我们一直认为只有像人类一样能够流畅地对话和理解彼此才是真正的智能。很多人喜欢吐槽聊天机器人，经过这么多年的发展依然不能理解人类语言，只能用作无聊讲笑话的小玩具，并因此否定机器智能的进步。

然而事实是机器智能的进步，比如对语言的理解是以另外一种方式飞速前进着，在搜索引擎、机器翻译、推荐系统等各种应用中都有体现。如果不想错误地估计机器智能的发展要真正理解机器智能的进步。

首先要理解人类与机器的不同。人类智能与机器智能有很多不同之处，这里只说一点：可复制性。人类的教育理论发展了这么多年，但是面对不同的人，哪怕我们施展同样的教学方法同样的知识。有的人能举一反三、灵活掌握，有的人却是一团浆糊怎么都学不明白。

但机器不同，机器智能的训练方法是可复制的。用同样的训练方式一定会得到一样的训练结果。这意味一旦训练的方法有了突破，所有的机器智能都能更上一步。不但训练方法可以复制，训练出来的模型同样可以复制，并大规模的部署。当第一个车牌识别系统被开发出来之后立马全世界所有车牌识别的问题都可以得到解决，这一点人类同样也做不到。

比如拿翻译这个任务来说，我们能做的只能是靠教育系统培养一代一代的学生，但是这既不能保证数量也不能保证质量。这样的可复制性还有一个优势，就是可以让机器自己与自己训练提升，不必受制于人类的极限。这意味着只要任务明确，机器就一定会比人类做的好。

AlphaGo在早期靠的是学习人类的棋谱，而后期就开始与自己相互博弈提升自己。人类智能的进步依赖天才推进极限以及良好的教育系统拉高平均值。倘若天才离世，我们会认为这一领域的研究可能倒退。如果战乱导致教育系统停滞，我们会担心下一代的发展。

但机器智能的发展，因为这种可复制性是渐进的，是被广泛应用的，是永远不会后退的，并且是普通人难以察觉的进步。无人车出现就是一种渐进的发展。几十年前人类幻想有一天车会自己开动，能带我们去任何想去的地方。当时看这无异于痴人说梦。

但几十年的渐进式的发展，我们有了电动助力转向、定速巡航、有了盲点提示、有了自动变道、再加上电子地图的发展以及图像识别的突飞猛进。无人车的出现一下子变得近在咫尺。机器智能的每一个进步都是微小的，但是组合起来就能最终成为我们期待的智能系统。无人车的出现会大规模替代司机，而这个模式是一个可以被借鉴的模式。

如果我们要创立一个智能系统来替代律师或者医生，我们要怎么做？我们需要花费数年时间为律师和医生打造各种任务明确的智能系统。在不断为医生提供服务的过程中，我们需要积累数据，理解医疗过程，最终实现医疗能力的整合，完成终极系统的搭建。与无人驾驶一样，这个过程需要无数小的部件和数据的积累。在渐进的过程中，我们将达到最终系统的搭建。

机器智能的发展不是一蹴而就的，需要逐步完善。如果我们对机器智能的理解存在偏差，就会导致商业模式的错误。只有真正掌握算法并能够将其应用到真实商业环境中的人才是市场所需要的人才。

最近备受瞩目的chatgpt，Google的搜索、翻译、Facebook的信息流，Amazon的推荐系统都是建立在大规模的语言理解基础上的。这些公司能够在人们身上赚取更多的钱，是因为它们对人们的行为和语言理解越来越准确。

然而，这种准确是在大规模系统的衡量下，而不是像人类一样对每个句子的精确含义进行理解。这是机器智能与人类智能的不同之处。我们可以在以后的文章中详细讨论。

总之，如果有一天机器能够完全理解我们的语言，这意味着它们可以理解世界上所有人的语言和所有种类的语言。在机器面前，我们无处可藏。所有的语言都将被彻底理解。

这样的世界会发生什么？我们真的希望这一天早点到来吗？欢迎在评论区留言讨论。