Etzioni ：我们艾伦人工智能研究所实际上已经将其作为一个研究项目了。去年我们宣布设立了一个 50,000 美元的奖给任何开发出了能够通过标准的 8 年级科学考试的人工智能软件的人。来自全世界的 780 支团队用了几个月的时间想要达到这一成就，atv，但没有人能够得到超过 60% 的分数——即使那只是 8 年级考试中的多项选择题。这为我们目前所处的现状提供了一个现实的和定量的评估。

能够正确回答问题的人工智能系统是怎样的？

Etzioni：线索通常在语言之中。最成功的系统使用了经过精心调制的科学文本和其它公共源的信息，然后再使用经过了精心微调的信息检索技术进行搜索以定位每个多项选择题中最好的候选答案。比如，下列物体中最好的电导体是：塑料勺子、木叉子或铁拍子？程序非常善于配对，可以检测到电和铁或导体和铁比塑料和导体远远更常见地共同出现在文档之中。所以有时候程序可以通过这样的捷径找到答案。这差不多也就是孩子们靠已知的信息猜答案的方法了。没有任何系统的得分超过 60%，我可以说这些程序都是在使用统计进行有根据的猜测，而不是对问题进行仔细的推理。

AlphaGo 背后的 DeepMind 团队现在已经有一个可以使用外部记忆系统超越深度学习的人工智能程序了。他们的成果对创造更像人的人工智能有什么影响？

Etzioni：在推动深度神经网络（模拟人脑设计的人工智能）的发展上，DeepMind 将继续作为领导者。这个特定的贡献是很重要的，但也只是在图结构（比如一个地铁网络）中互连的事实上实现推理的一小步。已有的符号程序就可以轻松地执行这样的任务，但这里的成就（已经发表在 Nature 上）是关于神经网络如何根据样本学习执行任务。整体上看，是 DeepMind 的一大步，却是人类的一小步。

人们可以怎样结合深度学习、计算机视觉和记忆等方法来开发更完整的人工智能？

Etzioni：这是一个非常吸引人的概念，实际上当我还是华盛顿大学的一位教授时的很多研究都是基于使用互联网作为人工智能系统的数据库的想法。我们开发了一个叫做开放信息提取（open-information extraction）的技术，它索引了 50 亿个网页，并且可以从其中提取句子并将其映射到机器可操作的知识上。该机器在抓取网页和所有句子上能力超强。问题是这些句子是在文本或图片中。我们人类的大脑有非常强大的能力——我们计算机科学家还没有破解这些能力——可以将那些行为映射到推理等等。为什么这种通用数据库和人工智能接口的想法仍然还是科学幻想呢？因为我们还没有搞清楚如何将文本和图像映射成机器可以用来像人类一样进行操作的东西。

你提到过实现人类水平的人工智能至少还要 25 年的时间。人类水平的人工智能是什么意思？为什么会有这样的时间框架？

Etzioni：真正的自然语言理解、人类智能的广度和通用性、我们既能下围棋也能过马路还能制作好看的煎蛋的能力——这种多样性是人类智能的标志，而我们今天做的只是开发在一件小事上做得非常好的狭隘专家。为了得到这个时间框架，我询问了美国人工智能协会（AAAI）的研究者：什么时候我们将实现在广义上和人类一样聪明的计算机系统？没人说那会在未来 10 年内发生，67% 的人说会在接下来 25 年或更往后，25% 的人说「永远不会实现」。他们可能错了吗？可能吧。但你该相信谁，难道是那些紧握行业脉搏的人？还是好莱坞？

为什么有如此多备受尊敬的科学家和工程师警告说人工智能会加害我们？

Etzioni：我很难推断霍金、Elon Musk 这群人如此讨论人工智能的动机是什么。我猜测可能是黑洞讨论一段时间之后有点无聊了，黑洞是一个慢速发展的主题。我想说的是，在他们以及我极为尊重的比尔盖茨在讨论人工智能会变得邪恶或潜在灾难性后果的时候，他们总是插入「最终」或者「可能」这样的限定符。这我是同意的。如果我们讨论千年以后或无限的未来时，人工智能有可能为人类带来末日吗？当然是有可能的，但我认为这种对未来的讨论不应该分散我们对人工智能与就业、人工智能与武器系统这样真正问题的注意。而且「最终」、「概念上」这样的限定符在转译时往往会丢失。

在人工智能有缺陷的情况下，人们应该担心汽车制造商对自动驾驶汽车不断扩大的兴趣吗？