认知机器人：通往智慧之路

认知机器人：通往智慧之路作者：张红来源：《中小学信息技术教育》2017年第08期一直以来，为建立认知计算的基础，科学家已经花了数十年，将前沿计算机科学领域的十几个学科与人工智能结合起来。

现在，我们正在亲眼目睹它在改变商业、政府和社会方面的巨大潜力。

1955年，当“人工智能”这个词首次被提出来时，不出所料地点燃了公众的想象力。

在接下来的60年里，我们有好几次都被它的前景所吸引，担心它的潜力被滥用，但又为它的发展缓慢而沮丧。

然而，正如所有孕育得过早、超越了当前时代的先进科技一样，人工智能遭到了广泛的误解——被好莱坞电影错误地诠释、被媒体曲解为各种各样的角色，从人类的拯救者到毁灭者，应有尽有。

那些真正参与业界的严肃信息科学研究和应用的人很理解智能系统的巨大潜能。

这种技术（我们相信那将是“认知智能”而非“人工智能”）的未来与大众冠以AI的名头大不一样，将涉及各种各样的，来自技术、科学和社会的挑战与机遇，面临不同的监管、政策和管理需要。

认知计算是指一种能够规模化学习、有目的推理、并与人类自然交互的系统。

它们不需要事先精确地编程，而是从它们与我们之间的交互和与环境之间的互动中学习和推理。

过去半个世纪中，多个学科领域的发展使这些事情变得可能，它们与那些运行着的信息系统有着重要的区别。

那些信息系统是决定论的，而认知系统是概率性的。

认知系统不仅能回答大量的问题，还能对更加复杂（且有意义）的数据提出假说、推理论述和建议。

此外，认知系统还能理解计算机科学家称之为“非结构化”的数据，这些数据占到了全世界数据的80%。

这使得它们能够跟上现代世界巨量、复杂和不可预测的信息。

这些与机器的感觉能力和自主性都没有任何关系。

相反，它能够增强人类的能力，让我们可以理解和运作社会中复杂的系统。

这种增强智能对提升我们驾驭科技的能力是十分必要的一步，让我们能追寻更多知识、提升我们的能力和改善人类的境况。

这就是为什么它不仅是一种新科技，还是科技、商业和社会新纪元——认知时代的黎明。

认知计算的成功并不以图灵测试或模拟人类的能力作为判断标准。

它的标准更加实际，例如，投资回报率、新的市场机会、治疗疾病和拯救生命。

我们已经看到，它将大数据从障碍变成机会，帮助儿科医生做出早期诊断，为建设智慧城市提供创新解决方案。

我们相信，这些技术展现了最好的（或许也是唯一的）机会，去处理地球面临的一些最持久的系统性问题，例如，癌症、气候变化和复杂多变的全球经济形势。

计算的历史与认知的崛起为了理解认知计算的未来，必须把它放到历史的语境中。

到今天为止，我们经历过两个不同的计算时代——制表时代和编程时代。

我们相信，在计算演化史中，认知计算是第三个计算时代，也是最具有转折意义的时代。

喵爪机器人就是要把认知计算带进教育领域。

制表时代（1900-1940年代）计算机起源于一种单一计数用途的机械系统，这种系统用打孔卡来输入和存储数据，最终决定这个机器要做的事情（虽然是以一种非常原始的方式）。

这些制表机本质上是一种计算器，支持了商业和社会规模的扩大，帮助我们组织、理解以及管理从人口增长到全球经济进步等的各种事情。

编程时代（1950年代-现在）在二战的时候，随着军事和科学的需要，从机械制表机到电子系统的演变开始了。

在战争之后，数码“计算机”经历了快速演化，逐渐进入商业和政府。

它们可以根据软件中的程序来进行“如果/就”的操作以及循环。

从最开始的电子管到晶体管，再到微处理器，计算机的性能得到了迅速提升，这一发展过程验证了“摩尔定律”。

在60年间，每18个月处理器的容量和速度就提升一倍。

所有我们知道的计算设备，从大型主机到个人电脑，再到智能手机和平板，都是可编程的计算机。

认知时代（2011- ）早在1960年，J.C.R. Licklider就在他的论文《人-机共生》中提出了超越可编程系统的潜在可能性。

现代计算的很大部分都是基于LickLider的研究以及他的深刻见解：“人-机共生”是在人类与电子计算机之间发生的共生关系，是人机关系可以预见的发展。

这种关系包含人类与电子伙伴的强耦合关系。

主要目的是：像为解决规划难题提供便利一样，也让计算机为规划思维提供便利。

在不依赖于不灵活的预定义程序的情况下，让人与计算机能够协作决策，控制复杂情况。

初步分析表明，与人类单独进行智能操作相比，共生关系将会更有效。

——J.C.R. Licklider，《人-机共生》，1960年3月Licklider知道，认知计算将是程序化计算的必要的自然演化，虽然他并不知道这个目标如何实现。

50年后，大规模并行计算以及浩如烟海的结构化与非结构化数据的积累，为认知计算奠定了基础。

我们看一下整个互联网到底改变了什么，互联网做了什么事情？互联网的本质就像微信的开启图片一样，解决的是一个连接的问题，是人和世界怎么连接的问题。

比如，Uber、Airbnb、滴滴打车等，它连接的就是服务，是人和所有我们需要的服务之间的问题。

如果你能解决人和连接世界某些方面的问题，就会催生大的产业机会。

连接背后是交互和索引，苹果做好了交互，谷歌做好了索引，诞生了世界上最伟大的两家公司连接，我们需要一个方式，这个方式就是机器。

所以我们说，人连接世界分两步，第一步，连接人和机器，人机交互；第二步，机器到世界，智能索引。

因此，支撑连接的其实是交互和索引，有了这两个步骤，人和世界才能更加无障碍、流畅地连接。

首先是交互，交互其实牵引了过去30年信息产业的变化，这里面诞生的一个最伟大的公司就是苹果。

苹果在PC时代引领了图形用户界面、鼠标。

在移动时代，它的多点触控、语音验证、指纹验证等人机交互的技术也是最为先进的。

苹果的伟大之处在于，它使得人在连接世界的关键链条上，首先让机器和人更近了。

所以，人工智能巨大的产业机会就是先让人和机器没有距离，把人机距离缩短，这件事情非常关键。

如果可以抓住这个问题，实际上可以诞生伟大的公司。

今天比较苹果系统和安卓系统会发现不一样的地方。

安卓在人机交互方面总是差一点点，就是因为这一点点的差别导致用户选择苹果，因为人需要离机器很近。

我们再看索引。

索引诞生了世界上另外一个伟大的公司——谷歌。

苹果和谷歌是目前市场上市值最高的两家公司。

谷歌一千亿美金，苹果六七千亿美金。

谷歌把索引这个词做得非常好，我们现在讲的O2O，就是把线下的东西索引到线上。

比如，Uber和滴滴打车，就是把真实世界里面的车索引到线上。

索引的趋势是什么？交互的趋势是人和机器越来越近了，索引的趋势就是从无序到有序，从数据到语义，从线下到线上。

无序到有序，搜索引擎实际上是让互联网上非结构化的数据变得有一定的规律，然后我们可以更快捷地获取这些东西。

数据到语义，一个简单数字背后的内容是什么？线下到线上，现在共享经济的服务模式就是把很多线下的东西索引到线上，比如说Airbnb。

从个人电脑到智能手机，机器的进化是连接升级的核心，未来所有智能设备都会变成机器人未来是什么样子的？连接人和世界，交互和索引。

但是这里面有一个核心的问题，就是机器的进化。

过去30年，我们经历了个人电脑到智能手机的变化和迁移。

智能手机之后会有一个分化。

我们认为，在每个垂直的领域，都会出现很多智能硬件的分化，比如，无处不在的智能设备等等。

交互到极致的状态是什么？是人跟机器完全地融为一体，没有距离。

这个机器变成了Robot，它完全懂你此刻在想什么，你想要什么，然后可以自主地完成你要做的事情。

而索引到极致的时候是什么？就是完全的实时镜像。

任何一个角落发生任何的事情，任何一栋房子，任何一件商品，它没有距离地立刻在网上有一个镜像的存在。

那么，这里面需要无处不在的传感器和强大的计算能力。

未来万物互联到万物智能的三大趋势，即所有的设备一定会有各种各样的智能传感器，所有的设备都会有云端结合的数据处理能力，所有的设备都会连接人和服务。

面向未来，这些智能设备都会变成广义上的机器人。

真正伟大的技术，不在于让机器具有超级能力，而是让每一个平凡的人变得伟大通常对做技术的人来说，他们会不断地完善技术，让它更好更强大，这是技术人的目标。

但是有的时候这些技术不会真正地带来对社会的改变。

一个例子就是IBM的“深蓝”，“深蓝”下国际象棋可以比人类下得更好，但是这本身并没有真正地为社会带来什么样的改变，而只是验证了机器多么的强大。

另外一个例子就是搜索引擎，它也是一个很强大的技术，但是它让人无论身处什么地方、什么社会阶层，让人跟信息和知识的距离是一样的。

所以它催生了巨大的产业，我认为到目前为止，搜索引擎也是互联网行业最棒的商业模式。

回到我自己的一个思考，伟大的技术目的不在于让机器更加伟大，不在于让机器具有超级的能力，它的意义一定是让每一个平凡的人变得伟大。

如果可以做到这点，这就是一种伟大的技术，是一个伟大的想法。

喵爪机器人就是要帮这种技术用在教育上，让所有的学习都用在帮助机器人认知我们人类的世界，然后再为我们人类服务。

我们会创造一个让学生在Watson的平台上教喵爪机器人，形成喵爪知识引擎。

如果机器人能够独立解决更多的问题，并互相分享这些内容，那会怎么样？喵爪机器人计划的目的是使世界各地的喵爪机器人学习如何发现和处理知识，并将数据上传至云端，并允许其他机器人分析和使用这些信息。

我们希望能建立一个信息库，让机器人能够很容易地获取它们所需要的全部信息。

学生如果想获取知识来做项目，问机器人就好。

世界首个认知系统在2011年2月，沃森项目首次公开，沃森是IBM开发的认知计算系统，它在Jeopardy！节目中战胜了肯·詹宁斯和布拉德·鲁特尔。

这是首次面向公众证实认知计算，标志着所谓“AI 寒冬的终结”。

可编程系统在之前60年的演化中并未能够理解混乱的非结构化数据，因此也参加不了Jeopardy！节目。

沃森能够回答微妙、复杂、语义双关的问题，显然，计算新纪元即将开启。

节目之后，沃森继续处理了更多的复杂数据集。

在解谜之外，它发展出了理解、推理以及学习的能力。

认知计算的目标就是照亮以往在我们世界中不为人知的部分——具体来说，就是潜藏在非结构化数据中的模式和洞察——使得我们能够对更重要的事情做出更明智的决策。

认知时代的真正潜力将会是机器的数据分析、统计推断能力，以及人类特殊能力。

比如，自我引导的目标、常识和价值观。

沃森的象棋博弈前辈“深蓝”在1997年击败世界象棋冠军Garry Kasparov之后，我们首次看到这种共生的迹象。

在那次演示之后，Kasparov继续参加这种新“自由式”的象棋联赛。

在其中，选手们可以自由地使用任何他们喜欢的计算机程序。

在这些联赛中，一些选手孤身奋战，一些选手完全依赖于计算机程序，但那些将计算机与他们自身的直觉和比赛天赋相结合的选手是最成功的。

机器与人相配合的团队甚至比最强大的计算机更具优势。