首先，系统必须不断学习以回应其所处环境中的变化。那些虚构的机器人和人机结合体都以神奇的方式在无形中具备了这种功能。但是，即便就像 Netflix 的动态优化器（Netflix's dynamic optimizer ）这样简单的机器学习系统（该系统试图改进压缩视频的质量）首先也要从人类收集的数据中学习，通过在这些数据上进行训练，算法才可能对视频传输做出识别和选择。

什么才是真的人工智能？Isbell 的第二条建议是：人工智能应该掌握那些足够有趣的、但人类学习却要花费功夫的事情。这一点区分开了单纯的自动计算系统和人工智能。一个可以代替人类工人组装汽车的机器人并不配称为人工智能，同样，直播，那些被编程执行重复操作的机器也都是如此。对 Isbell 来说，「真正」的人工智能需要计算机程序或者机器展现出自我管理、让人吃惊和新奇的东西。

真正的人工智能提醒了其创造者和用户一条根本真理：今天的计算机系统一点都不特别。

抱怨人工智能这一表述的贬值，或许看起来并不重要。如果传感器驱动、数据支持的机器学习系统蓄势待发，那么，人类或许能很好地跟踪这些技术的演化轨迹。但是，先前的经验已经表明，计算优势需要监管。我早就强调说「算法」这个词已经成为了一种文化崇拜，一种世俗的上帝祈求般的技术等价物。不加区别的使用这个术语将会错误的让那些既普通又有缺陷的软件服务变得让人崇拜。由此，所谓人工智能就变得和其它东西毫无差别。就像机器人作家 Allison Parrish 说的那样：「不管什么时候提到人工智能，人们其实都是在讨论『一台人写好程序的计算机』。」

斯坦福大学计算机科学家 Jerry Kaplan 在麻省理工科技评论（MIT Technology Review）也表达过类似的主张：人工智能只是一个虚构（fable），它是「从一个混合完全不相关工具和技术的袋子中粗制滥造出来的。」人工智能研究社区似乎也赞同这一观点，他们将自己的研究领域形容为「碎片化且很大程度上不协调。」考虑到人工智能实践中的不连贯性，Kaplan 建议将「类人计算（anthropic computing）」作为一种替代方案——程序意味着运行起来像人类或者可与人类互动。对 Kaplan 来说，人工智能的神秘神话本质（包括小说、电影和电视中的一系列集合）让这个术语成为了一个应该抛弃的可怕妖怪，而不是一个欲求的未来。

大约 70 年前，当数学家阿兰·图灵偶然间发明了机器智能思想时，他提出了测试机器是否具有智能的标准，即当机器可以成功让人类误以为它们是人而非机器（这个测试被称为「图灵测试」）。当时还是 1950 年代，这个想法看起来还不太可能实现；虽然图灵的思想实验并没有受到计算机的限制，但是，就为了执行一些简单计算，计算机器还是大到占用了整个房间。

但是今天，计算机已经可以到处欺骗人类了。这不是说它们可以成功模仿人类的行为，而是计算机已足以让人相信：它们是人类劳动工具的很好替代者。Twitter 和 Facebook 还有 Google 并不是「更好」的市政大厅、邻里中心、图书馆或者是新闻报刊——它们和上述各种都不一样，它们由计算机驱动，可以更好亦可更糟。这些应用和其它的服务必须被理解为一种公司中特殊的软件应用，而不应被当作那种超现实的人工智能图腾来崇拜。

在这方面，Kaplan 可能是对的：放弃这个术语也许是消除其在当代文化中恶魔般形象的最好办法。不过，Isbell 的更为传统的想法也有好处，他认为，人工智能是一种机器，可以学习并依照所学内容行动起来。通过保护好人工智能在科幻传统中的高贵形象，人工智能还能提醒其创造者以及用户一个根本真理：今天的计算机系统一点也不特别。他们不过人造的部件，运行着人类编好的程序，充满了人类和机器的技能与缺陷。

　　原文链接：https://www.theatlantic.com/technology/archive/2017/03/what-is-artificial-intelligence/518547/

©本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]