說到人工智能，你印象最深的是不是 2016 年，谷歌的“阿法狗”圍棋把人類世界冠軍擊敗。這兩年，人工智能這個詞已經把我們包圍了。人工智能駕駛、人工智能分發快遞、人工智能預測世界杯等等，每一個 IT 大佬的嘴里都在念叨著人工智能。

可能在你的認知中，人工智能的技術原理是根本無法理解的高超技術，只有那些瘋狂的科學家才懂。但是，我卻想告訴你，今天所謂的人工智能技術可能離你心目中的“智能”、“智慧”相去甚遠。

計算機算法對于泰坦尼克號上的乘客死亡率

為了讓你理解我們今天所謂的人工智能技術離美劇 《西部世界》中那樣的人工智能還有多遠，我想舉一個實例，為你揭開今天人工智能的實質。現在，我們手里有一份泰坦尼克號所有船員的名單。這份名單包含了以下這些信息：

乘客編號、姓名、艙位、性別、年齡、是否與親戚同行、船票號碼、票價、房間編號、登船碼頭，以及是否存活。

我將這份名單隨機分成兩半，這兩半數據只有唯一的一個差別：我隱藏了其中一組數據中 “是否存活”這項。現在，我交給計算機一個任務，就是通過學習其中一半的數據，然后來預測另一半數據中每個人的生死。

這個程序可以寫的極其簡單，也可以寫的很復雜。最簡單的算法是：統計一下乘客的死亡率，發現已知的一半人的死亡率是 62%；有了這個數據，那么另一半人我把他們全部預測為“死亡”，也有 62% 的正確率了。

那怎么繼續提高預測準確率呢？我們繼續統計已知數據中男女的死亡比例會發現，女性的存活率是74%，男性的存活率是18%。好了，有了這個數據，我們馬上可以大幅度提高預測的準確性了。

算法可以繼續復雜和優化，乘客的每一個屬性都有可能影響他的存活率，而很多屬性又會交叉影響。但無論怎么復雜，都是一種數學統計模型：通過已知的這一半數據，不斷地優化每一項參數在存活率中所占的權重，最終得到的是一個數學公式——把乘客的每一個屬性的數值（例如票價、年齡等）代入公式。

上面這個例子并不是我杜撰的，而是布魯薩德的新書《人工不智能》中一個AI 算法的實例。在這個實例中，計算機算法對于泰坦尼克號上的乘客死亡率的預測準確性可以達到97%。

我們可以得出這樣兩個結論：人工智能依賴已知的數據工作：你喂給它的數據越多，它就可以預測的越準確；反之，如果吃不到數據，它就無法工作。人工智能本質上只是一種數學統計模型的具體應用，本質上還是一個計算器：只是計算公式超復雜，運算速度超快而已，計算機并沒有 “思考”。

人工智能算得上覺醒嗎？

人類今天所掌握的人工智能技術還只是一種“機器學習”和“概率預測”的技術，不但離不開“人工”，也并不“智能”。現在我們人類所開發出的所有人工智能程序，不論是“阿法狗”，還是最近上了頭條的谷歌打電話AI，它們在實質上都依然符合上面兩條。理解了這些，希望你對人工智能不再感到神秘和膜拜。

顯然，像這樣的人工智能還遠遠談不上覺醒，因此，搞人工智能的圈子把這種類型的人工智能稱為弱人工智能，你簡稱為“弱智”也行。而像《西部世界》中那樣有自我意識的人工智能則被稱作強人工智能。

但是也有一些哲學家和科學家認為，弱人工智能和強人工智能之間并沒有一條涇渭分明的線，換句話說，無意識和有意識之間也不是生和死這樣的明確差別。我們每個人自以為的自由意志或許只不過是一種幻覺，而這種幻覺只不過是條件和規則足夠復雜后涌現出來的罷了。

他們認為，弱人工智能本質上是“機器學習”和“概率預測”的技術，但你怎么知道我們人類所謂的思考其本質上就不是這樣工作的呢，人類做出的任何判斷，也必須依托于過去的經驗。差別僅僅在于條件和規則的復雜程度，當弱人工智能處理的數據足夠多，執行動作的可能性也足夠多時，自我意識就涌現出來了，也就逐步成為了強人工智能。

今天，腦科學家認為，我們每個人所謂的“我”其實就是一層大腦皮質而已，它的外形像一顆核桃，表面布滿了褶皺。如果我們把這層大腦皮質取下來攤平的話，大小大約是 48 厘米見方，就像是放在餐盤底下的那塊餐巾布大小，厚度大約是 2 毫米，比 1 元的硬幣略微厚一點點。

我們的感知、思考、理解、表達、判斷以及七情六欲都只不過是這塊餐巾產生的電信號。在這塊餐巾中，分布著大約 200 億到 300 億個神經元。你可以把神經元想象成是一只章魚，只不過這只章魚的每一根觸手都像是一顆大樹一樣又細分出無數的小觸須。

2018 年，人類能夠制造的最復雜的單塊芯片所包含的晶體管數量也是 200 億個左右。但是，是不是這樣看來，人類制造的集成電路的復雜程度可以媲美大腦皮質了呢？