凯文·凯利在《失控》一书里讲述过两位 AI 研究先驱的对话：

• 马文·明斯基：我们要赋予机器智慧，让它们有自我意识！
• 道格拉斯·恩格尔巴特：你要给机器做那么多事情？那你打算给人类做点什么呢？

或许有些朋友对这两个人并不熟悉，明斯基是 1956 年达特茅斯学术会议的发起者之一，也是近半个世纪 AI 研究的代表人物，影响深远；恩格尔巴特更多的时候是一位「发明家」，比如发明了鼠标，参与了图形界面、超文本系统的研发工作，令人类受益无穷。

两个人对话的背后，代表着两种不同的人工智能发展流派，前者致力于增强机器智能，或者以「机器」作为人工智能发展的核心；后者强调机器如何赋能人类，希望将人类放在人工智能发展的首要位置。

自上世纪 60 年时代以来，人工智能领域历经多次「盛夏」与「寒冬」的轮回，明斯基所推崇的机器智能始终未能出现，他也在数次思想转变后与过去的自己渐行渐远；而在键鼠与图形界面的帮助下，计算机开始成为人类的「新式武器」，从个体到公司、国家，计算机不仅构建起一层屏障，更极大延伸了各自机能（功能）。

2016 年，AlphaGO 与李世石的「人机大战」掀起了新世纪人工智能的高潮，机器智能的想象力再次被唤醒。至少在纸面数据上，无论是图像还是语音，机器已经具备了超越人类的能力；而 GPT-3 与 ChatGPT 的出现，又将自然语言——这颗「人工智能皇冠上的明珠」——推向一个全新的发展阶段。

当机器能说所看，还能理解人类语言，并且能够与人类持续对话，这难道不是机器文明出现的标志吗？在几乎看得见的领域，人类都无法与机器相媲美，人类文明是否也走到一个临界点？

很遗憾，这些问题并没有所谓标准答案，但这不妨碍我们通过一些经典图书，借助一些研究学者的视角，寻找一些答案样本。接下来，我会整理一份（在我看来）全面而有价值的人工智能图书清单，当然，在这个宏大的命题面前，我所扮演的，更像是一个摸象的盲人，如果你有自己的观点，请坚定自己的想法。

从历史到现在

近十年人工智能的火热，离不开深度学习领域的技术突破，从这个角度去看，不了解深度学习的发展历程，也就无法理解当下人工智能的本质。

Cade Metz 的这本书 Genius Makers：The Mavericks Who Brought AI to Google, Facebook, and the World（亚马逊 kindle 书店），将焦点放在深度学习发展历史上重要人物，并将公司、事件纳入其中，像极了一层层的「神经网络」，那些权重高的「参数」——Frank Rosenblatt、Geoffrey Hinton、Demis Hassabis 等——定义了当下众多人工智能应用与趋势。

与 1960 年代人工智能同时发生的，还有围绕数据的预测尝试，这本 IF Then（亚马逊 Kindle 书店）回顾了一家已经消失在历史长河的公司 Simulmatics，通过挖掘这家公司当初的「疯狂」之举，勾勒出现代计算机早期时代，一些聪明的科学家们如何利用计算机理解人类社会。

阅读这本书时会有一种时空的错乱感，Simulmatics 公司的很多想法、做法与当下中美主要互联网公司并无本质区别，但这可是发生在上世纪 60 年代的故事，晶体管刚刚发明不久，支撑现代计算机快速发展的摩尔定律还未出现，更不要提人工智能算法突破与互联网带来的海量数据，但就是在现在看来无比简陋的情况下，居然也可以发生利用计算机分析数据与预测大选，这真是一件奇妙的事情。

让我们将故事的视角继续延伸，1716 年，德国数学家莱布尼茨向时年 44 岁的俄国沙皇彼得大帝提出三项伟大计划：了解西伯利亚与远东地区、建立俄罗斯科学院、投资「计算机」用于将现实概念映射为数学公式。

科技历史学家 George Dyson 的这本书 Analogia（亚马逊 Kindle 书店）充满了诸如俄国人如何获取白令海峡与阿拉斯加、树屋和皮划艇设计等细节。但这本书的核心主题其实是探讨人类与自然、机器之间的关系，作者在前言部分针对人类、自然、机器之间的不同关系，划分出四个阶段，然后将「模拟」与「数字」的思考散落在全书的各个章节，你会在啰嗦冗长的细节里惊叹于作者的深邃思考。

如果你觉得 George Dyson 的故事太过于跳跃，这本 12 Bytes: How We Got Here. Where We Might Go Next（亚马逊 Kindle 书店）就足够轻松了，全书通过 12 个章节主题探讨围绕 AI 的各种话题，既有对 Frankenstein 人物形象的探讨，也谈到了数字世界的里死亡与爱情。

作者对于机器的发展持乐观态度，她在书里提到一个类似爱情算法的概念，她认为基于这种算法，可以帮助人类克服孤独和分裂，建立更紧密的人际关系。

技术路线之争

在掌握传播话语权的互联网巨头的「操纵」下，「深度学习=人工智能」已经深入人心，由此导致公众在认识「人工智能」发展阶段的时候会出现严重的偏差。

Gary Marcucs 这本 Rebooting AI（亚马逊 Kindle 书店）给出了一番略显另类的解释，他反思当下包括深度学习在内的众多研究方法的问题，坦言这些研究思路都不会产生真正意义上的「智能」，同时还有可能因为机器在「常识」方面的缺陷，导致不可挽救的后果。

Marcus 还举了哲学家尼克·博斯特罗姆曾想象一个场景：一台强大的人工智能机器被指示制作回形针，却不知道什么时候停下来，最终把整个世界——包括人——变成回形针。

因此，Marcus 指出，当下「人工智能」领域面临一个十字路口：如果坚持现有的方法，那么必须采取更严格的监管，否则最终会走向「回形针」的悲惨结局；另一方面，开启新的研究思路，将因果关系、时空关系纳入到机器学习之中，推动机器产生常识，从而构建起一个值得信任的「人工智能」。

计算机和神经科学家 Jeff Hawkins 也提出了另一种实现人工智能的途径，他在这本 A Thousand Brains：A New Theory of Intelligence（亚马逊 Kindle 书店）里指出，人类大脑是由成千上万个独立计算的单元组成，每个单元都构建了一个完整的世界模型，这就是 Jeff Hawkins 的「千脑理论」。

这本书的观点足够新颖，不仅能够让读者看到人工智能的潜在发展方向，更是通过大量最新研究，深入探讨了人类大脑的运行机制。与其说我们是在研究人工智能，不如说是在探究人类自己。

技术之外依然是一场场权力争夺战

数学家凯西•奥尼尔前几年出版了名为《算法霸权》(豆瓣条目)的书，正如该书副标题「数学杀伤性武器的威胁」所指，整本书都在讨论当下社会各个领域里的数学、算法所形成的偏见和歧视。

虽然作者的主要关注点是在美国，但这其实是全球性的话题，这几年国内频繁出现的「大数据杀熟」新闻也在某种程度上体现了算法对于特定群体的歧视。而不管是支付宝、滴滴还是微信，其背后的算法模型也在时刻「刻画」用户的社会等级与社会信用。作者在书中有一段概述：

数学模型可以通过数据筛选锁定那些很可能正在遭遇人生难题的人，不管人生难题是犯罪、贫困方面的，还是教育或其他方面的。利用数学模型拒绝和惩罚他们，还是给他们提供需要的资源去帮助他们，完全取决于社会。规模和效率使得数学杀伤性武器更具破坏力，但我们也可以利用模型的规模和效率帮助这些人，如何选择完全取决于我们为模型设定的目标。

无论是互联网还是人工智能，如果抛开技术与商业层面的议题，也只剩下了赤裸裸的政治和权力游戏，这本 Atlas of AI: Power, Politics and the Planetary Costs of Artificial Intelligence（亚马逊 Kindle 书店）构建了一个观察人工智能的新视角，就像副标题所言，作者把政治、经济甚至气候成本纳入到人工智能发展的分析框架里，你会看到人工智能技术突破冰山下面的庞大成本。

两个显而易见的事实：其一，人工智能不是万能药丸，技术的突破需要与产业相结合；其二，与过往技术一样，人工智能的各项技术，依然依托在政治、经济影响力之下，从而还在制造新的不平等。

至于互联网，这本 The Tangled Web We Weave: Inside The Shadow System That Shapes the Internet（亚马逊 Kindle 书店）不再侧重某个或某些互联网公司，而是从互联网硬件、传输架构层面入手，展现了「纯互联网」的权力体系，这个切入点令人耳目一新，同时也会让你看到人类的发展，并没有因为技术的进步而有本质的变化。

如何拥抱未来

路上各种等级的自动化车辆、商场/酒店里的服务机器人、移动应用背后复杂的用户关系模型，所有这些都在告诉我们一个事实：人类已经进入到一个人机混合的时代。

学会与机器——包括但不限于机器人、算法等——相处，成为这个时代里每个人的基本要求，在这本名为 A Citizen’s Guide to Artificial Intelligence（亚马逊 Kindle 书店）的书里，作者向普通公众提供了一份完整的人工智能技术（入门级别）、影响与争议的大纲式读物。

这本书的很多内容对于行业从业者而言并不新鲜，但对更广大的普通读者非常有价值，比如作者并没有花费太多篇幅介绍人工智能的概念和应用，而是将更多内容聚焦在上述这些自动化应用背后的权利、义务、隐私以及人类自身的价值，能够帮助不同行业的读者快速而相对全面地了解到人机混合时代的基本逻辑。

另一本推荐的读物是 NYT 记者 Kevin Roose（就是那位与新 Bing 持续对话的记者）撰写的 Futureproof：9 Rules for Humans in the Age of Automation（亚马逊 Kindle 书店），其核心是人类在人机混合时代的生存法则。

书中有几个有趣的观点，比如作者谈到，相比于机器的「理性决策」以及高效做事，人类更应该珍视自己的非理性，很多时候，非理性与反常识的举措是创造力的重要来源；再比如，作者认为，个体要拥抱所谓「混乱」，未来机器的发展会引发持续混乱，深刻影响社会、经济的变革，个体需要保持良好的心态，积极拥抱这种潜在的混乱，这多少有点「反脆弱」的意味了。

写在最后

人类几千年来对于机器的认识与探索，无一例外都是在寻找自己的边界，无论也是致力于为机器赋予「智能」还是让智能的机器帮助人类，几乎都会涉及诸如大脑的运行机制、意识如何产生、创造力的来源是什么、死亡是一种怎样的体验等议题，而这些，也是人类困惑的映射，这些困扰了几千年的难题还需要更多时间才能寻找到答案。

回到如今火热的 ChatGPT，上世纪 70 年代，MIT 科学家约瑟夫·魏泽鲍姆创造了有史以来第一个 Chatbot 伊莉莎。

这个聊天机器人原本是用于在临床治疗中模仿心理医生。尽管伊莉莎的实现技术仅为关键词匹配及人工编写的回复规则，导致对话是单向的而且也会产生一些很奇怪的回复，比如，当用户提到自己的妈妈时，伊莉莎会以「你说你妈妈？」这样的句子来回复。

但魏泽鲍姆发现，依然有很多人沉迷与伊莉莎的聊天，尽管他反复强调，但还是有很多人坚持伊莉莎会听懂自己的话，并情不自禁地透露一些个人私密信息。

硅谷资深记者约翰· 马尔科夫一针见血地评价道：「这证明人类习惯在与自己互动的对象中寻找人性存在的迹象，从没有生命的物体到提供虚拟人工智能的软件程序，无一不是如此」。

人类大抵如此。