AI成为热词已经很久了，你可能听过这样的说法，“我们正处于一场AI革命之中。你可能还听说过“神经网络”，由深度学习算法驱动，利用海量数据训练出的复杂程序。机器智能发展的速度之快，可能远远超过我们的想象。

　　目前的AI程序可以识别人脸，可以将语音转录成文字。有些程序甚至可以发现小型的金融诈骗; 给出模糊的关键字，就能找到相关的信息所在网页; 给出目的地，就能找出两点之间最优的路径; 下棋能下过围棋和国际象棋世界冠军，还能在翻译几百种语言。重点是，AI在未来还有更多可能——自动驾驶汽车、自动化癌症检测工具、家居清洁机器人，甚至可能将科学发现也自动化...这些听起来很遥远，却逐渐成为AI领域的主流。

　　Facebook的创立者扎克伯格今日宣称，在接下来的五到十年，Facebook会继续发展AI,，让AI的“感官”比人类更灵敏，不管是视觉、听觉、语言还是一般认知方面。谷歌DeepMind团队的首席科学家列格（Shane Legg）预测，“在20世纪的第三个十年中期，人工智能会达到人类智能水平。”

　　我本人已经在AI领域工作数十年，听到过无数人预测“人工智能将与人类智能相当”的预测，见证一次又一次的失败后，我很确定，最新的这些预测也有不足之处，也难以实现。现在的AI系统最大的痛点、最缺乏的就是人类智能的实质——理解人类所处的境况，并了解其意义的能力。数学家、哲学家 Gian-Carlo Rota曾经问过，“我很想知道人工智能会不会跨越‘意义’的阻隔？什么时候才能理解事物背后的含义？”对我来说，这仍然是？人工智能发展过程中最重要的问题。

　　机器最大的问题就是缺乏人类的理解能力。这一点已经在现代人工智能基础的缺陷中显现出来。虽然现在的程序比起二三十年前复杂多了，功能也越来越强大，但是最近有一系列研究显示，深度学习系统的学习方式和人类有很大差别，其结果可能不可靠。

　　我来举几个例子。

　　如果你用手机的语音识别将下面这句话转成文字，“The bareheaded man needed a hat”（光头男人需要一顶帽子），手机可能给出不同的结果“The bear headed man needed a hat.”（熊头男人需要一顶帽子）。如果你用谷歌翻译将如下句子翻译成法语，“I put the pig in the pen”（我把猪放进猪圈），得到的结果中，“pen”（圈）会被误译成法语中的笔（“Je mets le cochon dans le stylo” ）

　　研究发现，只要研究者在文本中加入一些“混淆视听”的小片段，文本读取程序就很容易被糊弄：有些可以“读取”文本、然后回答问题的程序，会因为加入的无关细节导致“阅读理解”有误。另外一项研究指出，有些识别人脸和物体的程序被誉为深度学习领域里程碑式的进步。但这些程序在光线不同、有无使用滤镜或者其他改变的不同情况下，也有可能出现严重失误。而人类的识别几乎不受这些）因素的影响。

　　最近一项研究显示，给人脸图像加上少量“底噪”就足以干扰最先进的人脸识别算法，使其表现水平大幅下跌。还有一项研究（花名“房中大象”，The Elephant in the Room，比喻显而易见的事物）发现，如果一张房间客厅的图像中，在某一个角落加入大象的图像，深度学习视觉程序在将图片中的物品归类时，就会出差错。

　　而且，很多程序已经“掌握”了某电子游戏或者某种棋类，水平远超人类，但只要对游戏内容（背景颜色或目标位置）做小小的改变，程序就会书输得一败涂地。

　　即使是最优秀的AI程序，在环境不同时，哪怕只是和训练数据有很小的差别，可靠程度也大大降低。不过，目前相关的例子并不多。这类系统犯错的时候，看起来无伤大雅，影响不大，但是后果有可能很严重：比如，你要登机了，机场的安检系统把你的脸和一个罪犯的脸相混淆; 或者你乘坐自动驾驶汽车，但由于光线原因，算法没有意识到车即将穿过马路...都有可能带来灾难性后果。

　　而更让人担忧的是近来AI系统在对抗性情况下展现出的脆弱性。在这些例子中，怀有恶意的黑客可以对某些图像做出肉眼无法识别，但会影响程序正常运行的细微改变，使得程序出错，引发危险和灾难。

　　这种类型的攻击几乎在每个AI应用领域都有实例，包括计算机视觉、医学影响处理、语音识别和语言处理等等。多项研究均表明，理论上，黑客只需要做很小规模的变动，很容易就能糊弄人脸识别和物体辨认系统：在“停止”路标上贴个贴纸，就能妨碍自动驾驶汽车的视觉系统，让算法以为是“让行”标志。黑客还能下“无声命令”：对音频做一些调整后，人耳听起来像是背景音乐的音频，Siri或者Alexa“听来”却是指令。

　　这些潜在的弱点都很清楚地展现了AI 领域的进展面临的阻碍：真正理解事物背后的含义。任何和AI系统打交道的人都知道，在与人类相似的视觉能力、语言流利度和游戏天才的背后，这些程序的行事方式和人类截然不同：他们并不理解输入数据和输出结果的含义。这种理解能力的缺乏，会让程序在难以预知的错误和恶意攻击面前变的不堪一击。

　　要跨过意义这层阻隔，我们需要什么？如何能让机器更深入地理解自己所处的境况，而不是通过浅薄的表面特征来做判断呢？要得到这个问题的答案，我们要先了解人类认知。

　　人类对自身面对情况的理解有广泛、直觉般的“常识”作为基础，我们知道世界如何运转、其他生物可能出现的行为，尤其是其他人可能的举动。另外，我们对于身边世界的理解能力是基于自己的概括能力，根据经验形成抽象概念，做类比。简单说来，人类可以灵活地将自身形成的概念运用到新的环境中来。研究人员几十年来不断实验，希望赋予AI系统这种人类只能，使其也具有直觉般的常识和人类概括的能力，但是即使科学家已经十分努力，这方面的的进展仍然非常缓慢。

　　很多已经投入实际应用的AI系统其实缺乏常识，也又不具备人类理解力其他关键因素。虽然有些人非常担心“超级智能”AI系统会给人类世界造成威胁，但是AI系统带来的最大威胁在于我们过度相信它们，在不了解他们的限制的前提下，就赋予他们很大的自主权。正如AI研究者Pedro Domingos在《主人算法》（The Master Algorithm）一书中所说的那样，“人们都担心电脑会越来越聪明，然后主宰世界，但是现实的问题是：它们太愚蠢，却已经主宰了世界。”

　　AI的商业化竞争给了研究者巨大的压力，因为他们必须在短暂的时间内做出“足够好”的AI系统。但是，想要实现开发真正可靠的AI系统的目标，我们必须从自己身上找答案：更深入地认识人类认知能力，了解人类认识世界的稳定可靠的认知机制。要冲破AI面临的“意义之墙”的阻隔，光是盯着更大规模的网络、更多的数据集可能收效甚微; 把目光投向这个领域的根源，钻研（人类智能与计算机智能的）交叉学科，去探索智能的本质，反而会让我们离答案更近一步。