AI的学习能力

怎样才能避免智力引发的错误行为呢？

为了分析情况，信息是必不可少的。近年来，AI技术发展迅速。甚至在人们认为电脑不可能战胜人类的围棋和将棋（日本象棋）领域，AI也能轻易击败人类。

AI已经能够“深度学习”了。

例如前面提到的围棋和将棋，要想提高技术，就需要大量信息。

人们先在电脑中输入围棋和将棋的规则，再在电脑中输入围棋和将棋的定式。但是，如果仅靠这些，AI赢不了人类。

于是，人们在电脑中输入大量过去的对弈数据，电脑就会知道怎样能取胜、怎样会失败。

但是，如果只是反复给电脑灌输人类的知识，AI并不能超越人类。

此后，电脑会自己重复围棋或将棋的对弈过程，逐渐学会如何取胜。这种机器自主学习的过程就是“深度学习”。

电脑可以用极快的速度重复对弈过程，从而获得大量信息。这样一来，人类就无法与之抗衡了。

能轻易击败人类的AI就是通过这种方式培养出来的。

哺乳动物的智力也是这样的。

为了找到正确答案，我们需要大量信息。但是，仅有外界提供的信息是不够的，必须在获取信息的基础上，在自己的大脑中重复这些信息，判断信息的准确性。

这就是“经验”。

就像一台没有输入任何信息的电脑不过是一个盒子一样，没有获取足够信息的智力根本无法发挥作用。

对人类来说，经验是必不可少的。

AI做不到的事

很久以前，“框架问题”就被看作AI的弱点之一。下面用一个关于机器人的故事来解释什么是“框架问题”。

一个洞穴里放着能驱动机器人的电池，电池上有一枚定时炸弹。现在，人们要给机器人一个指令，让它将电池拿出来。

一号机器人成功地从洞穴里拿出了电池，但也把炸弹一起带出来了，所以它爆炸了。虽然它完成了“拿出电池”这一指令，但完全没考虑其他事情。

接着，人们在给二号机器人的指令中增加了“考虑行动后果”这个条件。结果，二号机器人在电池前停了下来。因为它担心拿掉炸弹会导致洞顶坍塌或靠得太近会损坏墙壁。它考虑了太多几乎不可能发生的情况，最终什么也做不了。

三号机器人得到的指令是，取出电池，不要考虑与目的无关的事情。结果，三号机器人甚至没能进入洞穴。因为与目的无关的事情无穷无尽，一一排除这些事情需要无限多的时间。

人类很容易想到必须先拆除危险的炸弹，再取出电池。但对AI来说，没有“拆除炸弹”这个指令，它们就想不到这一点。

其实，这个从洞穴里取出电池的问题是AI研究早期阶段提出的问题。现在，AI已经可以在规避炸弹的前提下取出电池了。

然而，这并没有解决机器人无法适当处理意料之外的事这个实质性问题。如果设定好条件和情景，框架问题可以得到解决。但是，要解决所有问题，必须输入大量信息。

人类的“经验”优于AI的“信息量”。

人类的优势在于能处理意料之外的情况。如果一个人面对意料之外的情况就不知所措地停下脚步，其实和早期的AI没什么区别。

经验就是不断重复“成功”和“失败”

经验就是反复经历“成功”和“失败”。

例如，AI在下围棋或将棋时会积累怎样做会成功、怎样做会失败的信息。

哺乳动物也一样。通过反复经历成功和失败，慢慢认清怎样做会成功、怎样做会失败。这就是经验。

但是，对哺乳动物来说，获得经验是有条件的——经历必须是安全的。如果不安全，哺乳动物也许会因此丧命。

“被狮子撕咬”和“从高楼上跳下来”之类的经历无法提供对生存有用的信息。因为失去生命意味着一切都结束了。

所以，任何经历都必须在安全的环境中体验。

哺乳动物会保护自己的孩子，孩子可以在父母的保护下积累经验。因此，哺乳动物可以在父母的保护下充分利用它们的经验，高度开发智力。没有父母保护的昆虫无法积累经验，自然也无法开发智力。

作为父母，哺乳动物的使命不仅仅是保护孩子，还要让孩子在安全的环境中积累经验。