從機器學習先驅到最堅決的AI反對派：一個大師的複雜心裏戲

Judea Pearl幫助AI在機率計算上取得了巨大進步，可是仍然嘆息道：AI在因果關係計算上無能爲力。

AI得以發展到今天的聰明才智，離不開Judea Pearl的功勞。20世紀80年代，他帶領一批人實現了機器的機率推導。

而如今，他卻成爲了AI領域最堅決的反對派之一。在他最新的一本書《疑問之書：因果關係的新科學》（The Book of Why: The New Science of Cause and Effect）中，他指出AI進步最大的一個掣肘在於，對「智能」到底意味着什麼的基本性認識不足。

三十年前，AI研究最大的挑戰在於，如何經過編程讓機器學會將潛在的緣由與所觀察到的現狀進行聯繫。Pearl經過一個叫作貝葉斯網絡的方法解決了這個問題。

貝葉斯網絡讓機器可以將現象與可能的緣由聯繫起來：好比有一個病人剛從非洲回來，有發熱和頭痛的症狀，那麼最可能的解釋就是他感染了瘧疾。Pearl也由於這項成就得到了2011年的圖靈獎——計算機科學界的最高榮譽。

但正如Pearl所看到的那樣，AI領域陷入了機率關聯的泥沼。現在，社會被各類吹捧機器學習和神經網絡最新研究突破的文章所淹沒。咱們老是能讀到諸如機器掌握了傳統遊戲的玩法、學會了駕駛汽車之類的文章。Pearl對此無動於衷，在他看來，現在的AI只不過是上一代機器的增強版：從一大堆數據中找到隱藏的規律。

「所謂深度學習所取得的重大成就，加起來不過就是曲線擬合，」他說道。

81歲的Pearl在他的新書中詳細闡述了真正擁有智能的機器的思考方式。他認爲機器真正擁有智能的關鍵在於可以使用因果推論，而非經過相關關係推論。

例如，僅僅作到將「發熱」和「瘧疾」聯繫起來是不夠的，機器還要能推導出「瘧疾會致使發熱」。一旦這種因果的框架創建起來，機器就有可能提出一些反事實問題——若是施加某種干預，那麼因果關係將會發生什麼變化——Pearl視之爲科學思考的里程碑。

同時，Pearl還提出了一套實現這種思考方式的形式語言——21世紀版本的貝葉斯框架，讓機器可以機率性的思考。

Pearl指望因果推理可以賦予機器人類級別的智能。他解釋說，在這種級別的智能下機器可以與人類更有效地溝通，甚至進行道德層面的交流，由於它們已經具有了自由意志——固然，也會有罪惡念頭。