被网上观棋者昵称为“阿法狗”的谷歌机器棋手 AlphaGo，对战曾为世界围棋冠军的韩国棋手李世石九段，连胜三局。这是继１９９７年 IBM 的“深蓝”（Deep Blue）机器棋手击败俄国国际象棋特级大师卡斯帕罗夫以来，人工智能对人类智能的又一次大挑战。围棋的变化要比国际象棋远为复杂，人们曾经认为机器掌握围棋近乎不可能，更不要说战胜人类。却料不到今年三月里，机器的胜利有如惊蛰后春雷，突然炸响。

震惊之下，就有种种议论，特别是盲目为人类优越感拍胸脯的。@人民日报 有篇题为《思想的尊严永远只属于人类》的文章说，“表达喜怒哀乐的情感，人工智能还不如３岁的小孩”。其实，要比表达情感，根本不用人类出马，哪怕三岁幼童。拉匹马出来就行了。抽它一鞭子，马痛了会跳会逃；抽机器一鞭子，有生理反应吗？

人工智能真正提出的，其实是人何以为人的本质性问题。更具体地讲，在这样一个填空题里——“人类是能够（＿＿＿＿）的唯一物种”——你填什么？很不幸的是，这一百年来，我们人类填进去的各种答案，一个又一个被科学的进展抹掉了，顺带也为人类抹去了不少自以为是的优越感。

对人类独特性的质疑，其实不是从高智能端的电脑开始，而是始自低智能端的兽脑。历史唯物论认为生产方式决定生产关系，而生产方式的进步来自生产工具的改进，所以恩格斯在《劳动在从猿到人转变过程中的作用》一文里，将人兽之界划在能否制造工具：“没有一只猿手曾经制造过一把哪怕是最粗笨的石刀。”这也是当时普遍看法。在工业革命的时代，亲眼见到童年时闻所未闻的新工具给生活带来的巨大变化，人们很自然地要强调工具的作用。在恩格斯之前，苏格兰哲学家托马斯·卡莱尔就曾雄辩地写道：

Man is a tool-using animal, weak in himself... Nevertheless he can use tools, can devise tools; with these the granite mountain melts into light dust before him; he kneads glowing iron, as if it were soft paste; seas are his smooth highway, winds and fire his unwearying steeds. Nowhere do you find him without tools; without tools he is nothing, with tools he is all.

但在１９６０年，著名灵长类学家简·古道尔在野外首次观察到了动物制造工具：黑猩猩将草叶咬成特殊形状，插入白蚁洞钓白蚁吃。在她的一本传记的扉页上，印着她的导师听到这一划时代贡献后的回电：“现在我们必须重新定义工具，或重新定义人，或承认黑猩猩是人类。”

只是太多的人不愿承认人类其实只是比较幸运的猩猩。他们改称动物没有自我意识；或者说动物只有基因传递，人类才有文化传递；等等。但都被野外观察所否定。那么现在是什么东西还让人类那脆弱的小心灵勉强维持着对于动物的优越感？——语言，是语言为人类守住了那条越来越模糊的人兽之界。迄今为止，人类还算是能够运用语言的唯一物种。

能在高智能一端为人类守住人机之界的，大概也是语言。至少，这似乎是计算机科学之父艾伦·图灵的意思。图灵在１９５０年提出了一个“模仿游戏”（The Imitation Game，这也是２０１４年一部描述图灵故事并获得奥斯卡最佳影片提名的电影片名）：让机器和“同组人”分别与裁判隔屏笔谈五分钟，裁判然后决定谁是机器。如果机器在十次中能有三次让裁判相信它是人类，那么这架机器可以算是具备思考能力。

国际上现在每年举行一次图灵测试比赛。各路人工智能好汉都把自己的机器送去竞争。于是“同组人”面临一个人之为人的大问题：你如何证明自己是人，而不是被同组的机器夺去这一称号？被选去测试的“同组人”，各自使出十八般武艺，力证自身确是人。限于篇幅，这里只谈一点与当前互联网时代特别相关的。

AlphaGo 所用的“深度学习”（deep learning）方法，基础是人工神经网络在模式识别中的应用。这大概也是机器试图通过图灵测试时，目前能用的最好方法。程序里设计的一层又一层的人工神经网络，打个比方讲，就像一个又一个地迭起来的网眼各异的筛子。把沙子倒入最上面的筛子，经过一层又一层的过滤后，掉出来的沙子最后在地上形成一个特定图案。人工神经网络可以自我学习。将英文单词 FISH 做成沙型，放入最上面的筛子。然后随机调节各层筛子的网眼分布，把掉到地上的沙形与相应的法文单词比较，然后将错误回馈给调节的筛子，直到掉出正确的法文单词 POISSON 为止。这时，人工神经网络就记住了这一翻译。

这一方法的好处是不用懂得输入和输出的内部联系。英文进去，法文出来，你不用管语法和单词的对应，只要大数据进去。“深度学习”在实用中第一次大放光彩，是２０１２年多伦多大学学生在药业巨头举办的筛选分子结构大奖赛中笑拔头筹——这些学生其实并不懂得药物结构。同样，阿法狗团队也不需要精通围棋。

但语言毕竟不是分子结构图或围棋谱。单靠网络海量信息，机器如何发现“桂华流瓦”和“月光照在屋顶上”是同样意思，可以应对同一话题？据说谷歌翻译（Google Translate）用的就是大数据喂人工神经网络，从它的水准可以看出机器当前的语言处理能力。谷歌将前者译作 Guihua flow Watts，后者译作 Moonlight on the roof。在图灵测试中，如果机器从网上找到的出现次数最多、它记忆最深的回答，总是些“月光照在屋顶上”的大路货，那么裁判确实在与“人”对话，但不是与某个特定的人对话；比如说，不是在与熟读唐诗宋词的人对话。

创造了“虚拟现实”（virtual reality）这一说法的美国计算机专家贾隆·拉尼尔，在２０１０年出版了一本畅销书，《你不是电子器具》（You Are Not a Gadget）。他在书中猛烈抨击美国时下那种信息来自谷歌搜索、解释来自维基百科、语句来自脸书时髦或推特流行而导致的千人一面的泛同心态。国内的状况，则如前几天读到的时评人@中青报曹林 一篇微信公号《没文化却总装逼的标志就是满口金句》所言：很多人貌似满口金句，出口成章，其实说的都是网上玩剩下的，我们深度生存在互联网上，日常话语在不知不觉中已被网言网语所“殖民”。

不过，另一方面，人工智能的进展将迫使那些仍有人类自尊心的人，去发现自己的个性语言，以免被人误作机器。比如，裁判问：是否看了《疯狂动物城》？你要是上来就回答，“我喜欢那只兔子”，对方无法知道你是否真是人，机器可以答得同样好。但是，如果你想到中学英语里动物园叫 Zoo 读如“苏”；中学政治里谈到乌托邦 Utopia；中学语文里听说“物”字本义就是动物，先讲这片名 Zootopia，其实可以译作“物托邦”，音与义皆近。然后再说我喜欢那只兔子，大概就没人当你机器了。

人工智能来了。不可怕。跟人工智能一起成长吧。它学人类语言，我们学习个性化表达创新。如果机器人不能自如运用语言，它的宿命，大概只是成为人类的最新工具。