【IT168 评论】一般而言，我们习惯于表述“人工智能”，并不对其概念进行具体细分。人工智能之所以热度居高不下与大众的较高关注度和媒体炒作分不开，而人们往往只关注其表象而忽略了其本质，将机器智能与人类智能混为一谈。近日，香港科技大学教授，国际人工智能协会(AAAI)首位也是至今为止唯一的华人执委杨强教授在「知乎 2018『互联网洞见者』」上发问“机器的智能和人类的智能有什么重要区别?这些区别对于我们培养后代有什么启示?”

　　这个问题从提问者的角度已经将“机器智能”和“人类智能”进行了区分：都是智能，只是实现方式不同。理论上，人类可以做到的，机器同样可以做到。知乎高赞答题者，机器学习、深度学习(Deep Learning) 话题的优秀回答者YJango针对“机器智能”和“人工智能”提出了两个非常重要的观点：一是科研人员在做机器学习的研究时，最常做的是从人类智能中借鉴;二是反过来，人类每天也在用人脑学习，是否可以从机器学习中借鉴?

　　机器智能与人类智能的互相借鉴

　　很多机器学习研究人员最常做的就是将人类所熟知的知识体系一遍遍灌输给机器加以训练，以便机器可以完成某项特定工作。但是，YJango认为收获最大的是机器学习中的每个概念都可以应用在人脑学习上，也就是说，迁移机器学习的理论到人类学习。

　　人们已经意识到，未来不再是学习一项知识即可工作终身的时代，尤其是身处计算机行业。因此，我们要做的不是简单利用机器智能帮助人类完成某些工作，而是在机器训练过程中寻找培养后代的启示。

　　AI=SAI+AGI

　　这里说到的“机器智能”指AGI，而不是SAI，这两个名词又是什么意思呢?AGI是指通用人工智能，SAI则指专用人工智能。顾名思义，专用人工智能只为解决特定领域内的问题，这足以概括现有的所谓AI 的绝大多数东西。SAI设计之初就存在明确的背景框架和设计目标，从开始就已经失去了通用性和迁移性，从这类专用架构中寻求通用的概率太小。知乎高赞答题者刘凯是国内真正做通用人工智能(AGI)的极其小众的一撮人中的一个，其具体研究分为三个方向：通用人工智能、计算精神病学和机器教育。

　　刘凯承认DL和RL以及GAN的有效性，比如在语音识别和图像识别领域的巨大进步，但就此认为：“智能=计算智能+感知智能+认知智能”是不准确的，计算智能和感知智能实际上并未解决智能的真正问题，人类的学习能力不仅仅是因为有五官而是这些与更为复杂的大脑的联合。他认为，AI可以说成是SAI与AGI的总和。

　　对于人类的智能，刘凯认为人类区别于机器就在于人类的大脑虽然在单位时间内可以掌握的知识有限，但人类可以在有限时间、有限精力、有限条件的情况下决定做什么、怎么做并产出结果，而SAI下的机器智能大多只为完成某个工作，并不具备这种适应能力。人脑复杂的不是算法，也不是结构，而是生活经验，即输入数据。实际上，我们也许错误地把大脑的复杂性看高了。

　　当人们惊叹于人工智能技术取得的进步之时，人工智能系统却在“羡慕”人类所掌握的常识。目前，人类世界已经建立了强大的知识学习体系，这一点从小学、初中、高中以及大学的知识体系就可以看出来。然而，经过多次试验，机器对于常识性知识和高阶知识的学习并没有什么不同。经过长期的研究和讨论，学界已达成共识：“人类之难恰是机器之易，人类之易却是机器之难”(Erickson T，2002)。

　　结语

　　从熙熙攘攘的讨论中，我们可以针对“机器智能”和“人类智能”进行一些简单的总结：首先，机器智能与人类智能存在明显区别，机器可以从人类的学习方法中受益，人类同样可以考虑参照机器学习理论;其次，目前我们所见到的大多数AI成果都停留在SAI层面，而AGI才应该是我们追求的机器智能;最后，机器智能和人类智能的学习方式和发展阶段均不相同，机器智能并未掌握人类世界中的常识性知识和适应性，而人类无法达到机器智能在计算等方面的能力，这些对于培养后代的学习方式均有重要启示。