在沃森精彩舞臺表現(xiàn)的背后，人工智能的一個(gè)分支領(lǐng)域——概率推理功不可沒：這項(xiàng)技術(shù)幫助沃森從不完整的信息組合中提煉出完整答案。比賽前，IBM的工程師們把百科知識和以往《危險(xiǎn)邊緣》的節(jié)目資料塞進(jìn)沃森的硬盤里，然后把沃森的電腦程序分成100個(gè)小程序，每個(gè)小程序負(fù)責(zé)一個(gè)方面。比如，一個(gè)程序負(fù)責(zé)"著名作家"，另一個(gè)程序負(fù)責(zé)"食品"。比賽時(shí)，針對提出的問題，沃森的100個(gè)分程序各自從數(shù)據(jù)庫里尋找答案，最終沃森綜合這100個(gè)分程序的結(jié)果，選擇最有可能正確的答案。比賽結(jié)果并不出乎意料，沃森曾經(jīng)在電視節(jié)目中擊敗兩位真人冠軍。

 

　　不過，成為《危險(xiǎn)邊緣》的冠軍并不是沃森的真正使命，I BM計(jì)劃派給沃森更實(shí)用的任務(wù)，比如給醫(yī)學(xué)、商業(yè)、農(nóng)業(yè)等領(lǐng)域提供時(shí)效性強(qiáng)的重要信息。

 

　　無人駕駛汽車

 

　　行駛在美國拉斯維加斯的公路上，如果你看到一輛汽車的牌照是紅色，其上印有無窮大符號，就要留意一下了，它是一輛無人駕駛的汽車。2012年初，美國內(nèi)華達(dá)州為無人駕駛汽車發(fā)放了第一張牌照。

 

　　在世界上其他地方，無人駕駛汽車也會火起來嗎？應(yīng)該說，到現(xiàn)在為止，駕駛還是一項(xiàng)由真人司機(jī)占據(jù)主導(dǎo)地位的任務(wù)。雖然駕車稱不上很難，但其中有太多變數(shù)，比如尾隨你的汽車是以60千米/時(shí)還是70千米/時(shí)的速度行駛？角落里是否有一輛行駛在你的視角之外的汽車？如果你想超車，前面車的司機(jī)會不會突然加速？諸如此類的問題還有很多。

 

　　無人駕駛汽車行駛在公路上并不難。早在1994年，兩輛無人駕駛汽車就曾經(jīng)在環(huán)繞巴黎的公路上行駛了1 000千米。但是，如果讓無人駕駛汽車在城市中穿行，任務(wù)一下子就變得困難很多，城市交通中很多不成文的規(guī)則會讓無人駕駛汽車摸不到頭腦。比如，如果谷歌公司的工程師嚴(yán)格按照司機(jī)守則為無人駕駛汽車編寫程序，在十字路口上一定要為其他汽車讓路，他們會發(fā)現(xiàn)，這臺太過老實(shí)的無人駕駛汽車永遠(yuǎn)也沒法走過這個(gè)路口。于是，他們對程序做了一點(diǎn)改進(jìn)，當(dāng)無人駕駛汽車等待一段時(shí)間后，就會自動(dòng)緩慢向前移動(dòng)，向其他汽車示意自己想要先走，而不只是傻傻地等待。

 

　　對于無人駕駛汽車來說，還有一個(gè)難題，即如何判斷自己所處的位置。GPS有時(shí)并不靠譜，誤差會達(dá)到幾米之多。無人駕駛汽車不僅能使用GPS，還能同時(shí)開啟照相機(jī)、雷達(dá)和測距激光，共同幫助校正GPS的數(shù)據(jù)。

 

　　除了擔(dān)任駕駛職責(zé)外，無人駕駛汽車還能自動(dòng)調(diào)節(jié)汽車燃料進(jìn)出，提高能源利用率。代表前沿科技的無人駕駛汽車綜合了多項(xiàng)人工智能技術(shù)，越來越被人們所接受。通過特別許可，谷歌公司的無人駕駛汽車已經(jīng)在完全無人控制的情況下，在美國加利福尼亞州的公路和街區(qū)中穿行了成千上萬千米。相信世界上其他地方很快也會接納智能的無人駕駛汽車。

 

　　垃圾郵件獵手

 

　　如今，全世界的電子郵件中，每10封恐怕有9封都是垃圾郵件。如果這些垃圾郵件和正常郵件混在一起出現(xiàn)在你的收件夾里，電子郵件的方便快捷功能將大打折扣。通過垃圾郵件過濾器，你可以把垃圾郵件從收件夾里過濾出來。

 

　　要判斷什么樣的郵件才算是垃圾郵件，只要看一下郵箱主人打開郵箱后，把哪些郵件加上星號保留，哪些郵件看也不看就直接刪掉即可。這些舉動(dòng)為垃圾郵件過濾器提供了最好的參考。電腦程序根據(jù)這些信息把每封郵件分解成很多個(gè)特征，每個(gè)特征可以是一個(gè)單詞或詞組，也可以是郵件發(fā)送的時(shí)間，還可以是發(fā)送郵件的電腦信息。這些特征可以幫助電腦程序判斷一封郵件是否垃圾郵件。比如，一封郵件里包含"最低價(jià)格""精心包裝"兩個(gè)詞組。根據(jù)全球統(tǒng)計(jì)數(shù)據(jù)，這兩個(gè)詞組在垃圾郵件中出現(xiàn)的概率高達(dá)8%和3%；而在正常郵件中，它們出現(xiàn)的概率只有0.1%和0.3%。之后根據(jù)數(shù)學(xué)上的貝葉斯定律公式，計(jì)算出這封郵件是垃圾郵件的概率高達(dá)99.9%。

 

　　重要的是，垃圾郵件過濾器需要根據(jù)經(jīng)驗(yàn)不斷更新判別模式。再好的垃圾郵件過濾器也會有犯錯(cuò)誤的時(shí)候，可能放過壞郵件，也可能錯(cuò)殺好郵件。每當(dāng)郵箱主人把一封垃圾郵件從垃圾郵件箱移回收件夾，或者標(biāo)識并刪除一封遺漏在收件夾里的垃圾郵件，垃圾郵件過濾器會立刻更正自己的參數(shù)，做出改進(jìn)，以提高識別垃圾郵件的準(zhǔn)確率。

 

　　自動(dòng)翻譯高手

 

　　2012年，"谷歌翻譯"的翻譯總量超過所有專業(yè)翻譯員的翻譯總量。"谷歌翻譯"掌握65種語言，可以任選其中兩種語言進(jìn)行互譯。"谷歌翻譯"得以運(yùn)行，全靠人工智能領(lǐng)域的概率推理技術(shù)。

 

　　很多年前，語言學(xué)家通過雙語字典和語法規(guī)則來構(gòu)建自動(dòng)翻譯系統(tǒng)。遺憾的是，這樣做失敗了，如此翻譯會很生硬、不靈活。比如，在法語語法規(guī)則里，形容詞一般置于名詞后。而在英語語法規(guī)則里，形容詞一般置于名詞前。當(dāng)然，也有例外的時(shí)候，比如，英語中表達(dá)"神奇的光"時(shí)，使用"the light fantastic"詞組，形容詞fantastic置于名詞light之后。

 

　　過去十多年，自動(dòng)翻譯依靠的不再是語言學(xué)家手寫的規(guī)則，而是從現(xiàn)實(shí)案例中學(xué)習(xí)而來的概率準(zhǔn)則，就好像以往是通過背單詞和記語法來學(xué)外語，而現(xiàn)在是通過身臨語言環(huán)境中學(xué)習(xí)。自動(dòng)翻譯另外一個(gè)重要方面是電腦和真人之間的配合和交互，很多自動(dòng)翻譯系統(tǒng)都是先在互聯(lián)網(wǎng)上搜集大量真人翻譯過的文件作為參考。

 

　　當(dāng)然，自動(dòng)翻譯還遠(yuǎn)遠(yuǎn)稱不上完美，但是它正在被逐步改進(jìn)——準(zhǔn)確率越來越高，翻譯的語言種類也越來越多。谷歌公司正在開發(fā)一個(gè)名為"翻譯"（Translate）的安卓手機(jī)程序，當(dāng)你與對方通話時(shí)，你可以說母語，該程序根據(jù)你的選擇，把你所說的話轉(zhuǎn)換成對方的母語，發(fā)送給對方，而對方在和你通話時(shí)也可以說母語。隨著自動(dòng)翻譯技術(shù)的發(fā)展，一個(gè)被長久期盼的誘人目標(biāo)將有機(jī)會實(shí)現(xiàn)——每個(gè)人不需要學(xué)習(xí)任何外語，就可以和世界各地的朋友進(jìn)行交流。

 

　　讓程序自我進(jìn)化

 

　　現(xiàn)今大多數(shù)的人工智能系統(tǒng)如果完全依靠手動(dòng)來編寫程序，會變得很復(fù)雜，一個(gè)另辟蹊徑的方法是讓電腦程序自己進(jìn)化自己。在虛擬的環(huán)境中，程序通過不斷的迭代，嘗試變化各種參數(shù)，在不斷嘗試和失敗之中，程序逐漸"自然而然"變成設(shè)計(jì)者期望的樣子。

 

　　首先，設(shè)計(jì)者們?yōu)槌绦虼罱ㄒ粋€(gè)模擬環(huán)境。就垃圾郵件過濾器的程序而言，"環(huán)境"就是大量郵件，既包括正常郵件又包括垃圾郵件。然后，程序的不同版本同時(shí)在模擬環(huán)境中接受檢驗(yàn)，輸出各自不同的結(jié)果。在對結(jié)果進(jìn)行評分后，分?jǐn)?shù)差的程序被淘汰，分?jǐn)?shù)好的程序被進(jìn)一步修改。修改后的程序再次接受檢驗(yàn)，同樣優(yōu)勝劣汰。如此往復(fù)，最后，程序可以自然進(jìn)化成比較理想的狀態(tài)。

 

　　這個(gè)過程其實(shí)有點(diǎn)類似自然界中所發(fā)生的"弱肉強(qiáng)食、適者生存"。而一個(gè)程序的某個(gè)參數(shù)被修改如同自然選擇中的基因發(fā)生隨機(jī)突變；兩個(gè)程序還可以各取一部分交叉到一起產(chǎn)生一個(gè)新的程序，就如同動(dòng)物交配產(chǎn)生后代一樣。這種讓程序自我進(jìn)化的方法被稱為"遺傳算法"。

 

　　電腦也需要直覺

 

　　人永遠(yuǎn)不是絕對理性的，我們在做決定的時(shí)候會犯很多常見的錯(cuò)誤，并且容易受到無關(guān)細(xì)節(jié)的干擾。有時(shí)，我們相信自己的直覺，未經(jīng)深思熟慮，即匆忙做出決定。我們曾經(jīng)認(rèn)為，"冷靜"的電腦不像人一樣沖動(dòng)，一定是件好事?？墒牵罱恼J(rèn)知科學(xué)研究發(fā)現(xiàn)，事實(shí)并非如此。

 

　　一個(gè)人先天具有兩種互補(bǔ)的做決定的方式，一種是緩慢的、深思熟慮的、理性的，另一種是迅速的、沖動(dòng)的，通過聯(lián)系當(dāng)前情況和以往經(jīng)驗(yàn)，快速做出決定。第二種方式或許才是人類智能高效的關(guān)鍵。

 

　　不難想像，深思熟慮和理性必定要以耗費(fèi)更多的時(shí)間和精力為代價(jià)。比如，有一輛車正迎面撞向你駕駛的車，你需要立刻做出反應(yīng)，或者鳴笛，或者剎車，或者轉(zhuǎn)向，而不是經(jīng)過復(fù)雜的計(jì)算決定哪種選擇最優(yōu)，估計(jì)等結(jié)果算出來事故已經(jīng)發(fā)生了。此時(shí)，快速反應(yīng)成為關(guān)鍵。在非緊急情況下，這種快速反應(yīng)同樣有益。比如，如果每天都在認(rèn)真思考到底穿深藍(lán)色衣服還是淺藍(lán)色衣服這類無傷大雅的問題，會浪費(fèi)大量的時(shí)間和精力，耽誤更重要的事情。

 

　　那么，是否應(yīng)該給人工智能加入直覺成分呢？事實(shí)上，很多現(xiàn)代人工智能系統(tǒng)包含兩部分，一部分用于瞬時(shí)反應(yīng)，一部分用于理性分析。一些機(jī)器人使用多層系統(tǒng)結(jié)構(gòu)，最底層只做反應(yīng)；較高層則負(fù)責(zé)抑制這些反應(yīng)，組織更多目標(biāo)行為。這種方式很有效，控制步行機(jī)器人在凹凸不平的地面上行走就是一個(gè)例子。

 

　　另外一種方式是在人工智能程序中加入一些"情感"。比如，如果一個(gè)機(jī)器人反復(fù)嘗試做一件事情，不斷遭遇失敗后，一個(gè)表達(dá)"氣餒"情感的電路就可以"激勵(lì)"機(jī)器人轉(zhuǎn)換思路。人工智能的創(chuàng)始者之一馬文·明斯基認(rèn)為，情感并非人腦的一個(gè)獨(dú)立事件，而是人腦的多個(gè)部分之間、人腦和身體之間的互作。畢竟，人是感性動(dòng)物。在我們做出某些選擇時(shí)，情感因素高于其他因素。如果一個(gè)電腦程序受到情感驅(qū)使，自然更像人類智能。