在設(shè)計(jì)道德人工智能，適當(dāng)?shù)匾?guī)范AI或?qū)⑷蝿?wù)分配給正確的系統(tǒng)之前，我們需要了解什么是AI。機(jī)器現(xiàn)在如何思考，未來(lái)我們會(huì)期待什么?哪些任務(wù)適合AI，哪些任務(wù)不適合，為什么?要回答這些問題，我們需要對(duì)各種智能有細(xì)微的了解。

AI最初對(duì)情報(bào)的理解可以追溯到Thomas Hobbes的格言“ Reason ...就是推算。”被解釋為象征性操縱的代表，產(chǎn)生了第一代AI，被稱為“好老式AI”，或已故哲學(xué)家約翰·豪格蘭德(John Haugeland)撰寫的GOFAI。當(dāng)今深度學(xué)習(xí)系統(tǒng)和其他形式的第二波AI的基礎(chǔ)是一種不同的智能方法，這些系統(tǒng)在玩游戲，面部識(shí)別，醫(yī)學(xué)診斷等方面取得了如此出色的成績(jī)。

由于這兩種方法都涉及對(duì)作為輸入呈現(xiàn)給他們的表示的操縱，因此第一波和第二波AI仍然都是計(jì)算的形式。但是他們?cè)诖頇?quán)的處理上有所不同。GOFAI源于經(jīng)典的三段論，例如“所有人都是凡人;蘇格拉底是個(gè)男人。邏輯推理系統(tǒng)和定理證明就是這種類型的程序，這些程序是基于相對(duì)少量的信息，針對(duì)少量強(qiáng)相關(guān)變量進(jìn)行深層，多步驟推理的。

第二波AI系統(tǒng)則相反：基于大量數(shù)據(jù)，對(duì)大量非常弱相關(guān)的變量進(jìn)行淺層推斷。通過后一種方法，計(jì)算機(jī)可以識(shí)別朋友的臉，夕陽(yáng)和迎面駛來(lái)的汽車。

第二波AI中的表示通常稱為“分布式”，因?yàn)橛嘘P(guān)世界許多常識(shí)功能的信息分布在這些系統(tǒng)的內(nèi)部網(wǎng)絡(luò)中。第二波系統(tǒng)還能夠保留大量細(xì)節(jié)，而無(wú)需將輸入減少為簡(jiǎn)單的命題陳述，例如“這是一個(gè)蘋果”或“那是萊姆病”。除了將X射線歸類為顯示肺癌以外，例如，第二波AI系統(tǒng)可以捕獲腫瘤的密度，對(duì)比度，形狀和其他特征，這些都可能與藥物選擇或預(yù)測(cè)的結(jié)果有關(guān)。

為什么這種方法效果更好?為什么第二波AI在GOFAI絆倒的地方表現(xiàn)出色?答案是本體論的。人類如何將世界解析為對(duì)象，屬性，關(guān)系等(我將說(shuō)，我們?nèi)绾巫?cè)世界)部分取決于我們的興趣，我們的文化，我們的社區(qū)，我們的項(xiàng)目。未解釋的世界極其混亂。正如我們?cè)诘谝徊ˋI中簡(jiǎn)單假定的那樣，我們根據(jù)其概念化我們的經(jīng)驗(yàn)的對(duì)象和屬性不能被視為公理或直接“讀出”這種泛濫。

而是以相關(guān)的方式注冊(cè)世界，并保留需要這些注冊(cè)的微觀細(xì)節(jié)和細(xì)微差別，這是智慧的成就。在某些情況下，例如玩游戲，第二波系統(tǒng)正在學(xué)習(xí)自行執(zhí)行此操作。在其他情況下，我們?nèi)祟愂紫葮?biāo)記數(shù)據(jù)(“這是停車標(biāo)志”或“那是豹貓”)，然后系統(tǒng)學(xué)會(huì)模仿我們。但是總的來(lái)說(shuō)，這種模式匹配和分類是第二波技術(shù)不可否認(rèn)的優(yōu)勢(shì)。

那么，人類案呢?被更快的處理器，更多的數(shù)據(jù)和更好的算法放大的第二波AI是否會(huì)達(dá)到AI的人工智能的圣杯，從而導(dǎo)致系統(tǒng)等于或超過人類?