02　不是鹦鹉，而是乌鸦

未来目标：一只乌鸦给我们的启示

在自然界中，乌鸦和鹦鹉都是鸟类，它们在体型和大小上有一定的相似性，但在智能行为上表现出显著的差异。

鹦鹉以其卓越的语言模仿能力而闻名，它们能够通过反复听同一个短句来学习并复述它。这种能力与现代数据驱动的聊天机器人有相似之处，它们都能够“说话”，但鹦鹉和聊天机器人都缺乏对语境和语义的理解。

换句话说，鹦鹉无法将听到或说出的话语与物理世界和社会环境中的具体物体、场景或人物联系起来，也无法理解其中的因果关系和逻辑。

相比之下，乌鸦展现出了更为高级的认知能力。它们不仅能制造和使用工具，还对物理规律和社会行为有一定的理解。鹦鹉范式与乌鸦范式的特点见图2-1。

AI奇点未来触手可及　乌鸦的智能

下面，我将介绍一只生活在繁忙都市中的乌鸦，它与人类共存并与周围的环境互动（见图2-2）。网上也有不少展示乌鸦生存智慧的视频，大家不妨找来看看。我个人认为，人工智能领域的研究者们也应该设计一个“乌鸦图腾”，因为我们都必须认真地向乌鸦学习。

图2-2（a）呈现了一只被研究人员在日本发现并跟踪拍摄的乌鸦。作为一只野生乌鸦，它没有人类的照料与教导，必须依靠自己的观察、感知、认知、学习、推理和行动能力来独立生存。若将其比作机器人，那么它的目标便是在现实世界中生存下去。

首先，这只乌鸦面临一个任务：寻找食物。很快，它找到了坚果，但需要砸开它们以获取里面的果仁。暂且不论它是如何发现坚果内含有可食用部分的，我们关注的是它如何砸开坚果。这一任务超出了乌鸦自身物理能力的范围。一些动物，比如大猩猩，会利用工具来砸开坚果，但乌鸦只能尝试从高空抛下坚果。它很快意识到，仅凭自己的力量无法完成这一任务。在这一过程中，它巧妙地发现了一个解决方案：将坚果放在马路上，让过往的车辆轧碎它们，实现了一种“鸟与机器的交互”，见图2-2（b）。

后来它发现，虽然坚果被轧碎了，但飞到路中间吃是一件很危险的事，因为路上车水马龙，它随时有可能被车碾压。我这里要强调一点，乌鸦是没有经过大数据训练的，也没有所谓的监督学习，乌鸦的一生没有第二次学习机会。这一点与当前很多机器学习，特别是深度学习，是完全不同的机制。

如何在繁忙的车流中安全地取食呢？它又开始观察了。它发现在红绿灯路口，车辆和行人会在某些时刻停下来。这时，乌鸦必须进一步理解红绿灯、斑马线、行人信号灯、车流和人流之间的复杂因果关系，甚至可能需要弄清楚不同信号灯对不同对象的作用，见图2-2（c）。

经过观察和学习，乌鸦选择了一根位于斑马线上方的电线，蹲守在上面，见图2-2（d）。这里我要强调另一点，也许在观察和学习后它选择了一个地点，但那个地点没有蹲守的条件。它必须相信，同样的因果关系也可以复制到当前蹲守的地点。乌鸦展现出的适应性和灵活性是许多当前机器学习模型难以比拟的。例如，在强化学习领域，尽管算法可以在特定任务上训练机器人抓取固定位置的物体，如积木玩具，但当这些物体的位置发生变化时，机器人往往需要重新训练以适应新的环境。同样，针对特定游戏设计的人工智能算法，如果游戏的画面或规则发生改变，算法可能就无法正常工作，需要重新学习和调整。

最后，乌鸦将坚果抛到斑马线上，等待车辆轧过，然后在行人信号灯亮起时行动，见图2-2（e）。这时，所有车辆都停在斑马线之外，乌鸦可以从容不迫地走过去，吃到地上的果仁，见图2-2（f）。你说这个乌鸦有多聪明，这才是我们所期望的真正的智能。

这只乌鸦带给我们以下3点启示：

·　启示1：自主智能的典范

乌鸦展现了完全自主的智能，具备感知、认知、推理、学习和执行的能力。它向我们证明了，即便是世界顶级科学家面临的难题，自然界中也有生物能够找到解决方案。

·　启示2：高效的学习机制

在解决问题时，乌鸦并没有依赖于大数据或大量的人工标注训练数据。它仅通过少量的观察和经验就能理解并掌握解决问题的方法，无须外部教导。

·　启示3：节能的智能处理

乌鸦的大脑容量有多大？不到人脑的1%。人脑功耗大约是10～25瓦，乌鸦的功耗极低，只需0.1～0.2瓦，就能够有效地进行思考和决策了。这一点对硬件芯片设计者提出了挑战，提示我们应该追求更高效的计算方式。十几年前，我在中国科学院计算技术研究所开讲座，就前瞻性地提出要开发视觉处理器（VPU）。最近，在一个设计计算机体系结构的大项目中，我也重申了这一目标。

这些启示提示我们，在人工智能领域存在着巨大的机遇。乌鸦的智能处理方式表明，有效的智能解决方案是存在的，但学术界还不知道怎么用科学的手段去实现这个解决方案。

通俗一点讲，我们要寻找“乌鸦智能”，而不是“鹦鹉智能”。当然，我们必须也要看到，“鹦鹉智能”在商业领域，特别是针对特定的垂直市场时，或许更加实用和有效。

我并不认为要等到所有智能问题都被解决之后，才能开始做商业应用。实际上，一旦某项技术成熟并能够实际应用，它就可能带来显著的商业价值。我在这里强调的，主要是以科学研究为目标，追求更深层次的智能技术突破。