都看不见。

Y:就是提问的人是完全不知道挡板后面是人还是机器。


C:是的。当然，原始的设计是文字问答，所以2个被测试对象也是相互之间不知道对方的答案的。当回答完问题后，测试官就要判断哪一个参与者是机器，哪一个是人类。如果测试官觉得判断不出来了，那么就可以说这台机器通过了图灵测试。

Y: 简单的说： 图灵测试就是看机器能否通过对话让人觉得它是人吧？

C: 是的。但是吊诡的地方来了。如果一机器具有比人类的更高的智慧，我们测试的时候会不会说：你怎么这么聪明算的这么快知道得这么多？！你肯定是机器。所以现在有一些人认为图灵测试已经失效了。

Y: 好了， 在今天的节目中我们聊了智能，弱人工智能，强人工智能，超级人工智能和图灵测试。那么我们今天就先聊到这里吧。

C: 最近的新闻，今年的诺贝尔物理和化学奖的获奖人已经宣布了，都是和人工智能有关。化学奖的获得者之一，英国科学家Demis Hassabis哈撒比斯，当年就是因为领导Deep Mind团队开发出了AlphaGo而大名鼎鼎。这次，因为开发出了一个基于人工智能技术的蛋白质结构预测软件AlphaFold， 而获奖。物理奖获奖者之一，Geoffrey Hinton辛顿，则是被誉为神经网络之父，也获得过图灵奖。 今年的诺贝尔奖可以说是AI的胜利。辛顿这个人因为一直在人工智能领域工作，所以对这一领域有着广泛的影响。我们在后面的节目中会有很多涉及他的内容，包括他的一些概念，思考，和预测。

Y: 下一集我们和大家继续聊聊另外几个有关人工智能的重要概念：Machine learning 机器学习；生成式预训练变换模型 也就是Chat GPT中的GPT，Generative Pre-trained Transformer 和Neuron network 神经系统。我们的节目两周更新一次。周五是我们的固定更新日。谢谢大家。我们下期再会。


Sources:

Chief Economists Outlook: September 2024 | 世界经济论坛 (weforum.org)