目前，ChatGPT的出現(xiàn)引發(fā)了輿論對人工智能的一片討論熱潮。

但是，業(yè)界和大眾媒體認(rèn)知錯誤最多、持續(xù)時間最長的技術(shù)之一就是人工智能了。

為什么本文敢說是“網(wǎng)上最權(quán)威”？1980年進(jìn)入大學(xué)期間我最感興趣的技術(shù)就是計算機，并且第一個自我選定的學(xué)術(shù)研究課題就是人工智能，對這一課題的研究持續(xù)了40多年。我在研究生期間的圖像與視頻處理專業(yè)，研究過圖像的人工智能模式識別，包括利用衛(wèi)星云圖判斷農(nóng)作物長勢以及人臉識別。人們對ChatGPT發(fā)出的很多驚嘆，我在這40多年間已經(jīng)見過無數(shù)次了，一點都不新鮮。在過去40多年的個人職業(yè)生涯中，我不僅做過軟件和硬件開發(fā)，而且在計算機、通信、數(shù)字廣播領(lǐng)域都有6年以上的職業(yè)經(jīng)歷。我在全球第一個提出海量內(nèi)存計算機（相關(guān)研究分三期發(fā)表在1998年8月的《計算機世界報》上），比SAP提出“內(nèi)存計算”早了十多年；全球第一個提出軟件定義網(wǎng)絡(luò)（SDN）概念，比推出OpenFlow（2008年形成概念，2009年底第一版推出）的斯坦福大學(xué)早3年。

可能有讀者會對此有疑惑，本文最后會專門討論一下SDN問題以及它與人工智能的技術(shù)關(guān)聯(lián)。此處只簡單提一下，我作為最早SDN概念提出者是OpenFlow協(xié)議的Editor也認(rèn)可的，部分的相關(guān)內(nèi)容正式發(fā)表在我2016年出版的《通播網(wǎng)宣言》一書中，所以其他人就不用費心來質(zhì)疑了。我是業(yè)界技術(shù)水平最頂尖之一的人工智能視頻公司浙江宇視（《流浪地球2》中各種攝像頭的提供者）的顧問。本文是我40多年研究人工智能的主要結(jié)論，可能會顛覆讀者對人工智能的很多認(rèn)知，但其道理卻又是清晰無比，簡單至極的。

毫無疑問，制造出像人一樣有智能的機器這樣的目標(biāo)，永遠(yuǎn)會是一個非常刺激社會大眾注意力的話題。它可以說是兩大永遠(yuǎn)最吸引人的熱點技術(shù)話題之一，另外一個就是外星人。與外星人主題一直摸不著門不同，人工智能永遠(yuǎn)都似乎近在眼前，永遠(yuǎn)都有一些讓人看得見的成果出現(xiàn)，永遠(yuǎn)都在獲得驚人的進(jìn)展，永遠(yuǎn)都有人認(rèn)為未來機器可能超過并統(tǒng)治人類，期待中的產(chǎn)品卻永遠(yuǎn)都讓人失望和推遲應(yīng)用......不是今天才這樣，40年前我開始研究人工智能這個主題的時候就是這樣，并且一直就是這樣。

01

圖靈測試本身就是完全錯誤的

關(guān)于人工智能最著名的一個判斷依據(jù)就是圖靈測試（The Turing test）。它是由艾倫·麥席森·圖靈提出，指測試者與被測試者（一個人和一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進(jìn)行多次測試后，如果機器讓平均每個參與者做出超過30%的誤判，那么這臺機器就通過了測試，并被認(rèn)為具有人類智能。圖靈測試一詞來源于艾倫·麥席森·圖靈寫于1950年的一篇論文《計算機器與智能》，其中30%是圖靈對2000年時的機器思考能力的一個預(yù)測。

這個測試事實上也成為機器是否具有人類智能的一個判斷標(biāo)準(zhǔn)，簡單點說就是以人為標(biāo)準(zhǔn)，如果有超過平均30%的比例區(qū)分不出人和機器，那就認(rèn)為這個機器有智能。但是，道理實在是太簡單了：有人能拿諾貝爾物理學(xué)獎，有人物理學(xué)考零分；有人4歲能譜曲，有人一輩子五音不全......人和人之間都如此之地天差地別，你讓機器怎么和人一樣？

更重要的一個有些荒唐的問題是：如果一個機器什么標(biāo)準(zhǔn)知識點都答得出來，它記憶力無限強大，什么知識都能記得住，那它一定是機器，怎么可能是人？因為至少在記憶能力的智能上太過高于人類而肯定通不過圖靈測試，這該怎么算？如果只是以上純學(xué)術(shù)的問題，那也就只在純學(xué)術(shù)領(lǐng)域討論就是了，產(chǎn)生不了什么實際影響。但實際上不是如此，這個事實上的人工智能標(biāo)準(zhǔn)帶來的重要后果是引導(dǎo)了業(yè)界這樣的發(fā)展目標(biāo)：研發(fā)生產(chǎn)出具有像人類一樣智能的機器。這就產(chǎn)生了基本技術(shù)哲學(xué)上一系列的根本性誤導(dǎo)，并導(dǎo)致相應(yīng)的AI錯誤。

02

目標(biāo)不明

提出人工智能的一開始，就試圖實現(xiàn)“自然語言翻譯”的目標(biāo)。今天的ChatGPT，它歸屬的領(lǐng)域也是叫自然語言處理（NLP）。當(dāng)初以為這個事情非常容易，只要把要翻譯的兩種語言的文字輸進(jìn)機器，就差不多可以實現(xiàn)自然語言翻譯了，但真的一做就發(fā)現(xiàn)問題遠(yuǎn)遠(yuǎn)沒有那么簡單。日本提出的第五代計算機計劃，軟件上采用Prolog語言，也是把處理自然語言作為主要目標(biāo)，但最后以失敗告終。

“自然”這個詞是一個非常糟糕的概念，因為它意味著沒有任何前提性的約束。從技術(shù)哲學(xué)上說，人類設(shè)計的任何有效的技術(shù)產(chǎn)品，都必須要有約束條件，不可能存在沒有任何前提約束條件的技術(shù)產(chǎn)品。我們可以設(shè)想一下，要開發(fā)一種“自然路面高速汽車”，這個該怎么做？

人們可以很快就研發(fā)出一個演示性的產(chǎn)品，在沙漠戈壁上跑得很快的第一代“自然路面高速汽車”。可是這個達(dá)到目標(biāo)了嗎？當(dāng)然沒有，它能在湖面跑嗎？不能，因此再增加水陸兩棲功能。這能算“自然路面高速汽車”嗎？似乎有點樣子，但肯定又不能算，如果遇到樹林怎么辦？前面裝上高速切割機，把樹木瞬間切斷，從而可以在樹林里也能高速奔跑。獲得重大進(jìn)展，人們一片歡騰。但這能算“自然路面高速汽車”嗎？還是不能，遇到不僅比輪胎、甚至比汽車本身還高的大石頭怎么辦？因此車頭上再裝上石頭粉碎機，可以快速通過大石成堆的自然路面。人們又是一片歡騰，但這能算“自然路面高速汽車”嗎？依然不能，遇到前面是懸崖峭壁怎么辦？再裝上攀巖器，能快速攀上懸崖，全社會再次發(fā)出一片驚嘆，但這能算“自然路面高速汽車”嗎？當(dāng)然不能，如果前面是萬丈深淵怎么辦？再裝上可以滑翔的翅膀，能從山頂上滑翔到山底。全社會又是一片歡呼，但這能算“自然路面高速汽車”嗎？不能。還有沼澤、火山、泥石流、洪水、海面9級海況、15級臺風(fēng)、龍卷風(fēng)路況......永遠(yuǎn)會有沒完沒了的新“自然路面”問題在前面等著。

最近有一個視頻宣傳波士頓機器人的演進(jìn)過程，從30年前開始，一直演進(jìn)到今天。進(jìn)步真的很大，可是30年過去了，直到今天也不確切知道它能用來干什么。前不久曾有一個視頻展示波士頓機器狗被一位漂亮的貴婦當(dāng)寵物狗牽著漫步，真的很吸引眼球?？墒菍櫸锏谋举|(zhì)是什么？摸著它的腦袋能讓人產(chǎn)生愛的感情。你摸著這家伙的腦袋試試什么感覺？

還有宣傳波士頓機器狗能干家務(wù)。人工智能如果只是秀一下，什么事情都可以干。但真當(dāng)它們?nèi)ジ傻臅r候必須明白，它必須得是嚴(yán)格定義和規(guī)范的工作。如果你不能對準(zhǔn)備讓它干的家務(wù)進(jìn)行明確定義，真以為它什么家務(wù)活都能干，勸你還是拉倒吧！

前幾年因為疫情，在美國很多工作沒人做，終于想到用波士頓機器人做搬運。但專業(yè)的搬運機器人早就有了，哪里需要波士頓機器人這么復(fù)雜的玩意兒？

有人認(rèn)為這種可以在復(fù)雜山地環(huán)境負(fù)重的機器人可以在戰(zhàn)爭中向前線運送物資。實在是難以理解，有這功夫做一個很簡單的多旋翼無人機，不就什么路面都可以不用管，直接向山頂上送東西了嗎？波士頓機器人能穿過山間一條十幾米寬的水溝嗎？拉倒吧！這么復(fù)雜昂貴的東西哪能當(dāng)成野戰(zhàn)型的裝備。

中國已經(jīng)用無人機向山頭上的邊防哨所運送各種物資甚至是新鮮食材的火鍋，完全實用化了。

03

永遠(yuǎn)98%識別率的語音輸入

今天很多人在用語音輸入和手寫體識別，我也在用。但如果我告訴你30年前就有，你會作何感想？20世紀(jì)90年代初我還在北京郵電大學(xué)讀圖像處理研究生時，我的一位大學(xué)同學(xué)鄭元成在北方交大讀博士，他的研究方向就是語音識別。當(dāng)時我去他實驗室和他深入研討了這個技術(shù)。他說他做的識別率可達(dá)到98%。剛開始我很興奮地認(rèn)為“這馬上就可以實現(xiàn)大規(guī)模普及了啊？”，但深入交流完就明白了，這是一個深到完全無底的深坑。先說為什么語音識別的技術(shù)指標(biāo)永遠(yuǎn)都是98%，因為從語言學(xué)角度說，一旦一篇文章的差錯超過2%，看起來體驗就會明顯變得很差。如果有超過5%詞匯不認(rèn)識，閱讀理解就會出現(xiàn)嚴(yán)重困難。所以，從很早開始，語音識別的行業(yè)人士都會說自己的技術(shù)識別率可達(dá)到98%，因為不這么說不行。只要輸入的語音規(guī)范到一定程度，即使幾十年前水平很差的語音輸入識別率真的就可以達(dá)到這個水平。但只要規(guī)范性稍微變差，需要的計算難度就會指數(shù)級甚至超指數(shù)級上升，即使今天的語音輸入識別率也會迅速降到遠(yuǎn)低于98%。

40年前的80年代中期，我在北京計算機展會上就看到過可以識別印刷體的OCR產(chǎn)品，參展者是兩位學(xué)校的老師，他們聲稱自己的技術(shù)識別率可以達(dá)到99%以上。90年代初期，曾有一個漢王手寫板輸入裝置在市場上出現(xiàn)過，我在王碼電腦時曾給一些連鍵盤都不會打的老板裝過這個產(chǎn)品。如果非常認(rèn)真地一筆一畫寫，識別率尚可，但只要稍微潦草一點，它就識別不出來了。因此剛開始很新鮮，但用不了多久就用不下去了。這個產(chǎn)品很快就在市場上再也見不到。

直到今天，簡單按照摩爾定律計算，芯片和算法的能力相比30多年前已經(jīng)是百萬倍的提升，語音識別的能力的確相比過去體驗顯著改善。但是，只要你說話稍微不規(guī)范一點，例如中間不規(guī)則停頓多一點，背景有一些吵雜，識別率同樣就會迅速下降。使用它們時一定要很小心，如果不注意被識別成一些罵人的話，直接就在微信等通訊軟件里發(fā)給別人可就出大事了。因此，有些人用著用著，出幾次事故后就不愿再用了。如果你能理解人工智能是什么就會明白，必須要給它一定的規(guī)范才能有效，不要指望它“和人一樣”。況且，人都不一定能完全聽得懂另一個人說什么，你怎么指望機器能完全準(zhǔn)確地做到？在人工智能領(lǐng)域，這個情況不是個案，人們想象出的很多工作是人都不一定做得好的，卻指望機器能做得很好。

中國書法里的狂草有幾個人能看得懂的？

有些書法你要說它就是成心制造誤解也不為過。人都容易理解錯，況且機器。

04

可靠性---智能一定就是好事情嗎？

人們普遍以為，只要智能水平越高就越是好事，機器模仿人的智能越像就越好，這種看法大錯特錯。人的智能的確是人得以自豪的最重要能力，但我們一定要理解到人們平時不太注意的問題另一面：智能并不見得一定就是好事情。如果機器有效地模仿人的智能，有可能是與人一樣聰明、能干，也可能是與人一樣愚蠢、做事情不可預(yù)知、不可靠、感情用事......我們生產(chǎn)機器最重要的不是它們的能力如何，而是要可靠。我們?yōu)槭裁匆l(fā)明機器？不僅是因為提升效率，而且因為人的不可靠、不可預(yù)知。所以，人類的文明有很多創(chuàng)造不是出于提升人的智能，反而是出于限制和約束人類的智能。我們之所以需要企業(yè)管理，就是因為人是智能的主體，只有通過約束才能使人做出規(guī)范和可預(yù)測的工作結(jié)果。我們對機器的可靠性要求不是達(dá)到98%、99%，而是要達(dá)到小數(shù)點后面4個（99.9999%）甚至6個以上的9（99.999999%）。這種程度的可靠性是擁有智能的人類不可能達(dá)到的。一切智能化的主體、包括人，除非是超高強度訓(xùn)練、紀(jì)律性超強的軍隊，否則其可靠性很難超過小數(shù)點后面2個9。

花那么大代價做出一個可靠性低劣到向人看齊的機器干什么？和人一樣就一定是好事情嗎？絕對不是。做人工智能的人首先自己得有真正的智慧，而不是盲目去搞什么本質(zhì)上不可靠、愚蠢、工作結(jié)果不可預(yù)測的“人工智能”。

一旦將問題進(jìn)行足夠的限定、規(guī)范和簡化，對可靠性的要求不是那么高的領(lǐng)域，人工智能的確可以獲得一些實際應(yīng)用。但如果問題提得不對、目標(biāo)不明、可靠性要求又高的領(lǐng)域，又總是會覺得前面還有無限的路要走。

汽車的車牌是一個相對規(guī)范的對象，同時在很多場景里，識別存在一定的差錯率是可以容忍的，這樣的話人工智能就可以獲得很好的應(yīng)用。目前即使做得很好的車牌識別能達(dá)到千分之一的差錯率就已經(jīng)很不錯了，在諸如停車場，道路違規(guī)監(jiān)控等領(lǐng)域，這個水平的差錯率是可以接受的。因為對車輛違規(guī)來說，還有多個原始照片可以人工復(fù)核。而在高速公路上，阿里也曾做過將支付寶與車牌綁定試圖取代ETC，但這個就沒有普及開來，原因何在？可能原因有多個，但僅從技術(shù)上說，高速公路上的大規(guī)模車輛自動收費系統(tǒng)，因車流量極大、又涉及收費問題，其可靠性要求是會非常高的，千分之一的差錯率肯定難以接受。ETC系統(tǒng)不僅因為無線信號傳遞本身的可靠性就極高，而且ETC的序列碼等編碼設(shè)計本身就帶有校驗碼，如果傳遞過程中出錯它會自動發(fā)現(xiàn)并重傳。如果需要，如衛(wèi)星及其他太空信號傳遞的信號編碼，可能還帶有糾錯碼設(shè)計，可以不用重傳就自動糾錯。這些技術(shù)的應(yīng)用可以獲得極高的可靠性，它們是人工智能不可能達(dá)到的。所以人們一定要明白這樣一個公式：

人工智能 = 有效的人工智能 + 人工愚蠢+ 人工不靠譜（不可預(yù)測、可靠性差）

只有充分理解了以上公式，才能對AI趨利避害地加以有效利用。

05

人工智能會超過人、取代人嗎？

這個問題是與人工智能相伴隨的、被人問得最多的問題，也是最沒有智能的一個問題。真是廢話，人如果做出來的東西不能超過人你做它干什么？直接用人去干不就得了。試問一下人類創(chuàng)造出來的工具和機器有哪一個不是能夠超過人取代人的？200萬年前的原始人打出來的石器切割能力就超過人了，況且是現(xiàn)在做出來的東西。計算機從一開始就在計算速度上超過人了。人類發(fā)明的任何機器從一開始就在取代人，只不過是取代的工作對象和取代速度、規(guī)模、經(jīng)濟(jì)性不同而已。人們唯一需要考慮的問題是你的工作被機器取代后你該干什么，你該做哪些不會被機器取代的事情，你該如何去利用各種可以取代人的機器，以增強自己的競爭優(yōu)勢。在人工智能領(lǐng)域，最充分最廣泛地展現(xiàn)了人類是如何地缺乏智慧，甚至表現(xiàn)得非常愚蠢。當(dāng)人類面臨被機器取代的前景時，可能會產(chǎn)生一種恐懼感。為了平衡這種恐懼感，工業(yè)革命時期的工人發(fā)動盧德工人運動去砸毀機器。而現(xiàn)在人類知道不能這么干，因此就在心理上尋找其他的各種平衡。幾十年前計算機剛開始蓬勃發(fā)展時，出現(xiàn)過一個很奇怪的觀念是“計算機怕水”或“機器人怕水”。總得找出點人工智能的致命弱點，人類才會獲得一些心理安慰是不是？這個好像是有道理，因為水是導(dǎo)電的，如果電路板進(jìn)水了就會短路甚至燒毀。所以，美國好萊塢的很多科幻大片中，人類的英雄們都是用一盆冷水把造反的機器人置于死地，例如中國很多觀眾熟知的《未來世界》《血洗樂園》等都是如此。他們哪里知道水下機器人是機器人最早獲得應(yīng)用的門類之一。技術(shù)上的道理太簡單了 ---把電路密封起來不就不怕水了。

06

簡化問題與技術(shù)能力---為什么

AI無人駕駛永遠(yuǎn)不可能成功?

人類解決任何問題永遠(yuǎn)是要從兩個方面入手的：

將問題簡化和規(guī)范，以極大地降低對技術(shù)能力的需求。

提升解決問題的能力，以便解決更難的問題。

人類永遠(yuǎn)需要不斷增強解決問題的技術(shù)能力，但無論如何提升，技術(shù)能力又永遠(yuǎn)都是有限的。如果只是從提升能力一個方面入手，表面看似乎水平在不斷提高，卻可能永遠(yuǎn)也解決不了問題，因為任何問題本身如果不加限定都可能是無限復(fù)雜，從而需要無限強大的能力才可能解決。人類解決交通問題永遠(yuǎn)是從道路和車輛兩個方面同時入手，才能有效解決問題?；疖囍皇擒囶^和車箱問題嗎？當(dāng)然不是，得首先解決鐵路的問題。路如果不行，僅僅通過車頭和車箱的技術(shù)改進(jìn)是不可能獲得成功的。高鐵不僅是高鐵車頭和車箱，更重要的是高鐵的道路與普通鐵路差異巨大。

高速公路為什么可以跑高速？是車有什么不同嗎？不是，車沒什么變化，只是路不同。

什么是道路？它就是對交通問題的簡化。一公里高鐵建造價格在1億多人民幣到幾億人民幣，一公里高速公路造價在3000萬到1個億，由此就知道為了簡化交通問題得付出多么大的代價。如果不首先把問題簡化，是不可能真正有效解決問題的。

沒有無人駕駛道路，怎么可能有無人駕駛汽車的成功？如何才能真正實現(xiàn)無人駕駛？與業(yè)界的幻想完全不同，不是通過增強車輛的人工智能，而是嚴(yán)格制定無人駕駛車輛的行駛規(guī)則，首先建設(shè)完善的無人駕駛道路。在無人駕駛道路上行駛時，不允許車輛有任何智能行為，一切行動必須聽道路的指揮。汽車駕駛首要的是安全，安全就需要極端可靠。而人工智能最大的特點就是不可靠，你用人工智能無人駕駛軟件訓(xùn)練100億、1萬億、1億億億公里道路里程也沒用，怎么可能用它來實現(xiàn)無人駕駛？人駕駛汽車都不可靠，人工智能駕駛汽車怎么可能可靠？現(xiàn)在人駕駛汽車全球每年出車禍死亡130萬人，如果全改成人工智能駕駛每年死個零頭30萬人能不能接受？不可能接受，為什么？因為現(xiàn)在人駕駛汽車每年死一百多萬人是車主或路人自己負(fù)責(zé)任。一切汽車上的安全措施沒有任何一個是能絕對保證不出車禍的。汽車碰撞實驗的安全規(guī)定里，測試車速僅僅是最多64公里/小時，全世界沒有超過這個的。你開的車速達(dá)到65公里/小時，出任何車禍都肯定與廠家沒有任何關(guān)系，你開的車速55公里/小時出車禍和汽車廠家也未必有什么關(guān)系，因為是車主自己在開車，誰知道你自己方向盤打成什么樣了。可是如果改成人工智能駕駛，本質(zhì)上就是100%由汽車廠家的AI軟件在開車，并處置一切行車中的各種情況。由此，出的所有車禍（遠(yuǎn)遠(yuǎn)不止死了30萬人的案例）當(dāng)然就全是汽車廠家的責(zé)任，必須100%由廠家負(fù)責(zé)賠償了。想清楚沒有？你賠得起嗎？馬斯克所有的瘋狂目標(biāo)全實現(xiàn)了，唯有無人駕駛他實現(xiàn)不了?，F(xiàn)在AI無人駕駛還沒有大規(guī)模普及，所以根本不懂AI的法律界人士和其他制定政策的人全都處于茫然和幻想的狀態(tài)。一旦真的當(dāng)無人駕駛大規(guī)模普及了，有案例了，打幾個官司以后，以上其實簡單至極的基本問題馬上就想明白了。很明顯，車主和他們的律師當(dāng)然都會從他們的利益最大化角度來進(jìn)行法庭辯論，車主是在睡大覺，甚至駕駛座根本就沒人，車主是在后排座上睡覺，毫無疑問就是汽車廠家的AI軟件在負(fù)責(zé)一切操作，出了任何事情當(dāng)然要由廠家負(fù)一切責(zé)任，廠家作為被告絲毫辯護(hù)的余地都沒有。

現(xiàn)在的汽車保險都由車主每年購買，汽車廠家只對車的質(zhì)量負(fù)責(zé)任，對車禍承擔(dān)責(zé)任的幾乎沒有。這就是現(xiàn)在的汽車全行業(yè)的法律關(guān)系現(xiàn)狀。如果普及了無人駕駛，法律關(guān)系就一定會發(fā)生變化，既然車主不再負(fù)責(zé)開車，就不會再對無人駕駛期間的一切車禍承擔(dān)責(zé)任。無人駕駛汽車廠家可以將責(zé)任轉(zhuǎn)嫁，但那意味著每年無人駕駛汽車的保險費就全得由廠家出了。

真正的無人駕駛應(yīng)該怎么做？

嚴(yán)格制定無人駕駛道路規(guī)則，建設(shè)完備的無人駕駛道路，在這樣的道路上行駛是幾乎不會出車禍的，其可靠性會達(dá)到與飛機和高鐵相當(dāng)?shù)某潭?，使車禍的?shù)量接近個案的偶發(fā)水平，死亡數(shù)量更是基本為零。此時會由無人駕駛道路的運營者對任何事故負(fù)賠償責(zé)任，現(xiàn)在的航空和高鐵就是這么做的。他們之所以敢負(fù)責(zé)任的前提條件，就是出現(xiàn)需要負(fù)責(zé)任的情況在技術(shù)上的概率接近于零。只有這種可靠性級別的無人駕駛才是唯一可能成功的。只要采用人工智能，就不可能達(dá)到這種級別的可靠性。具體原因后面一節(jié)馬上就會深入討論。

必須首先簡化問題，才有可能真正解決問題。

無人駕駛絕對不是通過增強人工智能，而是通過完全的規(guī)則化、徹底屏蔽車上的智能才有可能實現(xiàn)。

如何實現(xiàn)完全的規(guī)則化：在無人駕駛道路上所有車輛速度嚴(yán)格一樣，車間距嚴(yán)格一樣，出現(xiàn)各種情況處理方法嚴(yán)格規(guī)范......這樣，車上的人就可以在車輛行駛時放心地睡大覺了，或者車上不需要有人。

屏蔽車上的任何智能對車輛行駛的影響，是實現(xiàn)無人駕駛的絕對前提。人類干得最愚蠢的事情就是想通過人工智能控制來實現(xiàn)無人駕駛。連什么是交通的最基本常識都不懂，居然還想開發(fā)什么無人駕駛汽車？我很早就在各種場合對人工智能無人駕駛持否定態(tài)度，但人們還是聽不明白。現(xiàn)在中國業(yè)界思路逐步變成路車兩方面同時增強智能，也有專家對路的算力是否足夠存在質(zhì)疑。路的算力怎么可能存在不夠的問題？每10米分配一顆2000塊錢的高性能CPU，每公里也就區(qū)區(qū)20萬，就算每米分配一顆，也不過200萬。你知道高速公路每公里造價是多少嗎？如果建成無人駕駛道路或者無人駕駛車道，在這些車道上行駛高速費增加50%，很容易就把成本收回來了。每公里最多再增加50%作為無人駕駛道路建設(shè)的投資，經(jīng)濟(jì)上就是合理的，怎么可能有道路算力不足的問題？如果想象成用一臺服務(wù)器管理幾公里無人駕駛道路，甚至幾百公里高速信息集中到一臺服務(wù)器里去處理，那算力當(dāng)然不夠了。

有人可能會疑惑：現(xiàn)有很多汽車廠家包括特斯拉等都宣稱自己的車達(dá)到L3甚至L4級別，也有人用其駕駛在高速上跑，甚至睡大覺了啊！我可以告訴你，40年前電視上就報道過有人用當(dāng)時的計算機秀過這種無人駕駛，手拿報紙讓汽車自己開了很長時間并自己到達(dá)目的地。當(dāng)然，那時的路面是郊外幾乎沒有其他車輛的道路。人工智能就是這樣，秀一下都是可以的，都很好看，真要大規(guī)模普及永遠(yuǎn)都不行。

想靠車輛的AI實現(xiàn)無人駕駛，此路不通，乘早死了這份心吧！別再浪費投資了。

只有可靠性要求很低的AI功能，諸如自動泊車等，才有可能真正商用化。

07

為什么AI可靠性不會很高？

要理解為什么AI在可靠性上一定不會太高，必須要理解AI的本質(zhì)到底是什么。理解一切問題都需要從最簡單的原理開始。我們先舉一個用氣象衛(wèi)星遙感估算農(nóng)作物產(chǎn)量的最簡單實際例子，來說明人工智能的本質(zhì)到底是什么。

以下是一個2005年發(fā)表的相關(guān)論文的例子。

這個論文中是采用NOAA氣象衛(wèi)星兩個通道的數(shù)據(jù)，以及NPP-RS模型來對農(nóng)作物產(chǎn)量進(jìn)行估算。核心的計算公式是下面這個：

如果不是這個專業(yè)的讀者可以完全不用去關(guān)心以上讓人頭疼的數(shù)學(xué)公式，只要知道這樣幾個要點即可：

一是上面的公式是一個經(jīng)驗公式。

二是公式中的k（區(qū)別不同農(nóng)作物種類的常數(shù)），a、b（農(nóng)作物種類確定后，與其產(chǎn)量相關(guān)的常數(shù)），這些常數(shù)都是通過實際數(shù)據(jù)大量統(tǒng)計出來的經(jīng)驗值，就是不知道具體因果關(guān)系，只是一種相關(guān)關(guān)系。在不同情況下（如不同農(nóng)作物產(chǎn)區(qū)）這些常數(shù)可能有所不同。

從這個論文的摘要里就可以看到，這種估算的平均相對誤差水平為：

整個吉林省糧食總產(chǎn)，13.6%

玉米，17.6%

水稻，6.7%

這么高的誤差水平，既然已經(jīng)寫成論文，表明它是已經(jīng)能拿得出手的東西。

上面這個如果表達(dá)成與上述專業(yè)細(xì)節(jié)完全無關(guān)的數(shù)學(xué)形式，就是這樣的經(jīng)驗公式：

y=ax1+bx2+c

x1，x2是自變量，這些自變量可能是衛(wèi)星光譜通道，人臉特征值等等。a、b、c是常數(shù)，它們是通過大量統(tǒng)計（訓(xùn)練）出來的經(jīng)驗值。在不同的變量x1，x2情況下，可以通過這些常數(shù)計算出y的值。這個不僅可能用來以衛(wèi)星遙感的數(shù)據(jù)估算農(nóng)作物產(chǎn)量，也可以判斷地面上是哪一種農(nóng)作物。這是一類被稱為“模式識別”的最、最、最......簡單的所謂人工智能。

雖然這個非常簡單，但它說明了人工智能的一些本質(zhì)特點：

通過大量數(shù)據(jù)分析、統(tǒng)計、訓(xùn)練等獲得一種經(jīng)驗公式性質(zhì)的規(guī)律或數(shù)學(xué)模型。

這種數(shù)學(xué)模型屬于相關(guān)關(guān)系而不是因果關(guān)系。

所有變量的影響帶有相應(yīng)的常數(shù)，這些常數(shù)都是一些經(jīng)驗值。

• 因為以上規(guī)律，人工智能必然具有相當(dāng)可觀的誤差。如果實際應(yīng)用中出現(xiàn)沒有預(yù)料到的新變量，誤差就會顯著增大。

無論是后來采用卷積的深度學(xué)習(xí)算法，還是現(xiàn)在流行的ChatGPT的所謂大型語言模型（LLM），本質(zhì)上都是類似以上規(guī)律的數(shù)學(xué)模型，只不過它們的變量和常數(shù)的數(shù)量可能不是幾個，而可以是幾百、幾千、幾萬、幾千萬......據(jù)說，ChatGPT的變量和常數(shù)的數(shù)量已經(jīng)達(dá)到1760多億，以后可能會到上萬億，百萬億，千萬億億億億......不僅如此，它不是簡單的一維線性經(jīng)驗公式，而可能是更為復(fù)雜、數(shù)量極為龐大的多維、超多維數(shù)學(xué)模型形式。但是，變化的只是量的不同，本質(zhì)上它們依然是通過各種統(tǒng)計或訓(xùn)練不斷調(diào)整變量和影響它們的常數(shù)值，都脫不了誤差非常難以縮小的命運。尤其是一旦遇到新的變量，影響的就不只是系統(tǒng)模型中的參數(shù)不同，而可能模型本身的變量集不一樣，此時都會出現(xiàn)比較嚴(yán)重的誤差。

因此，如果你是對人工智能真正懂行的人，盡可能尋找到模型中沒有納入的變量進(jìn)行攻擊，就可以很容易讓這個模型產(chǎn)生極大的誤差。例如，很早就有計算機象棋軟件，因為我下棋水平很低，即使在20多年前我和計算機很初級的象棋軟件對弈也基本上都會輸。但是，后來我試著用自己的“車”把自己的“卒”給吃了，計算機象棋軟件馬上就“瘋了”，不斷走一些莫明其妙的棋，讓我很容易就獲勝了。

不過，人工智能很容易讓人說不清的一點是：一旦我們明確了如何通過某個新的變量戰(zhàn)勝人工智能的方法，只要把這個新的變量增加考慮進(jìn)去，人工智能馬上就獲得進(jìn)步，你再用改變這個變量的方法進(jìn)行攻擊就不再有效了。問題在于：如果不去限定變量的選擇范圍，就永遠(yuǎn)會存在現(xiàn)有模型沒考慮到的新變量。

08

智能與智慧

一旦從本質(zhì)上理解了人工智能，就會明白人類的智慧是如何解決問題的了。例如，人工智能無人駕駛會通過訓(xùn)練去處理路上出現(xiàn)一只羊該如何應(yīng)對，從而產(chǎn)生各種越來越復(fù)雜的應(yīng)對規(guī)則：

• 如果羊往左邊走，車就從右邊開過去。
• 如果羊往右邊走，車就從左邊開過去。
• 如果羊站在中間車道不動，車就選擇從左車道或右車道過去。
• 如果羊往左邊走，車從右邊開過去時，羊突然驚跳反過來往右邊走，車就轉(zhuǎn)而從左邊開過去。
• 如果羊往右邊走，車從左邊開過去時，羊突然驚跳反過來往左邊走，車就轉(zhuǎn)而從右邊開過去。
• 如果羊站在中間車道不動，車選擇從左車道開過去時，羊突然驚跳往左邊走，車就轉(zhuǎn)而從右邊開過去時，羊又害怕往右邊走，車就轉(zhuǎn)而再從左邊開過去。
• 如果羊站在中間車道不動，車選擇從右車道開過去時，羊突然驚跳往右邊走，車就轉(zhuǎn)而從左邊開過去時，羊又害怕往左邊走，車就轉(zhuǎn)而再從右邊開過去。
• 如果......
• 如果......
• ......

我們也經(jīng)常在日常生活中見到這樣的案例：兩個人騎車相對而行時，你躲我、我躲你，結(jié)果兩者鎖定在一起更容易相撞了。當(dāng)兩個對象都有智能時，互相以對方為基礎(chǔ)來確定自己的策略，反而可能更難以找到合理的策略，進(jìn)入震蕩和鎖定的狀態(tài)?，F(xiàn)在人工智能無人駕駛沒有大規(guī)模普及，設(shè)想一下如果路上全是人工智能無人駕駛車會是什么情況。兩輛無人駕駛車互相躲避，會進(jìn)入相互鎖定狀態(tài)而更容易相撞。

用人類的智慧解決問題的方法，是嚴(yán)格控制和限定變量的范圍，簡化需要處理的變量對象，并且使每一個變量對象都得到嚴(yán)格的精確控制，從而獲得最終的極高可靠性。人類建設(shè)的高速公路不是通過深度學(xué)習(xí)和其他什么AI算法建立“羊跑到路上去、羊是什么樣的動作等不同新情況下的處理規(guī)則”，而是通過路兩邊的鐵絲網(wǎng)阻攔，根本就不讓羊跑到路面上。如果羊不知什么原因真的就是跑到了路面上，這都屬于統(tǒng)一規(guī)定的“意外情況”，遇到一切意外情況時，就暫停道路通行，所有車輛停下，把意外情況處理完，將羊趕出道路阻攔網(wǎng)以外，使道路恢復(fù)正常情況后，所有車輛逐步恢復(fù)正常通行。

人工智能是現(xiàn)在可以處理1750億個變量和參數(shù)，以后準(zhǔn)備將模型提升到可以處理7510億個，再然后7萬億個，對每一個變量的控制都是淺嘗則止。

但人類的智慧是首先簡化問題，讓變量不超過750個，并且對每一個變量都能獲得達(dá)到小數(shù)點后面6個9以上的可靠性，從而使得最終的可靠性也至少為小數(shù)點后面4個、5個9。

這就是為什么大家談的ChatGPT案例基本都是一些說不清道不明、仁者見仁、智者見智、當(dāng)然也就蠢者見蠢、不靠譜者見不靠譜的主題。即使是所謂幫助寫論文，主要也是社會領(lǐng)域等相對不需要那么嚴(yán)謹(jǐn)?shù)膬?nèi)容。如果出現(xiàn)各種錯誤，人們也只是哈哈一笑；如果出現(xiàn)很傻、很蠢的錯誤，人們更是會開懷大笑。本來嘛，很多藝術(shù)就是一種從嚴(yán)格邏輯上說屬于犯錯而產(chǎn)生的美感。例如，猜迷語就是把常規(guī)的文字理解成邏輯上與常規(guī)含義不同的意思。如果你真想讓它干靠譜的、正經(jīng)的、可預(yù)測、需要高度可靠性的事情，那就要小心了。

09

人工智能會存在奇點嗎？

未來學(xué)家?guī)炱濏f爾在《奇點臨近》一書中預(yù)言：2045年，奇點來臨，人工智能完全超越人類智能。有這個可能嗎？這種不懂技術(shù)的作家都喜歡通過聳人聽聞的預(yù)言來提高書的銷量。

一是計算機從一開始就超過人類了，二是人工智能的發(fā)展只不過證明了電腦還可以像人一樣不靠譜、不可預(yù)測。只有真懂人工智能技術(shù)的人才會理解，從1750億個變量增加到1750萬億億個變量，肯定會有區(qū)別，但區(qū)別也肯定不會像庫茲韋爾所想象的那樣。

10

軟件定義網(wǎng)絡(luò)、復(fù)雜與簡單

如果你對技術(shù)不太懂，可以不用看本節(jié)技術(shù)方面的內(nèi)容，只看結(jié)論即可。如果你對網(wǎng)絡(luò)技術(shù)很懂，本節(jié)也將會給你帶來新的認(rèn)知。"軟件定義網(wǎng)絡(luò)"(SDN)這個名字本身就起錯了。難道以前的路由器的路由表不是由軟件算出來的嗎？所以，此處我給它起的準(zhǔn)確名字如下：傳統(tǒng)計算機網(wǎng)絡(luò)的路由器和交換機學(xué)名可稱為：

鄰居發(fā)現(xiàn)不完備網(wǎng)絡(luò)結(jié)構(gòu)信息自主智能遞歸收斂路由。

所謂軟件定義網(wǎng)絡(luò)（SDN）嚴(yán)格準(zhǔn)確的學(xué)名可稱為：

完備網(wǎng)絡(luò)結(jié)構(gòu)信息集中智能免收斂路由。

如果讀者是網(wǎng)絡(luò)技術(shù)專業(yè)領(lǐng)域的，一看名字就該知道：作為最早提出SDN概念的人對它的理解為什么與一般人不一樣了。既然人們已經(jīng)習(xí)慣SDN這個名字，我也不想改了，本文還是繼續(xù)延用SDN這個名字。我是先學(xué)習(xí)和熟悉了電信網(wǎng)絡(luò)的程控交換機技術(shù)，而后再學(xué)習(xí)計算機網(wǎng)絡(luò)技術(shù)的。最初非常難以理解計算機網(wǎng)絡(luò)的路由器和交換機的路由表計算為什么搞得這么復(fù)雜。我提出SDN其實算不上什么全新的建議，它本質(zhì)上其實就是電信領(lǐng)域的人很熟悉的程控交換機路由控制方法。所以，為什么我能最早提出來，原因就在于我是先搞電信網(wǎng)出身，后來又精通了計算機網(wǎng)絡(luò)。很多熟悉計算機網(wǎng)絡(luò)的人可能已經(jīng)對它的路由算法習(xí)慣成自然了，如果你問他們?yōu)槭裁匆@么搞，能說出道理的人卻可能很少。

最初互聯(lián)網(wǎng)是美國軍方的項目ARPAnet。它的原始目的是開發(fā)出一種具有軍用安全級別的信息網(wǎng)絡(luò)，就是在戰(zhàn)爭中無論網(wǎng)絡(luò)被炸成什么樣，只要存在物理連接通道，網(wǎng)絡(luò)本身就可以自動建立起新的信息連接路由。

電信網(wǎng)的安全性一般采用主備倒換就足夠滿足了，但以上美國軍方的目標(biāo)采用這種思路卻很難實現(xiàn)。因為平時主用和備用設(shè)備一起壞掉的可能性極低，但戰(zhàn)爭中一枚炸彈把主用和備用的網(wǎng)絡(luò)設(shè)備同時都炸掉卻幾乎是必然。所以，集中式的網(wǎng)絡(luò)控制方法不能滿足以上要求，由此就設(shè)計了每一個網(wǎng)絡(luò)節(jié)點可以通過鄰居發(fā)現(xiàn)協(xié)議、自己去適應(yīng)網(wǎng)絡(luò)的任何變化建立通信路由的技術(shù)方案。

但是，這樣不僅需要每一個網(wǎng)絡(luò)節(jié)點都自己具備很強的路由計算能力，而且因為鄰居發(fā)現(xiàn)獲得的網(wǎng)絡(luò)結(jié)構(gòu)信息可能不完備，從而使路由計算極為復(fù)雜，且有可能導(dǎo)致相互影響。一個路由器計算完自己的路由表傳給鄰居，鄰居節(jié)點根據(jù)它計算自己的新路由表，然后又傳回來、再根據(jù)這個新的路由表重新計算再傳回去。如何能夠快速地收斂就是一個很復(fù)雜的問題?，F(xiàn)在的互聯(lián)網(wǎng)并不是用于戰(zhàn)爭，而基本都是民用，這就使最初的設(shè)計理念成為累贅，但深陷其中的專家們技術(shù)路線已經(jīng)被深度鎖定，已經(jīng)搞不清楚最原始初心是為什么了。

SDN是基本屏蔽了各個網(wǎng)絡(luò)節(jié)點的智能，把全網(wǎng)所有結(jié)構(gòu)信息傳給一個集中控制的服務(wù)器，由它根據(jù)全網(wǎng)完備的網(wǎng)絡(luò)結(jié)構(gòu)信息一次性計算出所有節(jié)點的合理路由表，并下發(fā)。各個節(jié)點遵照執(zhí)行即可，多么簡單可靠！這同樣是智能與智慧之間的區(qū)別和差異。

但這個技術(shù)出現(xiàn)后為什么發(fā)展得并不是太好。道理很簡單，這么一搞所有網(wǎng)絡(luò)節(jié)點全成標(biāo)準(zhǔn)化產(chǎn)品，那CISCO等公司還怎么活下去？所以CISCO馬上搞出一個自己的新SDN協(xié)議OpFlex，并且主推的技術(shù)路線是SDN與傳統(tǒng)網(wǎng)絡(luò)雙協(xié)議棧發(fā)展，搞得更復(fù)雜了。這根本就不是為了發(fā)展SDN，而純屬攪混水?！?技術(shù)并不止是技術(shù)，背后必然存在相應(yīng)的利益。如果不理解這一點，是無法理解技術(shù)為什么會發(fā)展成那樣。

后來很多人又開始炒作軟件定義存儲，軟件定義計算......你都沒搞清楚最早的軟件定義網(wǎng)絡(luò)是怎么回事，沒搞清楚”軟件定義“這個詞本身就是錯的，還炒作什么其它的軟件定義XX呢？

領(lǐng)先的公司具有把技術(shù)搞復(fù)雜的能力，技術(shù)越復(fù)雜，跟隨型的公司越無法超越。因此就明白CISCO的路由協(xié)議、微軟件的操作系統(tǒng)、美國的航天飛機、F-35隱身飛機......為什么搞得那么復(fù)雜和大而全了。此時不免讓人想起發(fā)明AK47的蘇聯(lián)槍械設(shè)計師米哈伊爾·季莫費耶維奇·卡拉什尼科夫的一句話：把簡單的事情搞復(fù)雜很容易，但把復(fù)雜的事情做簡單卻很難。

2020年，微軟的必應(yīng)（bing）在全球搜索市場的占有率大約在2.69%，遠(yuǎn)遠(yuǎn)低于谷歌的91.38%。所以，為什么微軟要在2019年給OpenAI投資10億美元，并且在ChatGPT上線后再投100億將其與Bing捆綁？就是希望通過這個途徑在搜索市場上翻身。

理解了以上所有一切，就該明白作為中國公司該如何有效應(yīng)對了。