當人工智能可以幫助人類承擔一些工作時，我們總是把雙方的職責劃分的很清楚。人類工作時，很少看到人工智能的主動參與，人工智能做事時，人類更是完全不插手。

這一點最明顯的體現(xiàn)就在于輔助駕駛上，人類駕駛時輔助駕駛頂多會通過燈光閃爍、方向盤震動來提示人類駕駛環(huán)境的變化，而不會主動去掌握主動權，影響汽車行動的方向和速度。在輔助駕駛自動泊車時，也會讓人類雙手離開方向盤。

其中的原因或許是人類的行為實在太千差萬別，如果引入智能解決方案之中會加更多的計算量。想象一下，在自動泊車時人工智能認為一個車位要倒兩把才能進去，人類老司機卻認為倒一把就能進去，這種對問題解決方式設定的不同會讓雙方根本無法合作。

可如果人類可以在各個領域人工智能親密合作，會是怎樣一種景象？

從復制雙手到復制思想：人類和人工智能的合作史

關于人機合作這件事，我們已經(jīng)歷經(jīng)了很多年的研究，雙方合作的模式可以被分為三種類型。

第一類合作模式是主從操縱。

在40年代，人類為了研究不宜人體接觸的放射性物質，研發(fā)出了一種主從機械手對其進行遠程操控。從機械手（或機器人）負責在不適宜人類前往的地方工作，通過傳感系統(tǒng)收集和傳達信息，而人類負責控制主機械手，將動作映射到從機械手上，就形成了完美的遠程操作。

如今這種方式已經(jīng)應用在很多地方，水下機器人、手術機器人等等都是這種人機合作的成果。

可這樣的操作方式有著很多不便，比如動作映射之間會有一定的誤差，從機器人傳感器收集來的信息也可能有一定的延遲，最后就會導致操作的低效。

于是出現(xiàn)了第二種人機合作模式——協(xié)作智能。

這種合作模式是讓人和自動化的智能體一起協(xié)作，先讓智能體預測人的目標，再來協(xié)助人實現(xiàn)這一目標。就拿簡單的分揀動作來說，一張桌子上放置著不同形狀的物體，人類向正方體的方向伸出手，機械手就分揀出了所有的正方體。讀懂人類的目標并完成目標，這就是典型的協(xié)作智能。

可這種模式的問題在于，人類在工作時的想法往往是多變的——那些目標流程單一，可以被套路化的工作早就被自動化了，也用不上協(xié)作智能。那些可以從多種途徑實現(xiàn)的工作，卻需要對智能體進行大量訓練才能使其讀懂人類每一個動作的意圖，于是協(xié)作智能在應用上也遲遲沒有什么進展。

第三種合作模式則是目前熱度很高的腦機接口，通過對腦電信號的讀取和解碼實現(xiàn)對器械的操控。這樣的方式雖然已經(jīng)和“讀懂人類意圖，協(xié)助實現(xiàn)目標”非常接近。

但對于腦機接口我們此前也有過很多介紹，由于捕捉腦電信號十分困難，現(xiàn)在我們至多可以利用腦機接口完成一些非常簡單的動作，距離提升生產(chǎn)力效率還很遙遠。

人工智能+人類，可不可能比人工智能更強？

這樣看來，第二種協(xié)作智能的模式更接近我們理想中的人機合作模式：智能體通過人類動作、操作信號等等更明確同時也更容易理解的信息判斷人類目標，同時擁有一定的自主性，不至于事事都讓人類親手教學。

最近伯克利的人工智能研究院推出了一篇論文，顯示了如何利用深度強化學習來增強協(xié)作智能的效果。

簡單來說就是讓智能體和阿爾法狗一樣，把人類的動作當做“棋譜”大量輸入給神經(jīng)網(wǎng)絡，讓神經(jīng)網(wǎng)絡自行挖掘動作和實現(xiàn)目標之間的關系。在訓練時，為神經(jīng)網(wǎng)絡加入獎懲機制，每一次當智能體幫助人類更接近一步目標時，智能體就會獲得獎勵，從而促使智能體越來越接近正確的合作模式。

在研究院的實驗中，相比直接告訴智能體目標，讓其自己尋找解決方案，這種讓智能體分辨人類目標，和人類一起尋找解決方案的方式，訓練時間會大大縮短，并且?guī)椭祟愅瓿勺约簾o法完成的事情。

舉例來講，研究員們測試了一款Lunar Lander的游戲，游戲目標是操縱一輛從天而降左右搖晃的小車，使其降落在兩只旗幟中間。人類用鍵盤進行這項游戲時很大幾率會以失敗告終，讓人工智能沖著目標獨自摸索更是需要無窮盡的訓練。但當人類和人工智能合作時，僅需一段時間的訓練，人工智能就可以幫助人類以各種姿勢實現(xiàn)目標了。

讓人工智能坐上副駕駛，一起探索未知

協(xié)作智能給了我們一個提示：當世界上出現(xiàn)人類和人工智能都無法單獨完成的工作時，我們應該怎么辦？

這樣的問題絕對是大范圍存在的，就像阿爾法元經(jīng)過自我對弈進行訓練，打敗了用人類棋譜訓練出的阿爾法狗一樣。很多時候我們自以為找到了最好的解決方案，只需悉數(shù)傳授給人工智能時，卻未曾想過這可能是一種自大。尤其在物理世界，人工智能無法像解決圍棋的數(shù)學問題一樣自己尋找解法。這時人類和人工智能的親密合作，或許才是最高效的解決方案。

可以應用到協(xié)作智能的場景很多，比如在伯克利人工智能研究院的測試中，用降落無人機到指定地點為標準，人類獨自操作的速度、精準度都要遠遠落后于于智能協(xié)作操作的速度和精準度。人工智能就好像是人類的副駕駛，以另一種視角幫助人類更好的達成目標。

換句話說，我們對輔助駕駛系統(tǒng)的種種不滿，或許都能用這種方式解決。例如自動泊車不再僅僅限于奢侈的大車位，人類或許可以和人工智能一起嘗試在小車位中上演極限操作。不僅僅輔助駕駛，無人機操縱、工業(yè)自動化……人類和人工智能的一切工作都可以通過這種方式達到更強的成果。

當然，協(xié)作智能也并非是完全的解決方案。最典型的問題是其訓練數(shù)據(jù)來自于人類與人工智能的協(xié)作操作，很難獲得現(xiàn)成的數(shù)據(jù)只能親手制造，所以對于駕駛、工業(yè)操作等等物理世界中的項目，需要耗費極大的人力去訓練人工智能。

但我們相信這些問題總會被一一解決，更重要的是我們要知道人類和人工智能是互相需要的。創(chuàng)造出一種技術僅僅為了使其替代自己，完成已知的工作是一種懶惰和愚蠢，雙方協(xié)作創(chuàng)造更多未知，才是技術真正的價值所在。