本文主要向大家介绍了机器人之我们苦苦探寻外星生命:却是外星人工智能机器人?通过具体的内容向大家展现，希望对大家学习机器人有所帮助。

人类接触到的第一个外星生命压根就不是有机生物，我们该怎么办？

凯莱布·沙尔夫（Caleb Scharf）是哥伦比亚大学天体生物学系主任。2009 年，他出版了斩获钱布利斯天文学著作奖（Chambliss Astronomical Writing Award）的《太阳系外行星和天体生物学》（Extrasolar Planets and Astrobiology）。去年，他又出版了新书《可缩放的宇宙：穿越宇宙的史诗旅行——从一应俱全到一无所有》（The Zoomable Universe: An Epic Tour Through Cosmic Scale, from Almost Everything to Nearly Nothing）。

本文由 AEON 授权《好奇心日报》发布，你可以在 Twitter 上关注他们。

人类面临着一个难题——对于一个 100 亿年前形成的星系而言，它的内部应该蕴含着大量机会，保证至少一个物种能够摆脱自身处境中的混乱局面，成功来到其他星球并实施占领。然而，我们仍未遇到任何外星生物。这就引出了著名的费米悖论（Fermi’s Paradox）：如果外星生命并非极其罕见的存在，那它们都在哪呢？科学家使用各种手段探索宇宙，想要找到外星文明存在的信号，可至今仍然一无所获。这让费米悖论变得更加令人费解。也许外星生物就生活在距离我们很近的地方，但我们未能发现其行踪。造成这种现象的原因可能有二：星际空间实在太过广阔浩瀚，以及留给物种间交流沟通的时间窗口太过狭窄。外星人也许就像夜间在汪洋大海中飘荡的一艘小船，真正与之发生任何形式的近距离接触都是极其不寻常的小概率事件。

银河系显得无比沉寂。对此，另一种解释认为，任何生活在地球之外的智慧生物都与人类存在巨大差异。由于它们的进化方式与人类完全不同，我们甚至无法想象出它们的外表形态和行为模式。因此，在现实中探测和识别外星生物几乎是不可能完成的事情。这着实让人有些沮丧。

但是，在这些极端的解释中间还隐藏着另一种可能，而且这也是概率最高的一种可能：当我们首次遭遇或者探测到外星生命时，出现在眼前的将会是一个智能机器人。

这并不是一个最近才出现的全新观点。早在上世纪 40 年代，美籍匈牙利数学家约翰·冯·诺依曼（John von Neumann）就探索过具备自我复制能力的非生物系统存在的可能性，他认为这个系统不需要借助操控性思维就能精通运算。到了上世纪 80 年代，其他人在研究具备复制能力的自主航天旅行设备后又进一步扩展了他的观点：这类机器可以在宇宙中漫游，不断寻找原材料以实现自我复制。它们在星球之间工作，打造出能源供应基础设施和供人类居住的生存环境。

要想让这类机器掌握真正的人工智能，它们还要承担更为复杂的任务和使命才行。这些使命是什么？这类机器可能具备什么类型的人工智能？与外星机器的相遇将帮助我们解开这个谜团。

一种解释认为这类机器性能超群，在处理认知和分析工作时远胜人类。这样的人工智能可能极难理解人类，原因要么是其本身不存在理解人类的内在动机，要么是通讯带宽的现实技术阻碍。对于这类机器而言，与人类沟通可能就像对着婴儿说话，或是用象形文字讨论莎士比亚全集。假如外星系统为处理大规模数据流而经过优化，它们甚至可能无法将运行速度降低到能够发现人类试图想要沟通的程度。不管我们是否使用科技手段，外星机器都无法察觉到人类想要交流的努力。

外星人工智能可能仅仅因为机器属性，就令我们产生极其恐惧和害怕的心理。它是一个非生命实体，但却充满生机和活力，就好像经典希伯来传说中由泥土铸成的魔像一般。相比之下，虽然外星生物也能让我们震惊，但它们肯定和人类有某些共同的特质。我们可以不断说服自我，坚信进化过程导致外星生物也具备具有辨识度——甚至是具有同情心——的行为模式和意图想法。但是，人工智能实体不需要遵守这些进化规则，它们与人类之间的差别自然也就更大。

遭遇外星人工智能不仅能让我们看清人类可能经历的未来，更能迅速改变我们的世界观。十六世纪时，尼古拉斯·哥白尼（Nicolaus Copernicus）提出地球绝不可能是宇宙的中心。实际上，他因此推动了一个关键科学理念的发展：在宇宙范围内，人类并不是什么特殊或者重要的存在。遇到外星人工智能后，我们可能会重新思考这个问题：如果我们遇到的唯一的外星文明本质上是个机器，那我们人类终究还有可能就是特殊的存在。

电影《2001 太空漫游》剧照，来自豆瓣电影

因为我们见到的机器并不算完全意义上的人工智能，就算真的在宇宙短途旅行中遭遇外星人工智能，我们可能根本意识不到。事实上，我认为人类遇到的很有可能是近似于“专精某一领域的专家型”智能机器——处理特定任务时能力惊人，但在其他领域的能力则非常有限。

地球上最近出现了一个很好的例子：Google 的 AlphaGo Master。这个系统掌握了围棋的基本玩法，并能通过研究大量人类对局数据不断提升棋力，也就是所谓的“深度学习”。问世一年之内，它便战胜了不少世界排名前列的围棋选手。此后，经过改良优化的下一代人工智能系统 AlphaGo Zero 也正式发布。在为期 40 天的训练阶段，尽管它没有接触任何历史对局的数据，其性能却超越了前几代产品，而且比任何人类选手都强大。如今，另一个版本的人工智能系统 AlphaZero 仅用 24 小时就完成学习，并且顺利击败经过适度训练的 AlphaGo Zero 系统迭代版本。与此同时，AlphaZero 也战胜了其他国际象棋和日本将棋（Shogi，俗称日本象棋）的机器人。如果你看过专业选手采访，就会发现他们都认为人工智能系统的下棋方式根本不像人类。它们的战术策略与人类差异很大，看起来似乎可以“高深莫测”来形容。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能智能机器人频道！