人工智能究竟能“消灭”多少工作岗位的问题，一直是街谈巷议的热点话题。然而，与不少技术乐观派不同，我个人并不倾向于认为人工智能取代人类的一天已经迫在眉睫了。而这一判断本身又是建立在如下观点之上的：现有的人工智能并不具备灵活运用各个领域的知识进行综合判断的能力，而几乎我们能够想到的大多数人类所执行的工作任务，都需要执行者以相对灵活的方式来调配各个领域内的知识。

人工智能的两个流派

人工智能研究有两个最主要的流派，一个是符号人工智能，一个是连接主义。前者的思路是固化人类在某个领域的一般知识，然后用逻辑学或者统计学的方法推理出其在特定条件下的特殊形态；后者的思路是“喂”给系统大量的特定领域内的数据，然后在一个被数学化了的人工神经元网络模型中处理这些数据，最终使得该模型能够经过一定的“训练”而完成从特定类型的输入到特定类型的输出的映射关联。今天因为“阿尔法狗”而变得家喻户晓的“深度学习”技术，无非也就是结合了一定符号人工智能因素后的高级形态的连接主义技术。其在工程学方面的精妙固然是不可否认的，但其得以运作的基本科学框架，其实在上世纪90年代早就已经被奠定了。

从运用角度看，符号人工智能最典型的运用模式就是“专家系统”，也就是模拟人类在某个领域的专家，就相关专业领域内出现的问题进行自动诊断与应答。而连接主义或者深度学习的最典型运用模式则是“模式识别”，也就是对特定领域内的大量信息中蕴藏的固定“套路”进行以理想输出为标靶的识别。然而，二者各自的局限性也是非常明显的：专家系统很难对超出编程者预料的崭新的专业问题进行有效应答，而连接主义也难以应对数据质量不高（或数量不够）、理想输出标靶不明的复杂局面。更麻烦的是，二者目前都只能被运用于专业人工智能的领域，而无法做到“举一反三、融会贯通”。

相关报道: