最近，从事圣达菲研究所 (Santa Fe Institute) 的戴维斯复杂性研究的米切尔教授接受采访时谈到，“机器人要变得更像人，首先要学会类比思维。”一句话道出目前人工智能的困境。

　　让机器更像人，这并不是白日做梦。如今 AI 正在学习各种认知，包括最难突破的时间认知、经验认知、感性认知。

　　长期以来，思维是人类独有的本领。在人工智能训练上，科学家们更专注逻辑和行为规则的编程。但这样训练出来的 AI，前期需要大量的数据学习，也并没有思维，所会的技能几乎全被打碎。

　　目前，米切尔领导着 SFI 的自然和人工系统智能基础项目，"AI 类比" 研究要比以往任何时候都更加突出。该项目将在明年召开一系列跨学科研讨会，研究生物进化、集体行为 (如蚂蚁等群居昆虫的行为) 和如何利用身体促进智力的发展。

　　1979 年获得普利策奖的著作《哥德尔、艾舍尔、巴赫》激发了大批计算机科学家的灵感，但很少有人像梅兰妮・米切尔 (Melanie Mitchell) 那样改变了人生轨迹。

　　在阅读了这本 777 页的大部头书后，纽约的高中数学老师米切尔决定：我 "需要" 从事人工智能的工作。

　　她很快找到了这本书的作者、人工智能研究员道格拉斯・霍夫斯塔德(Douglas Hofstadter)，并说服他给自己一个实习机会。

　　虽然当时她只学了几门计算机科学课程，但霍夫斯塔德似乎对她的胆量印象深刻，并不关心她的学历。

　　米切尔赶上了“最后一刻”的研究生申请，并加入了霍夫斯塔德在密歇根大学安娜堡分校的新实验室。在接下来的六年里，两人密切合作，开发了一个名为“Copycat"的电脑程序。用他们的话来说，这个程序的目的是" 发现创新性的类比，并做出具备这样思想的智能体 "。

　　此后的科研路上，米切尔便一直和“AI 数字思维”维系在一起。

　　这是一种抽象的能力，比如你告诉我一个故事，然后我说，“哦，我懂你”，实际上这种事并没有发生在我身上，但我可以做一个假设。

　　然而，机器人知道“理解”是什么吗，知道“意义”是什么吗，以数字形式存在的它们，计算过自己的生命长短吗?当人工智能遇上“认知”障碍，能否自主解决?

　　滑稽的是，要明白人类意义时，它们却在忙着处理数据。

　　他们永远也学不会类比吗?

　　在探索 AI“认知”的问题上，不少科学家正在做相关的实验。上个月 DeepMind 实验室发博文称，“正在训练开放式学习的智能体。”这些无需监督和数据喂养的智能体，能以很少的例子在游戏任务里自主进化，并且表现出不俗的泛化能力。

　　这暗示了 AI 学会类比的可能性，但实际情况是，智能体在游戏中运行得很好，如何将其扩展到我们真正关心的领域? 假如能够证明 AI 具备类比能力，如何在拥有认知之后再学习和推理?

　　更重要的是，这是否意味着人工智能也需要像我们一样，拥有一个身体呢?

　　因为认知和智力活动不仅仅是大脑孤立的计算，而是大脑、身体和环境的相互作用。因此，电影《东成西就》里的段王爷，只有漂浮的脑袋就能飞升成仙，在人工智能这并不现实。