第一节　智能和智慧的关系

目前，业界对智能技术的判断一直比较混乱。有的人认为智能技术停留在玩具阶段，有的人却渲染人工智能威胁论，认为机器人未来会灭亡人类。而智能技术是智慧银行中的一项重要组成部分，为了阐明智慧银行的内涵，首先需要明晰智能技术的评判标准，以及智能与智慧的关系，只有这样才能促使智能技术在智慧银行中更为科学地应用。事实上，从1950年图灵实验开始，人类就试图制定评判智能技术的标准，一直到今天都在探索。

一、人类智慧的评价标准

智慧，在人类社会中处于至高无上的位置，一旦谈及智慧，所有人都会严肃起来。古希腊文化将智慧、勇敢、正义、信仰作为人类的四大基本美德，并统称为Cardinal Virtues。中国古代各类典籍中也多次谈及智慧和智慧的作用。近代科学认为，智慧是智力器官的终极功能，包含有感知能力、计算能力、判断能力、容错能力、想象能力等。更进一步，智慧还包括智力、知识、方法与技能、非智力、观念与思想、审美与评价等多个子系统。

人类的智慧是有差异的。19世纪后半叶，“智力”一词最早由哲学家斯宾塞和生物学家高尔顿从古代拉丁词Intelligence引入。1905年，法国心理学家制定出第一个智力测量量表——比纳西蒙智力测验量表。1916年，美国斯坦福大学的推孟通过修订比纳西蒙智力测验量表后编成的智力量表，提出了斯坦福比纳智力量表。生于1896年的美国心理学家韦克斯勒是继法国比纳之后对智力测验研究贡献最大的人，从20世纪30年代开始到80年代，他用了大半生时间研究人类智力的评价，并编定学龄儿童智力测验量表、成人智力测量量表、学前和初小儿童智力量表等（见表2-1）。

通过智力量表测出的人类智力被称为智商（Intelligence Quotient, IQ）。以韦克斯勒成人智力测验（WAIS-RC）为例，他将智商分为言语和操作两大量表。其中，言语量表包含知识、领悟、算术、相似性、数字广度、词汇等，而操作包括数字符号、图画填充、木块图、图片排列、图形拼凑。通过这两大量表测试人类的言语理解能力、记忆能力、注意力和知觉组织能力。除了智商以外，人类的智力应该还包括与情感相关的更重要特质，可以统称为情商（Emotional Quotient, EQ）。情商包括人类情绪、意志、耐受挫折等方面的品质，一些想法能够经过人类的热爱和坚持不懈的探索变成现实。这些都是人类智慧才能拥有的特征，是人工智能乃至其他生物都无法拥有的。

综上所述，人类智慧可以概括为DIKW体系，它将数据、信息、知识、智慧纳入一种金字塔形的层次体系，每一层比下一层都更多赋予一些特质。人类通过感官的原始观察及量度获得了数据（Data）、通过分析数据间的关系获得了信息（Information），通过行动上对信息的应用，进而归纳和演绎产生了知识（Knowledge），最终在拥有大量知识的基础上总结产生人类智慧（Wisdom）（见图2-1）。

上述对智力的研究是从心理学角度展开，目前对生物智力研究的最前沿领域是计算生物学。计算生物学最早是通过计算机的强大处理能力研究基因序列、神经科学、遗传变异的科学。近些年来，计算生物学正在试图把所有的神经科学成果集中，模拟人类大脑的工作机制，尽管路程漫长，但研究方向目前看来还比较明确。

二、人工智能的评价标准

人工智能的智慧首先要模仿人，拥有与人一样的智商和情商，进而才能超越人类智慧。显然，目前人工智能距离与人相同目标还有很大的差距，更别说超越人类智慧。但是，要说人工智能距离人类智慧还有多大的差距，多年以来一直没有定论。1950年，图灵在《计算机械与智力》一文中提出了判断机器思维是否具备人类智慧的实验方法，即通过对黑箱的不断发问，由黑箱的回答来判断黑箱内是真人还是机器。具体而言，特别是对于搜索引擎而言，很多所谓的人工智能仅仅是简单搜索匹配而已，某些简单的问题通过匹配便能得到答案。但是，如果机器没有人工智能仅是搜索，在多次不同的发问后便会出现无法回答或者逻辑错误，就没法通过图灵实验。

人工智能的客观评价标准目前还不完善，很多专家在人工智能的细分领域发展评价体系。比如机器翻译领域，IBM在2002年提出的BLEU（Bilingual Evaluation Understudy）自动评测标准，将机器翻译的译文与人类翻译专家的译文进行匹配，采用基于n元匹配的算法，对机器翻译的智能程度进行评测。因此，评价人工智能智慧程度的高低目前行之有效的方法还是与人类智慧进行对比。

回顾上一部分对人类智慧的论述，对比人类智慧的产生过程，可以发现标准的人工智能系统应该具备如下三个特征。第一，人工智能需要具备与外界交互的能力。首先，人工智能需要具备类似人类的视觉、听觉、触觉等感官的设备，能对颜色、味道、痛觉等感知，进而能将这些感觉转化为数据存储。其次，人工智能经过处理后的知识或智慧能够应用到实践中，通过机器触手、机器语音、增强现实（Augmented Reality, AR）、虚拟现实（Virtual Reality, VR）、混合现实（Mix Reality, MR）、介导现实（Mediated Reality）等技术将智慧展现给外界。第二，人工智能需要具备高效安全的传输与存储系统。人类有强大的感觉神经和运动神经系统联系感官、肌肉和大脑，人工智能不同于人类，其感官系统与运动系统已经脱离了有形的身体，分布范围更为广泛，甚至可能遍布全球，这对人工智能数据和信息的传输速度、存储能力和安全保障有更高的要求。所以，人工智能必须具备高效与安全的存储系统，确保人工智能能快速获取外界数据、作出判断和给出对应行动。第三，人工智能需要具备强大的处理能力。人类智慧的关键是大脑，人工智能也不例外，需要能够根据外界获取的数据提炼出信息，归纳与演绎出知识，并进而运用知识实现智慧的升华，这种智慧包括但不限于联想能力、创新能力、猜测能力和发现规律的能力，并在这些能力的基础上形成新的智慧。

2015年，北京交通大学的刘锋博士和中国科学院的石勇教授在经典的冯·诺依曼结构上更改外部存储模式和创新模式（见图2-2），提出了拓展的冯·诺依曼结构（见图2-3），即每个子系统在运算器和控制器的基础上有一个创新模块，并且外部存储器是云结构的一部分。在此基础上，从知识的获取能力、知识掌握能力、知识创新能力和知识反馈能力四大方面建立人工智能智商评价体系，并从这四个方面建立15个分项进行检测，最终为人工智能评定智商，如表2-2所示。研究发现，谷歌搜索已经达到4岁人类的智力水平。

目前，很多IT系统都标榜智能，如智能冰箱、智能扫地机器人、智能代步车、谷歌大脑、AlphaGo等，不同生物的智慧等级不同，这些人工智能也可以进行等级划分。刘锋团队将人工智能划分为六个等级，从第0级到第5级，其中第0级为基础等级。具体而言，人工智能的第1级表示不能与人类进行信息交互，那么石头就算第1级的象征；第2级表示能与人类交互但知识库从诞生时就不会发生变化，很多智能家电按照出厂的程序运行，属于第2级智能；第3级人工智能能定期升级，与人类进行信息交互，但是不能与其他系统交互，家用电脑属于这类智能；第4级人工智能不仅能与人类交互，而且能与其他智能系统交互，但是这类系统不能自主创新创造知识，所有知识都是外界输入，AlphaGo等目前全球最先进的人工智能系统都属于这一级别；第5级人工智能是未来最先进的智能系统，不仅能与一切人和智能系统交互，而且能自主创新创造知识，是目前能够想象到的最先进的人工智能系统。

耶鲁大学社会心理学家Robert Sternberg认为，人类智慧可以分成成分智力（Componential Intelligence）、经验智力（Experiential Intelligence）和情境智力（Contextual Intelligence），分别代表人类的逻辑思维过程、经验累积过程和环境适应能力。目前人工智能的机器感知、机器学习、推理、优化等过程事实上都是基于过去数据产生的智力，属于经验智力的范围，而成分智力和情境智力都远远落后于人类。哈佛大学心理学家加德纳在Frames of Mind中将人类智慧更加详细地分成逻辑、语言文字、空间、音乐、肢体动作、内省、人际关系、自然探索、图形图像九个方面。按照这个分类，人工智能在可见的未来是无法达到人类智慧的高度，从人工智能到人类智慧还有很长的路要走。