1955年，计算机科学家约翰·麦卡锡（John McCarthy）首次创造了“人工智能”一词。当时，人工智能是对可以表现出类人行为并通过著名的图灵测试的计算机的模糊描述。
在过去的几十年中，我们一直认为AI的时代已经过去数年或十年了。
而且我们一直都是错的。如今，人工智能已被用来描述许多事物，并且仍然像1950年代一样令人迷惑，即使不是更令人困惑。制造商将其用作营销术语，以可预测的方式销售执行重复任务的哑巴产品。开发人员使用它来指代机器学习算法，即分析数据并定义自己的行为（而不是遵循静态规则）的软件。科幻小说家和电影制片人用它来描绘一个未来，超级智能机器人将奴役，破坏或为我们服务。
但是，真正的AI仍然难以捉摸-但是我们仍然相信它指日可待。在本月的采访中，我有机会与神经科学家和AI专家PascalKaufmann进行了交流，他们分享了一些有关当前开发AI方法的问题以及创建人类级人工智能的方法的见解。
Kaufmann是瑞士AI初创公司Starmind的共同创始人，其背景融合了十多年的人工智能和机器人研究，包括DARPA项目的首批机器人研究。他认为，即使AI蓬勃发展，与人脑的力量相比，计算机也将永远苍白。考夫曼（Kaufmann）早在AI领域就坚持认为，只有破解大脑代码，我们才能实现“真正的AI”。只有到那时，我们才能了解大脑的功能，并且我们将看到从机器人到人造生物的无限的AI潜力，但是我们如何到达那里呢？
Alan Turing（1912年6月23日至1954年6月7日）被广泛认为是理论计算机科学和人工智能之父。
““人类级AI”，“真实AI”或“硬AI”指的是一种完全独立于思考，行动和模仿人类级智力和独创性的能力的人工智能级别-您无法区分的AI考夫曼在问他真正的人工智能意味着什么时说。“人类级AI是科幻电影和书籍中经常描述的AI类型，而我们尚未实现。”
Kaufmann补充说，今天作为AI呈现的其他任何东西都是“狭窄的AI”。这就是我们今天在聊天机器人，在国际象棋上击败人类的软件，袖珍计算器或为解决给定的狭窄任务而量身定制的任何系统中看到的东西。其他专家也有这种看法。有些人甚至将狭窄的AI归类为“增强智能”或“智能增强”，以避免将其与AI多年来积累的反乌托邦愿景混淆。
考夫曼说：“如今，我们所说的"狭窄的人工智能"大多数，无非是将程序员（或一组程序员）的智慧浓缩到源代码中，试图预见可能发生的事情，并应用统计程序来优化结果” 。“举例来说，手表具有很多人类智能，这些智能最终被组装成能够测量时间的设备。因此，它更多是智力的产物，而不是实际的智力。”
考夫曼解释说，程序员是非常聪明的人，但是单个程序员的智慧或单个人有限的知识库不能成为AI开发的基础。他说：“我认为人工智能可能不会由人的大脑来构建或进一步发展。”“最终，我们需要团结并捆绑我们的人类智慧，以实现AI的真正突破。”
科学怪人
我们人类总是喜欢将我们的大脑和身体的功能与最新技术进行比较，无论是皮带轮，齿轮还是蒸汽机。这导致我们尝试以不一定正确的方式来理解和复制人的大脑。有趣的例子是科学怪人（Frankenstein），这是一位年轻科学家试图用绝对荒谬的方法来创造人造人类的故事。
如今，最先进的技术是计算机软件，或更具体地说是人工神经网络，以人的大脑内部工作原理命名的软件。然而，考夫曼强调，控制人类思想的真正机制与迄今为止创建的任何软件都根本不同。
考夫曼说：“在经典的人工神经网络中，脑细胞A通过一个较粗或更薄的连接与脑细胞B相连，但在两个生物脑细胞之间通常存在数百个长度和强度不同的连接。”
考夫曼指出，这种关系在生物世界中可以很好地发挥作用，但在工程界却没有任何意义。
也存在其他差异。人脑的平均发射频率为20赫兹，而当今最普通的CPU的工作频率为几千兆赫兹，快数百倍。
考夫曼说：“然而，大脑的数量超过了我们快速CPU的数量，而大脑细胞和突触（大脑细胞之间的连接）数量却很多。”考夫曼说，使其能够做的事情仍然令计算机科学家感到沮丧。
Kaufmann指出，还不清楚如何以及在哪里存储内存。“是在脑细胞的发射模式中，是否存在某些记忆蛋白，还是我们甚至需要深入研究亚原子空间来考虑亚量子效应？”
当前的AI系统严重依赖庞大的数据集和计算能力。相比之下，考夫曼说，人的大脑能够基于少量信息学习并开始做出决策。
他说：“将发现归纳并应用于新的和尚未出现的新颖情况的能力是当今AI尚未解决的挑战。”“像人类一样的AI并不是要处理大量数据，而是像人类一样具有处理，理解和学习周围小数据的编程能力。”
一个例子就是谷歌的AlphaGo，它是一款在古老的围棋游戏中击败了世界人类冠军的AI。该软件背后的算法能够通过查看来自数千场与人类比赛的比赛中的数据来自学并掌握游戏。后来的游戏版本使这一概念更进一步，并通过快速连续地与自己对抗数亿次来自学。这是人类大脑无法实现的壮举。
考夫曼说：“人类可以在围棋游戏中作弊，他们可以运用游戏中的原理来解决完全不相关的挑战，可以为游戏写一首诗，可以决定无聊。”“人类可以获取游戏的少量数据，并立即将其完全应用于其他事物。”
按照规则，AlphaGo只能玩Go。
在《 EX MACHINA》（2015年）中，一个名为Ava的令人惊叹的AI设法致命地欺骗了人类，发挥了他们的情感弱点。
考夫曼说：“当您需要3亿张猫的照片来说它是猫，马或牛时，我认为这不是很聪明也不有趣。”他认为，取而代之的是，通过一次与猫的互动以及通过提取原理来了解猫是如何基于一次相遇而有趣的。“今天我们真的不知道人工学习如何最好地工作以及我们缺少哪些成分。有人说这是感觉模态的丰富性，有人说这只是计算能力，还有人说我们缺乏对如何出现智力的基本理解。能够从更少的数据中学习甚至根本不进行任何数据的预测是一个很大的优势。”
那么，我们如何实现人类水平的AI？考夫曼说：“ 在研究大脑和潜在的生物过程时，我们可能会发现有趣的智力原理，这就是我们称之为神经科学的领域。”“我指的是对大脑的理解，即我们可以制造出一种具有类似甚至更高功能的人造设备，就像"破解大脑代码"。”
考夫曼说，到目前为止，动物和人类的大脑是成为智力或智慧行为基础的良好候选者。然而，极有可能没有大脑细胞，也就是没有表现出多种行为特征的单细胞生物，就可以进行智能行为。
考夫曼说：“我不会排除研究基因和潜在的调控网络可能使我们遵循在高等动物的大脑中也可以找到的非常相似的原理的可能性，但是到目前为止，这只是一个有趣且未经证实的假设。”“最终，自然是我们可以并且应该学习的一位伟大而鼓舞人心的老师。”
并非所有人都相信我们可以（或应该）构建与人类智能相提并论的人工智能。现在说神经科学是否将成为释放普通AI力量的关键还为时过早。但是，了解人的思维方式是至关重要的第一步。
考夫曼说：“虽然相当容易理解计算机，但大脑却蕴藏着许多秘密，这一事实将神经科学和人工智能变成了我们这个时代最激动人心的研究领域。”“我们不需要了解大脑中每个细胞的作用和目的，而是需要了解我们的大脑如何工作以及智能的本质是什么的基本原理。我想将其与牛顿和苹果作比较-理解宇宙周围非常复杂的科学的第一步始于我们最初开始了解引力原理的时候。一旦我们了解了大脑的模式和原理，我们就可以利用这种理解并将其应用于发展类似于人类的AI。”
