我们终于实现了《星球大战》中的人工智能吗？

我们真的已经拥有了这样的人工智能吗？而曾经，在《星球大战》系列中，我们还只是把可爱又聪明的R2-D2当作一种对未来的幻想。但事实上，科学发现可能真的会使幻想成真。前美国宇航局（NASA）天体物理学家珍妮·卡维洛斯，对《星球大战》中各种科幻元素是否可以变为现实进行了一场科学畅想。她用最通俗的语言写出了《<星球大战>里的科学》一书，向非专业读者解释了那些科幻与科学相互交叉的前沿知识，比如星际旅行、具有思想和情感的机器人、可供人类居住的地外行星、奇异的智能生命形式、高科技武器和宇宙飞船等。澎湃新闻获得授权摘录其中有关人工智能的部分。

前文中我们已经探讨了电影中机器人的外形，接下来我们看看他们的智力。和当前的机器人或者电脑不一样，他们有能力独立策划并执行十分复杂的任务。《星球大战》中，R2-D2展示出了这项技能。当时莱娅公主给了他一个秘密任务：将他自己和莱娅公主的消息带给欧比-旺·克诺比。

R2进入了一个逃生舱，将他自己和3PO安全地送到了塔图因星球。一到那里，他就找到了人员混杂的地方；被卢克的伯伯买了以后，他也很快获得了需要的信息。R2欺骗卢克，宣称欧比-旺是他的主人，还发现了这名绝地武士的位置。之后，他在发现卢克对莱娅公主的信息感兴趣后，说有抑制螺栓阻止他播放完整信息，这样卢克就可以拿走螺栓了。没有螺栓，R2就可以自由执行任务了。他离开了卢克的家，穿越沙漠向本的家走去。

这一系列的动作需要高等的智慧、对人类本性的了解、思辨的能力、灵活的计划和做出决断的能力。这些特质都是人工智能，即一台电脑展现人类智慧的关键要素。科学家几十年来一直在努力创造人工智能，虽然他们还没有实现目标，但是已经有了实质性的进展，有了许多不同的方案。

以规则为基础的方案致力于让电脑成为某个特定、专门学科领域的专家。

如果选择了一个有限的专长，电脑科学家就可以将大量与此学科相关的知识编程进电脑里。IBM的深蓝（Deep Blue）可以打败国际象棋世界冠军卡斯帕罗夫，它就是这样的一个系统。电脑里包含了关于象棋的所有规则，它有能力权衡各种可能的棋着和这些棋着可能带来的后果，然后选择最佳的棋着。然而当这样的电脑面对其他专业领域的问题时就束手无策了。它不能基于灌输给它的知识进行推测或者类比，它只能顺从规则。卢克在霍斯星球上被万帕冰兽攻击后，为其治疗的就是一台医疗机器人2-1B，它就是这种系统的一个代表。它的专长限制在一个狭窄的领域里，有最低限度的人际交往能力——和许多医生一样。

R2和3PO都有各自可以称得上专家的特定领域，比如翻译或驾驶X翼，但是他们也展示出了在各种条件下都可以灵活适应的能力。所以他们并不是单纯以规则为基础的系统。

科学家采取的第二种方案，就是以案例为基础进行推理的人工智能。这种电脑不是盲目地遵从规则，它们会进行类比，将面临的情况和其他已知的情况做出比较，选出最相似的案例并调取信息。比如，R2可能知道奥德朗和许多其他行星上的人类殖民地在哪里。为了找到塔图因星球上的人类殖民地，他将其他星球殖民地的地理特征和他在逃生舱里观察到的地理特征进行对比，定位出最有可能有人类殖民地的地方。实际上，他看起来就是这么做的，这显示出他有以案例为基础进行推理的能力。如果对比很直接，这种系统可以成功完成任务，但是以案例为基础的系统很难抉择出哪一种类比是适合的，哪一种不是。

为了做到这一点，电脑必须有一些关于世界的基本知识，这些知识被我们称为常识。我们的常识来源于一生中学到的东西，虽然我们对这些东西早已经习以为常，但是这些东西却很难传授给电脑。不过R2和3PO展示出了他们了解许多常识。比如，他们知道如果卢克被困在垃圾处理器那里，他就不会突然出现在“千年隼号”旁边；如果垃圾处理器里的两面墙合在一起，就会将卢克挤扁杀死；人类都趋生避死，所以如果他们关掉垃圾处理器，卢克就会很高兴。所有这些对我们来说都是显而易见的，但是对电脑来说并不是这样，除非这些信息被输入了进去。

道格拉斯·里南（Douglas Lenat）博士将常识编程到了一台电脑中，这台电脑叫作CYC，是百科全书（Encyclopedia）的简称。他的目标是给予CYC一亿条常识。这些知识将帮助它进行合理的比较，高效地做出决定，删除不实际或者不符合需求的方案。因此到目前为止，CYC搜索信息的能力比一般网络搜索引擎都要高。比如，我们要求它向我们展示“一个强壮的、有冒险精神的人”的照片，CYC就会给出一张照片，上面配有文字“一个攀登石壁的人”，CYC认为，攀岩是具有冒险精神且需要力量的活动。

第三种制造出人工智能的方案，是制造出可以从经验中学习的系统。如果我们可以给予计算机感知周围的事件并从这些事件中学习的能力，那么计算机就有可能发展出智力，就像婴儿一样。为了创造出这样的学习系统，科学家建起了神经系统网络，系统的设计大致模仿了人脑的结构。

一般的电脑都受一个复杂的中央处理器控制，但是人脑并没有中央处理系统。人类大脑大约有一千亿个神经细胞，或称“神经元”，每个神经元和其他1万个神经元连接在一起。为了模仿大脑，神经网络包含了多个简单的处理器，以取代单个中央控制系统。这些简单的处理器相互联系，和大脑中神经元相互联系的方式相似。科学家认为神经元之间大规模的连接给予了大脑同时处理一千万亿条信息的能力。这种大规模的内部关联也被称为“平行结构”，它可以使许多不同的信号同时从一个地方到达另外一个地方。斯蒂夫·格兰特（Steve Grand）是网络生活科技公司的首席技术官，这个机构致力于有高等智慧的人工生命形式的开发。格兰特相信，平行结构是人工智能发展的关键。“大脑实际上是一台机器，许多事情同时在里面发生。只有这样大规模的平行系统才能产生智能。”到目前为止，神经网络还远远没有大脑复杂和广阔，它们还只有蟑螂脑力的十五分之一而已，但是从根本上来说，它们确实复制了大脑的分散控制结构。

神经网络工作方法如下：电脑科学家在输入端输入一个具体的刺激，刺激信号通过网络在相连的其他处理器之间进行传递，在输出端就会输出一个信号。通过“训练”网络，科学家可以让网络输出适合需要的结果。但是我们怎样训练神经网络系统呢？

连接对神经系统网络来说的重要性，超过了一个个处理器。这些连接可以被加强也可以被削弱，加强或者削弱的过程从根本上复制了大脑的学习过程。大脑神经元可以记住它们之前传过的信号，以及这些信号是从哪个神经元传过来的。借助过去信号传输留下的印象，神经元就会下更大的力气处理传自特定神经元的信号，这种连接就被增强了，而同时其他的连接就弱化了。这种过程一直在进行，比如在你学习弹钢琴或者加减法的时候。在大脑中，传输路径已经确定下来了，之后就是熟能生巧的过程。科学家通过调整连接的强度来训练网络，构建出能够产出符合需要的结果的适当路径。这些调整模仿了基本的学习方法，但是网络还没有任何逻辑可言。

虽然神经网络还不是那么成熟，但是它们却有能力学会十分难以编写的程序。比如，它们可以识别出复杂的模式，这是一项被称为模式匹配的技能。神经网络系统现在被用于识别股票市场的模式，并预测其走向。科学家也测试过系统在电子眼中的应用，未来，它们也许可以帮助电脑识别人脸。现在电脑只能识别没有表情的脸，而且还必须是全脸、正脸。强大的模式匹配能力可以使神经网络在各种各样的光线条件下识别出莱娅的脸，不管是从哪个角度、不管成像是否清晰、不管莱娅是微笑还是皱眉，甚至是在她发型奇特的情况下都可以。

R2和3PO一定有这个能力。斯蒂夫·格兰特认为，在神经网络系统中使用到的连接机制在制造人工智能的领域最有前景。“以规则为基础的系统和以案例为基础的系统曾经有50年的时间证明自己可行，但是都失败了。”格兰特认为R2使用了神经网络，他说，“R2-D2身上展示出来的智慧简直是新奇的现象。”这意味着智能是一个群体共同运作的结果，而不属于群体中的任何一员。格兰特举了一例：“你是人类中独特而又普通的一员，是几十亿个构成你身体的细胞共同作用的结果，你不是任何一个细胞的产物。”相似地，智慧一定是构成神经网络系统的平行结构上连接的各个处理器相互作用的结果。智慧不存在于任何一个处理器上，我们需要让它们像大脑神经元一样相互作用。格兰特解释说：“最大的障碍就是我们几乎不知道大脑是怎样工作的！”

R2和3PO都有模式匹配的能力，我们可以假设神经网络至少组成了他们系统的一部分。另外，《星球大战百科全书》中说R2和3PO没有强加在其他机器人身上的内存清理功能，这让他们可以从经验中学习。这样的学习能力又一次证明了他们有神经网络。

我们最有可能创造出真正的人工智能的方式可能就是将这三种方式结合起来，机器人也将拥有上述的能力。不过，如果不能感知周围的情况、收集信息、学习和交流，拥有再高超智慧的机器人也不算是好的机器人。R2和3PO有视觉、听觉，甚至还有触觉。我们距离制造出这样的机器人还有多远呢？