W.说到人工智能，我们可能都陷入了可用性谬论:认为创造智能比实际要容易得多，因为我们身边到处都是这样的例子。在最近的一项民意调查中，机器智能专家预测，到2050年左右，计算机将获得人类水平的能力，不到30年后将获得超人的能力。1但是，就像在一个布满二战残骸的热带岛屿上的部落想象铝螺旋桨或钢外壳的制造在他们的能力范围内一样，我们的信心可能被夸大了。
可以在有效的无限，高维景观中被认为是一个有效的可能程序的搜索问题。大自然通过蛮力解决了这一搜索问题，有效地执行了巨大的计算，涉及在复杂环境（地球）中的不同信息处理能力的万亿不断变化的代理。从第一个微小的DNA复制器中花费了数十亿年HOMO SAPIENS.．进化的成就需要巨大的资源。而硅基技术越来越有能力模拟无论是哺乳动物，还是人类的大脑，我们都不知道如何在所有可能运行在硬件上的程序中找到一小部分能够表现出智能行为的程序。
但有希望。到2050年，除了机器之外，还有另一个迅速发展和推进的智力：我们自己。序列人类基因组的成本下降低于1,000美元，并且已经开发出强大的方法来解开复杂性状的遗传结构，例如人类认知能力。已经存在的技术，其允许在体外施肥期间胚胎的基因组选择 - 胚胎的DNA可以由单个提取的细胞进行测序。最近的诸如CRISPR等进步允许高度针对性的基因组编辑，最终将在人类繁殖中找到它们的用途。
人们很容易忘记，计算机革命是由一小撮天才领导的:这些人拥有真正非同寻常的认知能力。
改善人类智力的潜力是巨大的。认知能力受数千个遗传基因座的影响，每种遗传基因座的影响很小。如果所有人同时改善，这是可能的大概能达到100个标准偏差，相当于智商超过1000。我们无法想象这种水平的智能代表着什么能力，但我们可以肯定，它远远超出了我们自己的能力。通过对人类胚胎DNA的直接编辑，认知工程将最终产生在认知能力方面远远超过所有历史人物的个体。到2050年，这一进程可能已经开始。
为什么机器人的大脑需要符号
如今，“人工智能”似乎实际上是每个人的嘴唇，从埃隆麝香到亨利·凯林格。至少十几个国家都安装了主要的AI举措，以及像谷歌和Facebook这样的公司被锁定在一个大规模的战斗中......阅读更多
这两条线——更聪明的人和更聪明的机器——将不可避免地相交。正如2050年机器将变得更聪明一样，我们可以预期，设计、制造和编程机器的人类也将变得更聪明。人们天真地认为，机器智能的发展速度会超过生物智能。摆弄一台机器似乎比一次一代人地改造一个现存物种更容易。但是，基因组学的进步——包括我们将复杂性状与潜在遗传密码联系起来的能力，以及对基因组进行直接编辑的能力——将使基于生物学的认知技术取得快速进展。此外，一旦机器达到了人类的智能水平，我们的修补能力就开始受到伦理考虑的限制。重新启动一个操作系统是一回事，但是一个有记忆和自由意志的有知觉的生物呢?
因此，“人工智能或基因改造会在2050年产生更大的影响吗?”“是肯定的。只考虑其中一个而不考虑另一个，会忽略一个重要的互动。
一世这种情况以前发生过。人们很容易忘记，计算机革命是由一小撮天才领导的:这些人拥有真正非同寻常的认知能力。艾伦·图灵和约翰·冯·诺伊曼都对计算机的实现做出了贡献，使计算机的程序可以存储在内存中，并且在执行过程中可以修改。这个想法最初以图灵机的形式出现，并在所谓的冯·诺伊曼架构的第一台电子计算机中得到了实际实现，如EDVAC。虽然这种计算设计看起来很自然，甚至对我们来说是显而易见的，但它在当时是一个重要的概念飞跃。
图灵和冯Neumann很特别，远远超出他们时代的同龄人。两者都在第二次世界大战的盟军胜利中发挥了重要作用。着迷着名的爆发德国谜码，但在概念化他的图灵机中的“机械化思想”概念之前，这是成为现代计算机科学的主要理论构建。在战争之前，冯·诺伊曼将新的量子理论放在严格的数学基础上。作为Los Alamos的常旅客，他对美国核武器计划至关重要的流体动力学和计算作出了贡献。His close colleague, the Nobel Laureate Hans A. Bethe, established the singular nature of his abilities, and the range of possibilities for human cognition, when he said “I always thought von Neumann’s brain indicated that he was from another species, an evolution beyond man.”
今天，我们需要像von neumann这样的天才，并比以往任何时候都更加。那是因为我们可能已经跑进了智力的遗传限制。在1983年的采访中，Noam Chomsky被问到在某些艺术和科学领域，遗传壁垒是否变得显而易见。2他回答说：
你可以给出这样一个争论，就像这样发生的事情发生了很多田地......我认为它发生在物理学和数学中，例如......在与麻省理工学院的学生交谈时，我注意到许多最聪明的人谁将在二十多年前进入物理学，现在正在进入生物学。我认为这部分班次的原因是，有发现在聪明人类范围内的生物学。在其他领域可能并非如此。
AI研究也推动了非常明亮的人类的限制。目前的前沿机器智能架构采用深神经网络：多层网络的模拟神经元的启发，受其生物对应物的启发。这种硅脑，在GPU的巨大群体上运行（图形处理器单位通过研发和视频游戏行业的规模经济廉价），最近在一些狭隘定义的任务中超越了人类性能，例如图像或字符识别。我们正在学习如何使用大型训练数据调整深度神经网络，但由此产生的结构对我们来说是神秘的。这项工作的理论依据仍然是原始的，它仍然很大程度上是一个经验的黑色艺术。神经网络研究员和物理学家Michael Nielsen将其推出：3.
...在神经网络中，有大量的参数和超参数，并且它们之间的非常复杂的相互作用。在如此非常复杂的系统中，它非常难以建立可靠的一般陈述。了解全部普遍性的神经网络是一个问题，如量子基础，测试了人类思维的极限。
复杂机器智能（或生物大脑）的详细内部工作可能会对我们的人类思想来说是难以理解的 - 或者至少是今天的人类思想。虽然人们可以通过绊倒架构或设计来想象一位研究人员“幸运”，其性能超过了自己理解它的能力，但很难想象在没有更深的理解的情况下改善系统的改进。
B.但也许我们将经历一个积极的反馈循环:更好的人类头脑发明更好的机器学习方法，反过来加速我们改善人类DNA的能力，并创造出更好的头脑。在我自己的工作中，我使用机器学习的方法(所谓的压缩感知，或高维几何中的凸优化)从基因组数据中提取预测模型。由于最近的进展，我们可以预测这些学习算法的行为的阶段转变，代表着它们的有效性的突然增加。我们预计这一转变将在大约10年内发生，届时我们将达到一个关键阈值，即价值约100万个人类基因组的数据。包括美国政府的精准医疗计划(Precision Medicine Initiative)和私人公司人类长寿公司(Human Longevity Inc.，由克雷格·文特尔(Craig Venter)创立)在内的几个实体，正在推进对100万或更多个人进行基因型改造的计划。
算法和基因组之间的反馈循环将导致一个丰富而复杂的世界，有无数类型的智能在发挥作用:普通人(迅速失去理解周围发生的事情的能力);增强的人类(未来100年的变革驱动力，但最终可能被超越);在他们周围的是巨大的机器智能，一些外星人(完全在硅中进化)和一些奇怪的熟悉(混血儿)。我们将体验一个人类和机器智能都是多样化的未来，而不是相对不变的标准科幻场景，熟悉的人类与不断改进的计算机思维互动。有史以来第一次，许多不同类型的有知觉的生物将通过标准的交流形式和允许大脑接口的新技术进行协作，从而创造出更大的进步。我们甚至可能看到人类的思想被上传到网络空间，然后在纯虚拟领域进一步杂交。这些上传的大脑可以与人工算法和结构结合，产生一种不可知但类似人类的意识。研究人员最近将老鼠和猴子的大脑联系在一起，使动物通过电子连接协作解决问题。这只是“共享思想”的开始。
预测普通人将与地球上最重要的发展失去联系，这些发展决定着我们文明和物种的最终命运，这似乎令人难以置信，甚至令人不安。但是想想20世纪早期量子力学的发展。第一批在柏林研究量子力学的物理学家——比如阿尔伯特·爱因斯坦和马克斯·普朗克——担心人类的大脑可能无法理解原子领域的物理。如今，只有不到百分之一的人口对量子物理学有很好的了解，尽管它是我们许多最重要的技术的基础:有人估计，现代国内生产总值的10%到30%是基于量子力学。同样，未来的普通人也会将机器智能视为日常的技术魔法，就像平板电视或智能手机一样，但他们对这种可能性没有更深的理解。
新的神将会出现，就像旧的神一样神秘和熟悉。
Stephen Hsu是密歇根州立大学研究副校长和理论物理学教授。他还是华大基因(原北京基因组学研究所)的科学顾问和认知基因组学实验室的创始人。
参考文献
1.Müller, V.C. & Bostrom, N. N.人工智能的未来进展:专家意见调查。ai很重要19 - 11(2014)。
2.学再多的东西也教不了。Omni杂志6.，112-119（1983年）。
3. Bengio，Y.，Goodfellow，I.J.，＆Courville，A.深度学习准备用MIT新闻发布的书籍。（2015）。
