人工智能的致命弱点：模棱两可

━━━━

多年前，我和一个朋友去参观一座果园，他的儿子是这座果园的经理，在一旁介绍他的工作。我和朋友都是工程师，于是我们开始讨论怎样引导机器人来采摘水果。

他的儿子听到后停了下来，惊讶地看着我们，然后说：“你们在说什么？采摘水果很容易啊，看到熟果子，摘下来就可以了。”

其实没那么简单。直到几十年后的今天，具有商业价值的水果采摘机器人才出现在人们的视线中。日常生活里很多看起来很琐碎的任务，实际上都很难被自动化地描述和构建。常识性推理比大部分人想象的要抽象和深奥得多，人类在这方面有着自己的优势。

我在2月份的专栏文章中曾写道，我们成功编写了计算机程序，使之能够在象棋和扑克这类策略游戏中获胜。通过这些程序的说明可以发现，它们极其简单，无论是下象棋还是打扑克，其实都只涉及了少量元素，只有为数不多不变的规则。但其中也存在一个悖论——这种简单之下其实隐藏着高度的复杂性，不过，这种复杂性可以被精确定义，这也恰恰是工程师擅长的事。

生活却是模糊的，而且充满了不确定性（如果现实生活里的任务都能够被模拟成桌面游戏，我们就有得忙了。）我喜欢模糊逻辑的概念，但是经过再三思考，我还是更希望我的电脑是精确而非模糊的。

不过也许存在某种机制，能够向计算设备输入模糊性，将其转化为定义明确的输出，之后，这种设备就能够采用我们在策略游戏中使用的技术了。

实际上，现实生活中确实有这样的机制，比如美式橄榄球。美式橄榄球中包含了传球前进的规则，而传球前进取决于是否接到球。是否接到球是一个模糊的概念，因此我们有一种可以将类似“接球”的概念数字化的策略，称为裁判。在法律中，法庭上也有类似的情况。在法庭上，法官和陪审团会使用各种主观标准（比如合理性）来确定某种行为是否合法。如果我们对法庭的数字化结果不满意，就会将它作为模拟结果发送给另外一个法庭。

作为一名管理者，我在很多人事决策中都扮演着数字化仲裁者的角色，决定谁加薪以及加薪多少、谁升职、谁被解雇等等。人们常常会问我在做出这些决策时采用的是什么标准，他们想知道我使用的是什么算法。实际上我也希望能有一种算法，现实中有太多不确定性了。

除了模棱两可，生活还受运气的影响。最优秀的团队不一定总是赢得比赛，而最出色的人也不是总被提携。生活并不是永远公平，而运气能够进行平衡，所以我也不确定这到底是一个漏洞还是一种特色。很多桌面游戏，比如《大富翁》，其中都需要结合运气和技术。也许，模糊性转换程序中能够增加一点随意性。

尽管如此，我的想法还只是一个梦想。无论我们尝试将现实生活里的什么任务进行自动化，都会有人质疑为什么要花这么多时间。他们会说，这很简单啊！然而事实并非如此。

作者：Robert W. Lucky