近来，一个备受热议的话题频繁浮现：人工智能究竟能否取代人类？

人类大脑的复杂程度，在所有生物中堪称科学界最伟大的未解之谜之一。然而如今，神经网络已具备每秒计算2亿次潜在结果的能力，与人类“并肩作战”。随着我们日常行为产生的数据轨迹不断被输入，加之科学家们利用海量数据集反复训练这些机器，它们正在学习在最顶尖的人类竞技领域与我们一较高下。

那么问题随之而来——在游戏、医疗、艺术和情商等多个维度上，人类与机器究竟孰强孰弱？

游戏对决

DeepMind开发的围棋AI——AlphaGo，曾被冠以“无需向人类学习的AI”之名。围棋拥有超过3000年历史，棋盘可能性高达10的170次方种。AlphaGo与自己反复对弈了成千上万次，每一次都在变得更强。它甚至挖掘出了数百年来人类棋手从未使用过的创新制胜策略——以5比0击败欧洲冠军樊麾，又在4比1的比赛中战胜了手握18个世界冠军头衔的李世石。此后，DeepMind又接连推出了更高级的版本：AlphaGo Master、AlphaGo Zero以及AlphaZero。

国际象棋是另一个值得关注的案例。计算机正在揭示人类时常忽略的战术，例如持续施压直到对手出现失误。IBM的深蓝AI早在1997年就以4比2击败了世界冠军卡斯帕罗夫。考虑到即便最顶尖的人类大脑，每秒也只能思考有限的几步棋，而AI却能每秒计算2亿步，并预估每步棋之后的5到6个潜在后果——这个结果其实并不令人意外。

关键在于：机器正在学习全新的策略，而人类与机器协作、共同变得更聪明的潜力，也正在逐步显现。

卫生保健

在医疗领域，AI处理数据的能力堪称惊人：症状数据库、病因、检测结果、医学影像、最新论文、医生报告……它能够从中发现连资深专家都无法察觉的潜在模式。

近年来的研究显示，AI在患者扫描图和健康报告中识别疾病诊断的准确率已达到87%——换个角度看，医疗专业人员的准确率大约是86%。美国医学研究所的一份报告指出，每10个诊断中就有1个存在错误，导致每年约8万例本可避免的死亡。如果能够借助AI将准确率提升1%，就能显著控制这个数字。

加州大学的一个团队正在与130万年轻患者的数据打交道，他们训练出的AI可以诊断腺热、玫瑰疹、流感、水痘和手足口病，准确率高达90%到97%。

AI的优势非常实在：它不会像医生一样感到疲劳、饥饿或者分散注意力。但也要看到，大量健康数据存在种族偏见，训练数据库的多样性可能不足以覆盖所有患者。说到底，这只是一个开始，但已有迹象表明——它可以成为医生诊断时的得力辅助工具，帮助我们提升检测水平。

不仅如此，AI还能用于识别新疗法。例如AtomWise公司正在做的事情：预测分子如何与蛋白质结合，为新的医疗方案提供建议。

艺术创作

爱德华·贝拉米的一幅肖像画在纽约佳士得拍出了43.25万美元——这幅画并非出自人类之手，而是AI的作品。它学习了数千张真实肖像画，然后根据自己“理解”的艺术知识，生成了爱德华·贝拉米。这不禁让人思考：这是又一次拙劣的模仿——就像AI根据莫扎特和贝多芬的作品生成音乐那样——还是算真正意义上的机器创造力？

围绕这个问题的讨论，会触及一个更深层的议题：人类创造力到底是什么？AI能否真正拥有它？一个关键方向是，艺术家和程序员正在尝试让AI“做得比喂给它的东西更多”——要实现真正的原创和创造，机器必须能创造出超出其输入范围的产物。例如艺术家艾米·里德勒使用了大量郁金香照片，再结合一个可以根据比特币价格波动来扭曲图像的程序。另一个例子是：AI学习了Sougwen Chung的绘画风格，与机械臂配合，与她一起作画，创造出一种人类与机器之间的优美平衡。

AI可能还没有自己的“创造力”，但与艺术家的协作，正在打开全新的创造维度。

情商感知

情绪智力——也就是对情绪信号做出反应的能力，和创造力一样，是定义“人性”的几个关键特质之一。但就像艺术领域一样，程序员也在努力让AI具备这种能力。deepfake视频已经能以假乱真，实时复制人类的面部表情和嘴部动作。但真正的情绪智能，还需要AI能够“读懂”真实的面部表情。

试想一下：如果你的车能感知到你情绪不高，它或许会建议一条风景更好的路线，或者播放一些轻松的音乐。AI还能帮助治疗抑郁症、焦虑症和其他与情绪相关的疾病。它将使用语音模式、面部表情和生理信号——视觉团队已经在进行表情识别编程，而血流量、呼吸、心率等生理参数，也可以通过追踪皮肤血流来获取。

一旦AI开始真正回应情绪和生理信号，通向医疗解决方案的大门将被推开，机器也会更像人、更聪明。

当然，这也引出了一个必须面对的问题：政策变化能否跟上技术创新的快速发展？