人和机器
我曾经有机会和机器人比智慧，那是一场和麻省理工学院的托马索·波焦（Tomaso Poggio）建造的一个机器人的比赛。尽管机器人不能像我们一样识别简单的模式，但波焦能够创建一个计算机程序，在一个特定的领域中：“立即识别”，它能像人一样计算得那样快。这是我们的离奇的能力，立刻识别一个物体，甚至在我们觉察到它之前。（立刻识别对于人类进化十分重要，因为我们的祖先只有一刹那的时间确定是不是有老虎潜伏在矮树丛里，甚至在他们完全意识到它的存在之前。）在一个特定的视力识别试验中，机器人在第一时间里不止一次地胜过了人。
机器和我的比赛很简单。首先，我坐在椅子上，盯着一个普通的计算机屏幕。然后，一个图片在屏幕上闪烁一下，我必须尽快地按两个按钮之一。我必须尽可能快地做出决定在这张图片上是有动物还是没有，甚至要在我有机会看清这张图片之前。计算机也要对同一张图片做出决定。
令人难堪的是，在经过很多次快速的试验之后，机器和我不分上下。但是有几次机器的得分比我略高一些，让我灰心丧气。我被机器打败了。（当有人告诉我计算机得到正确答案的次数占82％，人的得分平均仅80％，这让我得到一些安慰。）
波焦设计的机器的关键是它复制了大自然母亲的经验。很多科学家从下面这句话里认识到这个真理：“车轮已经发明了，所以为什么不复制它呢？”例如，通常当一个机器人看一张图片时，它试图把它分成一系列的线、圆形、正方形或其他的几何图形。但是波焦不这样做。
当我们看一张图片时，我们也许会首先看各种物体的轮廓，然后看每个物体内部的各种特点，然后是这些特征内部的颜色深浅。这样我们就把图像分成了很多层。在计算机处理了一层图像之后，它就把这一层和下一层结合起来，等等。用这种方法，一步一步地，一层一层地模拟了我们大脑处理图像的层次方法。（波焦的程序不能实现我们认为是理所当然的模式识别的所有技巧，如3D可视化物体，从不同角度识别成千上万的物体等，但它在模式识别上确实代表了一个重要的里程碑。）
后来，我有机会看到从上到下和从下到上两种方法都在起作用。我首先去了斯坦福大学人工智能中心，在这儿我遇到斯坦福人工智能机器人斯泰尔（STAIR），它用的是从上到下的方法。斯泰尔大约4英尺（1.22米）高，有巨大的机械臂能够旋转和从桌子上抓取东西。斯泰尔也是可移动的，能在办公室或家里漫步。这个机器人有一个3D相机锁定物体，将3D图像送入计算机，指导机械臂抓物体。自20世纪60年代开始机器人已经像这样抓物体了，并且我们在底特律汽车制造厂看到这些机器人。
但光看外表是不够的，斯泰尔（STAIR）能做的事情要多得多。与底特律的机器人不同的是，斯泰尔不是照本宣科的。它靠自己操作。例如，如果你要它拾取一个橘子，它能够分析桌子上的各种物体，将它们与已经存储在它的存储器中的成千上万的图像比较，然后识别橘子，并拿起它。它也可以通过抓一个物体，让它转动来更精确地识别物体。
最终是要斯泰尔能在家里和办公室的环境中操作，拾取和利用各种物体和工具，甚至与人进行简单语言的对话。用这种方式，它将能够做一个办公室中的勤杂工能做的任何事情。斯泰尔是一个从上到下的方法的一个例子：从一开始，每一件事物都是编制程序到斯泰尔中的。（尽管斯泰尔能够从不同角度识别物体，但是它能识别的物体的数量是有限的。如果让它走出去和识别随机遇到的物体，它就会茫然不知所措了。）
后来，我有机会访问了纽约大学，在这里杨·莱库恩（Yann LeCun）正实验一种全新的设计，拉格尔（LAGR），一个路面学习型机器人（Learning applied to ground robots）。这个机器人是一个从下到上方法的例子：它必须通过与事物的接触从最开始学习。它的尺寸像一个小高尔夫手拉车那么大，有两个立体声彩色摄像机扫描地形，识别路径上的物体。然后它在这些物体中间走动，仔细避开这些物体，每通过一次就学习一次。它装备有GPS和两个红外传感器，能够检测前面的物体。它含有3个高功率的奔腾芯片，与吉比特量级的以太网（gigabit Ethernet）相连。我走到附近的公园，在这里机器人可以漫步在放在它路径上的各种障碍物之间。每一次它越过障碍，它就能更好地避开障碍物。
拉格尔和斯泰尔一个重要的差别是，拉格尔是特别设计进行学习的。每一次拉格尔碰到某物，它就绕开这个物体，下一次它就知道避开这个物体了。在斯泰尔的存储器中存储了成千上万的图像，而拉格尔的存储器中几乎没有任何图像，而是产生了它所碰到的所有障碍物的智力映射图，每通过一次就不断完善一次。无人驾驶汽车是编程的，遵循由GPS事先设置的路线，与此不同的是，拉格尔全靠自己移动，没有任何人的指令。你告诉它去哪儿，它就启动。最终，像这样的机器人也许会用到火星、战场和我们的家中。
一方面，这些研究人员的热情和能力给我留下深刻的印象。在他们的心中，他们相信他们正为人工智能铺平道路，并且终有一天他们的工作将以我们刚刚开始理解的方式影响社会。但是从另一方面看，我也认识到他们还有多远的路程要走。甚至蟑螂都能识别物体，学会绕过它们。而我们仍然处在大自然母亲创造的最低级生物的智能都能够胜过我们最智能的机器人的阶段。