?近日，DeepMind源代碼生成深度學(xué)習(xí)系統(tǒng)AlphaCode發(fā)布，引起人們圍繞人工智能進步的興奮，也引發(fā)關(guān)于人工智能與人類關(guān)系的更多思考。

幾十年來，人工智能研究人員和科學(xué)家一直在尋找能夠衡量人工智能進展的測試。在設(shè)想了人類思維的人工智能之后，他們轉(zhuǎn)向以人類智能為基準。

人類智能很難衡量，但一些比賽被大多數(shù)人當作衡量重要參考，如國際象棋、圍棋和編程競賽。在掌握這些比賽的過程中，人們培養(yǎng)了許多可以應(yīng)用于其他問題的技能，例如計劃、策略、思維理論、批判性思維和抽象思維。這些技能可以在其他現(xiàn)實領(lǐng)域派上用場，如商業(yè)、教育、科研、產(chǎn)品設(shè)計和軍事。

在更專業(yè)的領(lǐng)域，如數(shù)學(xué)或編程，測試具有更多實際意義。例如，在編碼比賽中，程序員必須將一個問題陳述分解成更小的部分，然后設(shè)計一個解決每一部分的算法，并將其全部重新組合起來。這些問題往往要求參賽者以新穎的方式思考，而不是使用腦海里想到的第一個解決方案。

相比之下，AlphaCode使用轉(zhuǎn)換器，一種特別擅長處理連續(xù)數(shù)據(jù)的深度學(xué)習(xí)架構(gòu)，將一個自然語言問題陳述映射到數(shù)千個可能的解決方案。然后，它使用篩選和聚類來選擇10個最有希望的解決方案。顯然，AlphaCode開發(fā)解決方案的過程，與人類程序員的開發(fā)過程非常不同。

當被認為等同于人類智能時，人工智能的進步會讓我們得出各種錯誤的結(jié)論，例如機器人接管世界，深度神經(jīng)網(wǎng)絡(luò)變得有意識，以及AlphaCode媲美普通人類程序員。

但如果從搜索解決方案的過程來看，就有了不同意義。即使人工智能系統(tǒng)產(chǎn)生的結(jié)果與人類相似，甚至更好，它們所使用的過程也與人類的思維有很大不同。

所以，不如把人工智能，至少在其目前的形式下，看作是人類智能的延伸，而不是替代。像AlphaCode這樣的技術(shù)不能思考和設(shè)計自己的問題，但它們是非常好的問題解決者，為人類和人工智能之間的高效合作創(chuàng)造了機會。人類定義問題，設(shè)定獎勵或預(yù)期結(jié)果，而人工智能找到潛在的解決方案來提供幫助。

也就是說，像AlphaCode這樣的工具將為程序員提供更深入地思考具體問題的機會，并讓人工智能系統(tǒng)產(chǎn)生新穎的解決方案，還可能為應(yīng)用開發(fā)提出新的方向。