隨著AI技術的發(fā)展，幾乎每次有新的成果，都會有人擔心，我們離被機器統(tǒng)治的距離還有多遠。不過，最近幾條關于 AI 的消息可以讓我們松一口氣：至少它們現在還和普通孩子沒什么區(qū)別。

“我不是在玩游戲，我是在學習！”

這是很多孩子被抓到偷玩電腦時經常說的一句話。不過在 AI 領域，這還真就是這樣。因為，相比棋類運動這類單純依靠策略的訓練，游戲往往能夠更好地模擬出現實世界的混亂。

在2015年， Google 旗下人工智能創(chuàng)業(yè)公司 DeepMind 就通過自我學習打通了包括彈磚塊在內的 49 款雅達利經典游戲。但這其中，并不包括經典的吃豆人。

吃豆人這款看似簡單的游戲，其實其背后蘊含的策略，要比圍棋復雜得多。要玩好這個游戲，對 AI 來說，它需要完成四件事情：走迷宮、吃小球、吃水果和躲避敵人。而真正的難點，在于如何讓 AI 在不到 1 秒的時間內基于這四種情況做出最佳選擇。簡單的說，就像是讓四個分屬不同部門的人在 1 秒內完成對當前狀況的評估并就如何行動達成一致，還不能出錯。

此前，這款游戲已知的最高分由人類威爾遜（Wilson Oyama）保持，為 266,330 分。但在幾天前，這一紀錄被加拿大的一家創(chuàng)業(yè)公司打破。他們訓練的 AI 成功拿到了之前被認為只能通過作弊來獲得的理論上最高成績—— 999,990 分。

（ 26 萬分需要打到第 35 關。圖源：High Score ）

無論是圍棋也好、吃豆人也罷，隨著時間的推移， AI 在游戲方面的能力已經越來越強。可在其他領域呢？

看不懂話、寫不明白題，AI 參加高考顯不足

當讓 AI 和人類一樣做數學題的時候，AI 就顯得力不從心了。當然，這里的技術難點其實并不在于如何做題，而在于與出題人、閱卷人溝通上。

據正在領導開發(fā)高考機器人 Aidam 的陳瑞峰所說，讓 AI 參與高考，有三大難關。

首要難關是需要讓 AI 理解題目的意圖，并將其轉換為準確的、可被機器理解的語言；其次，是邏輯推理，通過已有的題庫來推測最佳的解題路徑并得出結論；最后，則是輸出關。機器需要再度把之前思考的過程轉換為人類能夠理解的語言，輸出到試卷上。

（想讓機器理解這個笑話，估計還有點難度。圖源：Disp）

簡而言之，想要答好題， AI 不僅要讀懂、解答題目，還需要讓人用看得明白的方法答題。這些難關聽起來簡單，但要讓 AI 真正準確做到，確實難償所愿。

據報道，在今年 6 月 7 日， Aidam 再度挑戰(zhàn)高考。這次，它回答了全國卷二文科數學卷，獲得了 134/150 分的高分，卻依舊不敵同場競技的高考狀元們。

這已經不是 AI 在標準化測試考試中的第一次嘗試。

早在 2015 年，華盛頓大學也研發(fā)了一個 AI ,專注于 SAT 數學幾何部分的解答，其正確率也只有可憐的 49%。

而在 2016 年，日本的東 Robo 機器人在屢屢沖刺東大失敗后，也放棄嘗試，轉而投身數據分析事業(yè)。

總而言之，盡管科技界一再警示我們 AI 發(fā)展將給我們社會帶來的沖擊，但就目前而言，它依舊處于早期發(fā)展階段。在 AI 發(fā)展出與人類順暢交流的能力之前，我們暫時還不用擔心它對人類社會帶來的傷害。