爱学习，总归不是坏事

即便是专业人士，也很难解释清楚“专家系统”是什么。这是人工智能从理论到实践的跳板，也是AI可以成为人类助手的基石。简单来说，这个系统会让它们通过训练和调整，成为某个领域的专业人士。而这实际上也是让人工智能模拟人脑思维的最直观形式。AI需要获取知识信息，掌握基础推理，并学会使用它们——整个过程很容易让人联想到学生时代的自己。进修完毕后，它们才可以在更高层次的领域得到应用。

对于人类来说，这是一个很简单的逻辑。学习知识，掌握用法，再运用到生活中。可人工智能懂得“学以致用”，却不明白“举一反三”。AI在实践中必然会获取其他信息，可它们是否会将之收录入知识库？收录前能否筛选一番？这个疑问，日趋火热的语音软件也许能给出答案。当你向微软的Cortana提问并给它答案后，它就会把这一答案记住。而苹果的Siri最早聊天都聊不到一起，现在已经学会说情话了，它的成长我们能看得见。

最早的自学习功能，出现在NEST家居控温器上。它可以记录用户的使用习惯，反复几次后，就能摸清你最喜欢的温湿度了。这个功能设定一度成为智能产品的标配，但仔细剖析一下，你会发现它的上限其实很低。仅仅是观察使用者的某种习惯，并加以模仿，其含金量能有多少？真正的自学习能力，应该脱离场景和环境的限制。譬如一个整理医学资料的机器人助手，在查阅大量病历时发现了某种症状和某种疾病的相关性，就可以将这一信息收录或上报给医师。

这个预想也许有些太超前，但并非没有可能。近日，日本一个高中迎来了一位特殊的学生——Pepper人形机器人。这是人工智能首次和人类一同学习，考验的不仅仅是AI的学习能力，还有人机交互的潜能。

扎克伯格提议让AI进行“监督式学习”，也就是通过观察、尝试来获取知识，让其亲自去获取常识，这才是AI能实现深度学习的基础。“诊断疾病、驾驶汽车、探索宇宙，这些方面AI的潜力远大于人类，那人类有什么资格做它们的老师？”扎克伯格认为AI在掌握了常识信息后，可以获得改变世界的能力，至于如何让人类置于危险之外，他并没有提及。

人类目前最为先进的智慧问答系统是IBM的沃森，它在自然语言处理方面表现惊人，其核心在于IBMDeepQA技术。它会阅读数以百万计的文字资料，从荷马的诗集到当代字典一应俱全，知识体系丰富程度可想而知。而在此基础上，它还拥有语言学和逻辑学的专家打造的逻辑思维和分析系统，确保其在进行应答时，运算处理方式高度接近人类的大脑。