不久前，由IBM研發(fā)的AI辯論系統(tǒng)Project Dabater與人類辯論冠軍進行了一場辯論，AI的表現(xiàn)令人印象深刻。從Project Debater身上，我們見證了人工智能在更高維度上對我們的大腦的思維和運行方式的一次形象的模擬。這是否意味著，人的大腦的許多能力都可以用AI重現(xiàn)？

IBM的Project Dabater可人工智能系統(tǒng)在辯論賽中表現(xiàn)可圈可點，這是否意味著，人的大腦的許多能力都可以用AI重現(xiàn)？

不久前，由IBM研發(fā)的人工智能辯論系統(tǒng)Project Dabater與以色列辯論冠軍Noa Ovadia和Dan Zafrir舉行了一次辯論。辯論的主題是從40個隨機話題中抽取出來的，研究人員事先并沒有對系統(tǒng)進行過針對辯論賽的特別訓練，Project Dabater自己對多達3億篇的新聞文章資源庫的內(nèi)容進行識別、分類和選擇，并從中提取出適合在辯論中使用的片段。

在辯論中，Project Dabater可以做到表述語法基本正確，語義和邏輯基本清晰連貫，在聽取辯論對手就辯題的看法之后，還能夠做出切合話題的反駁。

Project Debater在辯論中的表現(xiàn)雖然算不上完美，但還是令人印象深刻，而且讓我們向著人工智能深化的方向向前邁進了一步：Project Debater吸收大量不同的信息和觀點，幫助人們建立有說服力的論據(jù)并做出明智的決策?？梢哉f，從Project Debater身上，我們見證了人工智能在更高維度上對我們的大腦的思維和運行方式的一次形象的模擬。

實際上，我們所掌握的知識，對事物的觀點和認識，甚至是創(chuàng)造力大部分都來源于周圍的大量信息。大腦會對我們從周圍環(huán)境中獲取到的這些信息進行記憶、整理、分類、整合等處理，從中識別出不需要的、或多余的信息,從某種程度上說，這些信息也可是以視作一個規(guī)模龐大無比、內(nèi)容無所不包的數(shù)據(jù)庫。

如果說我們掌握的知識和形成的觀點是大腦對外部信息的篩選和整合，那么創(chuàng)造力、情感、判斷力等這些更高層面的感知能力，也可以歸為大腦對信息的多次復雜處理之后得到的結(jié)果。如果這些相對高級的感知能力都有望由人工智能建模實現(xiàn)，如果我們的大腦的某些運行模式可以被代碼所重現(xiàn)，考慮到現(xiàn)在的計算機，尤其是未來的量子計算機的極快的運算速度和驚人的數(shù)據(jù)處理能力，那么從某種意義上說，我們的大腦可能并不比AI更加優(yōu)越，大腦的一些復雜、精確的能力也可以化為代碼和程序，最終能夠被AI所學習和復制。

一些從事人工智能行業(yè)的專家和從事腦科學研究科學家對這個問題也有著類似的思考。

英特爾（Intel）負責人工智能業(yè)務的Naveen Rao說：“我們或許能在30年內(nèi)創(chuàng)造出一種有限智能，它可以在空間中移動，了解周邊環(huán)境，并且對自己有感知?！彼J為人類有可能高估了自己的大腦，愛和同情是可以被人工智能學習和復制的。

麻省理工學院（MIT）的神經(jīng)學家James DiCarlo表示，“認為人腦將總是比人工智能復雜的觀點是錯誤的，對于大腦和認知方面的科學家來說尤其如此。我相信，工程學將會逐漸地掌握大腦的某些特定功能?！?/p>

實際上，Project Dabater的真正價值不在于辯論本身，而是人工智能系統(tǒng)可以為人類決策團隊做出的重要貢獻。比如在警務室，情報分析掩體或教室內(nèi)，都可以引入人工智能工具來增進對話，使得基于證據(jù)而做出的決策更加合理，或者為人類決策提供的新的信息或可供參考的反對意見。

未來，可能產(chǎn)生能夠真正理解我們，并能對我們做出回應的人工智能。換句話說，不管是對AI大力鼓吹還是對其持懷疑態(tài)度的人來說，AI可能都要比他們想象中更為強大。