2018年07月09日
于尔根·施米德胡贝说，他将让机器变得比我们人类聪明
但他的同行都希望他闭嘴
科技行业的许多重量级人物都费尽心力地想要开发出一种通用人工智能(AGI)。和今天领先的人工智能软件不同的是，AGI不需要有血有肉的培训人员找出将英语翻译成汉语或者在X光片中发现肿瘤的办法。从理论上说，它将在某种程度上独立于它的创造者，会自己解决复杂、新奇的问题，这昭示着一个新时代的到来：人类不再优于机器。
我们可怜的人脑所达成的共识认为，如果人类能够成功创造出一种AGI，那么它将会诞生于北京、莫斯科或者加州山景城。这三座城市都靠近世界级的人工智能研究大学，当地的很多公司已经将数以亿万的资金倾注到这场AGI竞赛中。然而，还有一种可能，这项突破将发生在瑞士一座名叫卢加诺的小城。
这座位于瑞士最南端、风景如画的城市拥有大约6万人口，其中包括一位名叫于尔根·施米德胡贝(Jürgen Schmidhuber)的计算机科学家。他是一位教授、研究员，同时也是一家名叫Nnaisense、拥有25名员工的人工智能初创公司的联合创始人。（这家公司的名称发音和“nascence”相同，这个名字证明，荒唐可笑的公司名称并非硅谷的专利。）施米德胡贝是人工智能领域的先驱，实际上正是他解决了如何让人工智能系统拥有记忆这个问题。他的创意以这样或那样的形式存在于每一台智能手机、每一个社交网络和每一个数字助理当中。他并不羞于提到这些事情，也会大大方方地援引众多资料文件来证明自己，或者一边在卢加诺的咖啡馆里吃着三文鱼千层面，一边说：“我的团队打算改变人类历史的进程。”
在山野间改变人类进程
几十年来，施米德胡贝和其他几位人工智能专家一直沿着类似的轨迹追求探索AGI技术，但是，直到过去六年，强大的计算机和海量的已有数据完美地组合在一起，才开始把他们的理论转变成现实。其他几位专家—其中包括杰弗里·辛顿(Geoffrey Hinton)、约书亚·本吉奥(Yoshua Bengio)、里查德·萨顿(Richard Sutton)和杨乐坤(Yann LeCun)—已经成为科技行业的名流。他们被尊奉为导师，受到顶级大公司的极力招揽，作为新时代的先驱受邀出席各种会议。被排斥在大多数学术圈之外的施米德胡贝依然不为人所知。部分原因是卢加诺地处偏远的阿尔卑斯山脚下。最重要的原因是，这个家伙的同行们不喜欢他。他们都避免在公开场合提到他，人工智能领域的其他传奇人物在私下里都说他极端利己、虚伪，从头到脚都令人讨厌。
施米德胡贝过去有一些遭人诟病的行为，比如说喜欢在学术期刊和会议上抨击其他研究人员，打断别人的演讲，要求同行承认他们借鉴甚至剽窃了他的想法。这些对抗因其无意识的喜剧色彩和攻击意味已经演变成一种传奇。再加上它们发生的次数足够频繁，以至于他的名字变成了一个动词，形成了一个专门的术语：某人被“施米德胡贝”了。
很多时候，他是对的。但是，他越是用力地争取认可，人们越是不拿他当回事。教计算机分析视频的初创公司Twenty Billion Neurons GmbH的首席运营官莫里茨·穆勒-弗赖格塔(Moritz Müller-Freitag)称：“这太可惜了。在这一点上有点弄巧成拙。”人工智能领域的很多人都决定不理睬施米德胡贝，希望他能走开。”
但这似乎不太可能。施米德胡贝有理由相信他已经差不多搞清楚了人类的命运。即使谷歌、百度(Baidu)和亚马逊(Amazon.com)这些公司投入数十亿美元和成千上万的人力供研究人员支配，也就只能做到这样。他说：“我认为只需要像我们这样的一个小型团队就能创造出一个AGI。我们已经掌握了成功的很大一部分基本要素。”
施米德胡贝的AGI梦想始于德国的巴伐利亚。他生长在一个中产阶级家庭，父母分别是建筑师和教师，从小他就崇拜阿尔伯特·爱因斯坦(Albert Einstein)，立志在科学的道路上要比他走得更远。他一边喝着拿铁咖啡一边说：“在十几岁的时候，我意识到，作为人类所能做的最伟大的事情就是造出某种能够通过学习变得比人类更聪明的东西。”
40年来，施米德胡贝一直全身心地为实现这一目标而努力。据他的弟弟克里斯托弗(Christof)回忆，有一次他们和家人驾车穿越阿尔卑斯山做长途旅行，于尔根坐在后座上高谈阔论。克里斯托弗说：“他告诉我，你可以造出那种比我们还聪明的智能机器人。他还说，你可以一个原子一个原子地重建一个大脑，你可以用铜线而不是我们的慢神经元来作为连接方式，造出这个大脑。出于直觉，我反驳了这种认为人造大脑可以模仿人类情感和自由意志的观点。但是最终，我意识到他是对的。”
高中毕业后，施米德胡贝学习了计算机科学和数学，从1981年开始在西德军队服役了15个月。他和自己的指挥官关系并不融洽。克里斯托弗说：“于尔根不喜欢被人指使来指使去，特别是如果这意味着要他做一些他认为毫无价值的事情。”在大学里，他获得了计算机科学的博士学位，并发表了他最早的关于人工智能和神经网络的论文，神经网络就是把硬件和软件结合起来模仿大脑连锁神经元的结构。他在网上发布的简历详细列出了他的学术历程，其中有一些备注，例如“拒绝加州理工学院的博士后录取通知”，以及他用了4年时间就读完了的学士学位和硕士学位，一般人需要“6.05年时间”。
施米德胡贝在卢加诺的湖边小船和风景壮美的山景屋里度过了23年时光，这多亏了安格洛·达勒·莫尔(Angelo Dalle Molle)，一位意大利利口酒进口商。达勒·莫尔发明了一种用洋蓟酿造的开胃酒西娜儿(Cynar)并因此发了财。他还梦想建造一个由智能机器充当劳动力的乌托邦，因此，在1988年，他捐献几百万美元创建了卢加诺达勒·莫尔人工智能研究所(Lugano’s Dalle Molle Institute for Artificial Intelligence Research，意大利语缩写是Idsia)。Idsia最早雇用的学者之一就是施米德胡贝，该研究所与当地大学的合作以及稳定的政府资助使这个小镇成为一个天堂里的人工智能中心，孕育出了一系列科学发现。
施米德胡贝每年在卢加诺市中心的提契诺大学(Università della Svizzera Italiana)教授一门课程。他还在城郊的Idsia实验室工作，这个实验室处在一座加油站、一条高速公路和一些丘陵农场之间，农场里到处是悠闲漫步的马、驴和山羊。2014年，施米德胡贝和他以前的四位学生在距离这所大学几个街区的地方创办了Nnaisense，旨在寻求制造业、健康和金融领域的商业合作伙伴，同时也做纯粹的研究。
“长短期记忆”
现年55岁的施米德胡贝身材颀长，留着精心修剪的斑白山羊胡。他喜欢穿一身黑或者一身白，最爱的行头包括一件尼赫鲁式外套和一顶驾驶帽。他带着热情奔放的慕尼黑口音，说起话来抑扬顿挫，节奏和语调会陡然转变，让人想起克里斯托弗·瓦尔兹(Christoph Waltz)在电影《无耻混蛋》(Inglourious Basterds)当中扮演的汉斯·兰达上校(Colonel Hans Landa)。你会情不自禁地密切关注他身上那种诗意和严谨并存的气质，因为这通常会让人感觉有什么不太好的大事就要发生。
和他那些更知名的人工智能界同行一样，施米德胡贝生命中的大部分时光都游走在计算机科学的边缘。他坚信，最有可能让计算机具有真正意识的技术突破口应该就在神经网络上。在上世纪50年代，这是一种时髦的想法，但是技术方面的限制让它们一直到21世纪还无法成为现实。一直致力于研究神经网络理论的那些忠实信徒让他们的同行感到困惑：为什么这么聪明的人会做出如此糟糕的人生选择呢？
施米德胡贝决定创造出一个比自己的偶像阿尔伯特·爱因斯坦还要聪明的物理学家
然后，发生了一件有趣的事情。到了2005年前后，互联网涌现出了训练神经网络所需要的大量数据集，而且最新视频游戏所使用的那种快速的绘图芯片也被证明是处理这些数据的完美工具。施米德胡贝和他那些坚守阵地的同伴开始发现，他们的计算程序能够比传统的编程技术更好地解决问题。到了2012年，神经网络在识别图像和语音方面取得了很好的表现，然后拓展到越来越宽的任务领域。如今，整合了这些优势的人工智能软件被应用在我们的办公室、家庭和口袋里的各个角落（比如说Siri和Alexa）。包括谷歌、亚马逊、Facebook、百度和微软在内的公司都把自己的未来押注在这项技术的进一步飞跃上。
仅是过去六年发表的人工智能研究论文就让我们目不暇接，但过去几十年诞生的必读专著却寥寥无几。这个领域最早的有重要意义的论文之一要追溯到1986年，当时辛顿在这篇论文中写到了反向传播算法（backpropagation，比较酷的说法是backprop），一种通过对收到数据的重要性排序来对神经网络进行微调的方法。1989年，杨乐坤写了另一篇重要论文，描述了卷积神经网络。它可以将对计算机来说比较复杂的问题—比如说在图片中找到一只猫—分解成一个个小块。1997年，第三个突破就来自施米德胡贝。他把它称为长短期记忆（long short-term memory， 简称：LSTM）。“你可以用五行代码就把它写下来，”他说，就好像在谈论某种辣酱的配方一样。
然后，施米德胡贝对这里面的基础理论展开了一番长篇大论的解释，就好像通过一堂人工智能课得出了自己的结论。他首先描述了这堂课的基本脉络，援引了俄国数学家阿列克谢·伊瓦赫年科(Alexey Ivakhnenko)在1965年所做的研究和芬兰数学家塞波·林纳因马(Seppo Linnainmaa)在1970年的研究。接下来，他用更具体的术语解释了LSTM。因为一个神经网络会进行数百万次计算，LSTM代码会寻找有趣的发现和相关性。它会在数据分析的基础上添加一段时间背景，记住之前已经发生的事情，并总结出这些因素将如何应用到这个神经网络的最新发现当中。这种复杂程度让人工智能有可能开始将它的结论纳入一个更广泛的系统—比如说，根据大量的文本教会自己辨别语言的细微差别（举例来说，“each” 在做主语的时候要跟一个单数动词）。
施米德胡贝将这种人工智能训练比作人脑处理记忆的方式：人脑会将重要的时刻过滤到长期记忆当中，同时让比较普通的记忆消失。他说：“它可以学会将重要的东西存进记忆里，然后忽略不重要的东西。在当今世界，LSTM可以在很多重要的事情上有杰出表现，最著名的是语音识别和语言翻译，但是还有图像标注—计算机程序看到一张图片，然后就可以写下一段文字来描述它所看到的画面。”
这些强大功能让LSTM成为最商业化的人工智能成就，它可以被应用到从预测疾病到作曲的一切领域。而它只是施米德胡贝的网站列出的十几项发现之一，每一项发现都附有关于它们起源和影响的详细资料，这一举动非常有帮助。穆勒-弗赖格塔说：“他做出了这么多巨大的贡献。从很多方面来说，他一直领先于他的时代。”
最负盛名的人工智能会议是神经信息处理系统大会（Neural Information Processing Systems，缩写：NIPS）。这个大会始于1987年，刚开始是几百个铁粉举行的一个很不正式的会议，在过去几年中，它的与会人数从1000人增加到6000多人。NIPS是人工智能超级明星展示他们最新、最伟大成果的舞台。这个会议也是研究人员“被施米德胡贝”的主要地点。
2016年在巴塞罗那举行的NIPS会议上，一位名叫伊恩·古德费洛(Ian Goodfellow)的后起之秀全力以赴地做了一场持续两小时的报告，主题是“生成对抗网络(generative adversarial networks)”。古德费洛是谷歌的研究员，他开创性地通过推动神经网络之间的竞赛来加快它们解决问题的速度。前一个小时的演讲一直很顺利，古德费洛详细讲解了一则写满公式和AI难题的幻灯片。正当他开始讲解噪音对比估计时，突然，观众当中传出一个大家都很熟悉的德国男声：“我能问一个问题吗？”
施米德胡贝描述了一段可以追溯到1992年的对抗网络的历史，强调了他的研究和古德费洛的成果之间的几处联系，在讲了将近三分钟话之后才发问：“我想知道你对这些旧的对抗网络之间的相似性和不同点有没有什么评论？”这等于是在说，嘿，小孩儿，这并不是你发明的。
古德费洛原本凝视的表情变成了一丝恼怒的微笑。古德费洛告诉观众：“实际上，他很清楚我的观点，因为我们通过电子邮件交流过这个问题。我并不喜欢这样的公开对抗。”很大一部分观众为这个年轻人鼓掌。当掌声平息之后，他说，他不认为过去的研究成果和他的成果特别类似，而且他已经在最近发表的一篇论文中说过这样的话，施米德胡贝也知道这一点。
施米德胡贝并未善罢甘休。他再次插嘴道：“然而，（你的成果）只是补充。”然后又继续讲了一番话，试图压制古德费洛的反应。古德费洛失去了耐心。他说：“我更愿意用我的教材去教授有关生成对抗网络的课程。”观众又爆发了一轮掌声。施米德胡贝又尝试发问，但是古德费洛没有理会这一请求，而是继续进行第二个小时的演讲。
阿尔伯塔大学(University of Alberta)的人工智能研究员科里·马修森(Kory Mathewson)称：“伊恩绝对是这个领域的天才，于尔根基本上是站起来直接发难，‘这并不是那么有趣的想法。我们很多年前就想到过了。’”他亲眼目睹了施米德胡贝对研究人员的好几次发难，他说，这几乎已经成了某些研究领域的一种必经仪式。“从这个角度来说，年轻的研究员也许渴望有朝一日‘被施米德胡贝’。”
施米德胡贝想要重记功劳簿的意愿还延伸到了他自己的工作领域之外。他的网站上到处都是那种看起来过时的Pinterest画板的东西，记录了各种各样的发现，从无人驾驶汽车到所谓的万物理论（认为数学能够正确描述整个宇宙的观点），应有尽有。大多数历史学家都倾向于认为查尔斯·巴贝奇(Charles Babbage)和艾伦·图灵(Alan Turing)这些英国人是现代计算机之父，而施米德胡贝却认为德国工程师克兰德·楚泽(Konrad Zuse)才是鼻祖。
能制造iPhone的人工智能
人工智能领域的很多人都认为，施米德胡贝高估了理论的作用，却低估了实践应用。有一次非常著名的争吵从《自然》杂志开始，一直蔓延到网上留言板，施米德胡贝一人单挑所有同时代的人工智能教父，指责他们扭曲人工智能的历史，试图抹去他本人和其他人的原创想法。杨乐坤是感到愤愤不平的人之一，他回复道，一项一项地反驳这些指摘是毫无意义的事情——而且很多人也曾把他的想法据为己有。“但是你不会看到我对此表示抱怨，”杨乐坤写道，“只有这样，科学技术才能取得进步。”
出席NIPS的这些研究员为他们自己的这种团体精神和公平竞争感到自豪。然而，有些人认为，仅仅因为施米德胡贝对人有所冒犯就把他从人工智能历史上抹去，这是不公平的。马修森说：“我们不应该仅仅因为某人的个性就抹去他的功绩。科学工作的一半就是传播这种科学，他已经为此付出了努力，即使他不是用最常规的方式来做这件事情。”
施米德胡贝很清楚他的行为已经损害了他在业内的地位，而且有可能弱化他的想法所能产生的影响。他要求我在写这篇文章的时候“删掉所有关于与其他研究人员竞争的内容，”还补充说，他感到满意是，他的工作成果已经找到了融入主流的方法。
在2月份的一个轻松惬意的日子里，施米德胡贝去巡视他常去的几个地方。他的Idsia实验室看起来枯燥乏味，但是里面到处都是各种试验性的无人机和类人机器人。在他办公桌后面的书架上，排满了成百上千本《科学》和《自然》杂志，不远处，有一个一人高的算盘，彷佛在提醒人们，这里原先是一幢校舍。
接下来，施米德胡贝在他任教的那所大学稍作停留，然后来到了Nnaisense。散布在办公室里的很多员工都是他以前的学生。他说，以私人费率聘用他们，让他们承担雄心勃勃的项目，可以把人才留在卢加诺，不让他们去别的地方寻求收入更高的企业工作，例如谷歌设在伦敦的人工智能领军企业DeepMind Technologies Ltd.。DeepMind的联合创始人肖恩·莱格(Shane Legg)从前是施米德胡贝的门生，他好几次提到了这一点。
Nnaisense从西班牙投资公司Alma Mundi Ventures那里获得了几百万美元资金，还与几家公司合作。放在办公室里的一套三款汽车模型帮助完善了奥迪公司(Audi AG)的自动泊车软件。Nnaisense希望能筹到资金，用于一款名叫Quantenstein的人工智能股票交易机器人今后的研究工作，这个项目是Nnaisense和一家金融公司合作的过程中开发出来的。施米德胡贝说，他的团队还开发了一种强大的医疗技术，但他不愿说出客户的名字或者描述这个系统，他说：“我们可能永远不会披露这一信息。”
多亏了施米德胡贝，机器才拥有了学习所需的记忆
这个谦虚、安静的办公室看起来不像一个鼎沸的人工智能超级大国，但施米德胡贝的团队不时地击败像DeepMind、Facebook和微软这样的资金更充裕的竞争对手。在2017年的NIPS大会上，Nnaisense击败了其他441名选手，在“Learning to Run”比赛中获胜，这个比赛要求模拟一个拟人化的人工智能系统，以最快的速度在一个虚拟的超越障碍训练场中冲刺。刚开始，提交的这些视频看起来就像是大学兄弟会聚会进入尾声的场景，你能看到视频里的身体停止活动、开始活动、摇摇摆摆以及跌倒在一起，慢慢地从错误中吸取教训。Nnaisense的版本看起来完全就是专业运动员，以每秒4.6米的速度运行，超过了速度为每秒4.2米的一个中国团队。这一胜利让Nnaisense获得了一台功能强大的价值7万美元的电脑。
在午餐时间，施米德胡贝和他的员工会抱怨人工智能技术目前对广告的专注。施米德胡贝说：“如今人工智能的大部分利润都来自市场营销。”他的团队想要让增强人工智能处理不同任务和承担更多工作的能力。他说：“当你拥有可以制造机器和处理复杂流程的机器时，才会真正赚到钱。”说着，话题又回到了AGI这个终极目标。“你会想要拥有能制造iPhone的人工智能。”
人类终被AGI淘汰？
将AGI说成是一种必然趋势还为时过早。目前，人类必须做大量的手工操作才能让人工智能系统运转。翻译常常很蹩脚，计算机会把热狗误认为腊肠狗，而无人驾驶汽车还会发生车祸。然而，施米德胡贝坚持认为，实现AGI只是时间的问题。他说，经过一段短暂的时间之后，这家拥有顶尖人才的公司积累了一大笔财富，机器劳动力的未来将重塑世界各地的社会形态。
他说：“在不远的将来，我将能够与一个小机器人交谈，教它做一些复杂的事情，比如仅仅通过展示和介绍来教它组装智能手机，还有制造T恤，以及目前发展中国家的贫困儿童在奴隶般的条件下完成的所有工作。人类将会活得更久、更健康、更快乐、更轻松，因为现在需要人类劳动力的许多工作都将被机器所取代。然后将会出现数万亿种不同类型的人工智能和一个快速变化的复杂的人工智能生态系统，这个生态系统将以人类跟不上的方式扩张。”
与许多推崇工智能产品的人不同的是，施米德胡贝并没有假装认为人工智能技术不会淘汰某些工作。他说，某些国家和群体将比其他国家和群体更好地适应不断蒸发的劳动力市场。赢家包括：有强大福利体系的斯堪的纳维亚国家（在那里，“如果你没有工作，你也不会死”）;女性（“比男性更难取代，因为她们是解决一般问题的高手”）;以及富有创造性的那类人（“如果某人是一位作家，能够通过书籍唤起人类体验当中深层次的东西，那么这其中看来就有一定的价值”）。
施米德胡贝像人工智能领域的大多数教父一样，对代码极为痴迷。他们相信机器最终会超越我们，他们陶醉于这个新的世界秩序将带来的效率和清晰度。施米德胡贝的业余爱好是“低复杂性艺术”，它使用数学公式来产生计算机生成的图像。通常，这些作品只会在屏幕上呈现出少量的斜线，他说：“这个过程就是提取你想用最少的信息量描述的这项艺术的精髓”。
施米德胡贝坚信AGI一定能实现，这种笃定的背后是他认为对这个系统已经存在—我们就生活在一个矩阵式的计算机模拟系统中。他说：“这就是我的想法，因为这是对一切事物最简单的解释。“他的理论认为，人类被设定好了不断追求进步的程序，并将继续制造更强大的计算机，直到我们让自己被淘汰或者决定与智能机器合并为止。施米德胡贝预言说：“你或者将变成一个真正不同于人类的东西，或者出于怀旧的原因依然以人类的身份存在。但到了那个时候，你不会成为一个主要的决策者，你不会在塑造世界的过程中扮演任何角色。”
至于他为什么觉得有必要帮助实现AGI，他说这是他天性中的东西。他说：“我就是这个古老的、不可抗拒的竞争过程的产物。从根本上说，我是忍不住要这么做。”
