AlphaGo与李世乭的交锋进行了两局，人工智能的两场胜利已经让社交网络“炸了锅”，无论接下来的战局如何，人们都已经深深体会到了人工智能的迅猛发展。
面对如此擅长计算，又不知疲倦日夜学习的人工神经网络，素来对自己大脑抱有自豪感的人类们不禁要感到失落了。那么，人脑的“天然神经网络”究竟还有什么值得自豪的能力？有什么领域还能为“天工智能”守住一点颜面呢？我认为是运动。
另一种智能：神经运动控制
大脑及神经系统对身体运动的控制能力，是人工智能绕不过的梦魇。几年前我在一次学术报告的开头讲到：“人类两岁就能快步行走，可机器人至今还步履维艰。”由此说明机器要想达到如人类一般精确而又迅速、灵巧而又协调的运动，需要另一种意义上的“人工智能”。这种智能要解决的不是认知和运算中的复杂性，而是如何驱动身体完成复杂的运动。
运动控制很难搞定吗？日常生活中的很多熟练动作人们几乎在无意识状态下就能完成，这使我们很少想起它实际的复杂性。哺乳动物的肌肉骨骼系统是个几百块散件拼起来的大拼图，要想同时驱动大拼图里面几十个关节、几百块肌肉协同运动，还真需要点“眼观六路、耳听八方”的聪明劲儿。更何况人类还进化出来一套奇葩的“直立行走”，这就好像把筷子立起来再戳上个苹果（工程学上叫“倒立摆”），那可是纯天然的不稳定：
人体协调的运动远不是简单的计算机模型能够模拟的，“QWOP”这个小游戏就能让人们直观地体会到这一点。这个游戏把运动员的腿部动作简化成大腿和小腿的开合，并把它对应四个按键交给玩家来控制。结果呢？这个游戏一下子就因为极其坑爹的难度火了起来，很多玩家用不了几秒时间就会让运动员摔得四仰八叉了。这还仅仅是二维平面上的简化版，如果再升级到真实版，也就是从平面拓展到三维再加上多块肌肉地面不平风吹草动……那只能说谁行谁上吧。
这个游戏告诉我们，控制运动可远没那么简单
机器人越走越好，但比不过天然神经
运动控制并非易事，不过看看现在最先进的机器人，它们也已经不是昔日步履艰难的样子了。就在几天前，著名的美国波士顿动力公司（Boston Dynamics）发布了Atlas拟人双足机器人，它们陪人走路的姿势，禁踹不倒的下盘，还有“鲤鱼打挺”的起身，感觉实在销魂。
Atlas这台机器人最厉害的就是对多种路面条件的适应性，以及对于突发事件的抗干扰能力。从视频里看得出，这一系列的问题不但在控制策略上得到了解决，而且集成出来了一套人形大小的实际产品，着实令工程界佩服。
Atlas机器人演示。
不过，让人和机器人直接比拼运动，这对于人脑可是极不公平的。神经系统所应付的挑战比控制机械身体要困难得多。
人脑在控制人体运动的时候，面对的是一个极为头疼的“低端”身体。需控制的对象比机械结构要头疼的多，能够使用的生理元件也比电子元件要“低端”得多。
首先，肌肉是个非常怪的动力源，这东西只能拉不能推，干的是一半的活。而且肌肉拉起来有点像弹簧，你可以想象一下用两三个弹簧去拽稳一根棍子是什么感觉，而这种古怪的控制问题我们的大脑每时每刻都要对付。
用好几根不同方位的弹簧拉拽“棍子”，这就是我们身体的运动方式。
除了肌肉以外，人体神经系统还有两大运动控制的“猪队友”——噪声和延时。一个神经元典型的信号是下面这个样子，噪声很大，神经脉冲也不怎么精确。这种信号要是拿给电子工程师用，一定会被劈头盖脸丢回来重画电路。
研究中记录下的不甚清晰的神经信号。图片来自：Nathan Jackson et al.
更逆天的是神经元传导电信号的速度非常慢，最快的神经纤维也就是每秒传递100多米。可是机器人呢？那可是以光速在传递信号。
所以说，“天工智能”和“人工智能” 在运动方面并不是同场竞技。如果把机器人的马达都换成弹簧，再丢进满是噪声的电磁环境，还要把信号通路故意延迟几百万倍……这样折腾下来，看看机器人即便做到“步履蹒跚”是不是也要热泪盈眶了？
像神经网络一样运动
这样的比较看起来似乎强词夺理：既然机器可以用简单的程序、“高端”的零件来运动，那有何必让它去走神经系统复杂的老路，这难道不是“自虐”吗？不过，这样“自虐”的研究思路确实也有它的价值。通过计算机解析和重建天然的运动控制系统，能帮助我们深入了解运动控制系统，帮助那些身患运动障碍的人们。现在，人工智能已经可以学习和“思考”很多，但只有当它们在运动控制方面也通过“图灵测试”时，那些科幻电影中看起来与人类并无二致的AI才能真正成为现实。
现在，科学家们已经在这条“自虐”的道路上进行了不少研究。一种相对简单方式是保留神经信号的承载形式，也就是利用脑机接口从大脑获取并“破译”信号，让机器按大脑的意图运动。在2016年的一项最新研究中，大脑植入芯片的猴子已经自己用“意念”开起了轮椅[1]。
“意念开车”的猴子
而另一种研究思路则更进一步，直接将控制大权交给了人工神经网络。研究者们既让人工神经网络保留了大脑脉冲信号的奇特性质，又拿它驱动类似人体的骨骼肌肉模型[2]。
看起来不甚灵活，但这可是用人工神经网络控制人工肌肉的运动。来自：Dura-Bernal, Salvador, et al.
神经运动控制探索者们的终极考验，就是要把骨骼肌肉神经元这些难搞定的元件都保留下来，然后让人工的“智能”在这样严苛的条件下依然可以再造出与人脑匹敌的运动。身为神经运动控制探索者中的一员，我对于AlphaGo的成就甚感欣慰，但远未叹服。如果有一天，亚洲小李子对面能坐着一个化身人形的 AlphaGo，它能在对弈中举棋落子，得胜后握手言笑，那么人工智能又会进入新的纪元吧。（编辑：窗敲雨）
文章题图：shutterstock 友情提供
参考资料：
- Dura-Bernal, S., Zhou, X., Neymotin, S. A., Przekwas, A., Francis, J. T., and Lytton, W. (2015). Cortical spiking network interfaced with virtual musculoskeletal arm and robotic arm. Frontiers in Neurorobotics 9. doi:10.3389/fnbot.2015.00013.
- Dura-Bernal, Salvador, et al. "Cortical Spiking Network Interfaced with Virtual Musculoskeletal Arm and Robotic Arm." Frontiers in neurorobotics 9 (2015).