学徒（五）

时间倒退回三个月前。当第一波新闻宣传结束后，沉思公司正式展开了下一步企划。媒体的反响很不错，可这对于沉思公司来讲远远不够。沉思公司有着改革人工智能技术的远大目标，并不满足于浮于表面的大众关注。为了取得学术界的认可，沉思公司需要更严谨、切实的科学结论。学徒能演奏钢琴，但是到底演奏得有多好呢？作为人工智能，学徒的表现有多接近人类呢？找出这些问题的确切答案，才算真正证明了学徒的科学意义。

想要评定学徒的钢琴水平有多好、多接近人类，并不是一件容易的事。音乐的评判是主观的，不能像测量长度、质量、速度一样给出精确的数值。评判人工智能的好坏就更困难了。人工智能的发展仍处于初级阶段，没有一个世所公认的衡量标准。所以，沉思公司决定自行设计一套实验检测方案。如果设计成功，很有可能成为人工智能业界的一项基准化测试，在将来获得广泛的应用。

虽然明知不太可能成立，沉思公司的研究人员在一开始时还是尝试了建立一套机械化的数值测量体系。测试内容是演奏数首经典钢琴曲，其中包括了巴赫、柴可夫斯基、肖邦等著名音乐家的作品。测试的指标是演奏速度、强度、音符时长等数值。同时，研究人员统计了大量人类钢琴家的演奏数据，同样记录了以上的数项指标，以其作为基准参考数值。最后，将人工智能的测试数值与人类基准数值相比较，差异小于某个阈值则算为通过测试。

在实际进行之后，研究人员发现：由于人类钢琴家的演奏风格不同，基准参考数值本身存在比较大的方差，很难确定一个准确的范围。如果范围定的过大，几乎任意演奏都能通过测试。如果范围定的过于狭窄，那么连人类的演奏都可能被误判为机器演奏。

经过一段时间的调研过后，研究人员终于得出结论：要创造一个能判断演奏者是不是人类的程序，其难度不亚于开发一个演奏水平接近人类的人工智能。如此规模的项目，在短期内不具有可行性。

既然机械测试被排除，那么只剩下显而易见的唯一选项了，就是让人类来评判。于是有人提出进行图灵测试。

图灵测试是人工智能领域的著名测试，用来检测机器是否拥有智能。其大概内容是，测试人员与两个测试对象（分别为机器和人类）彼此不能看见，只能通过文字交流。测试人员可以向两个测试对象用文字提问，测试对象要作出回答。根据回答，测试人员要判断哪个是人类，哪个是机器。如果无法判断，那么就认为机器通过了图灵测试。

这个测试的核心思想是：我们很难对智能下定义，人类是唯一已知的智能，那么只好让人类去判断机器是否有智能。

这个测试历史悠久，是最早、最著名的智能检测提案。与此同时，图灵测试也经受了诸多批评。最有力的批评就是，这个测试的哲学根基非常不可靠。我们能不能仅凭外部表现就判断一个机器是否有智能呢？很多哲学家认为答案是否定的。比如说著名的思想实验「中文房间」。在这项实验中，一个不懂中文、只讲英语的人被关在一个封闭的房间里，只能用纸条与外界交流。同时房间里有一本用英文写成的手册，指示如何处理与答复中文讯息。房外的人在纸条上用中文写上问题，递进房间里。房内的人接到问题后，查阅手册，按照手册上的指示书写答复，再递交给房外的人。这样一来，尽管房内的人对中文一窍不通，房外的人却无法判断房内的人是否真的懂得中文。根据这个思想实验，图灵测试并不能真正判断机器是否拥有智能。即便机器通过了图灵测试，我们要如何判断机器是真的拥有智能还是仅仅表现得像是拥有智能呢？

好在沉思公司并不是一家哲学研究所。学徒项目的目标在于开发出能达到人类演奏水平的机器。至于机器是否真的懂得音乐，怎么样才算懂得音乐，就留待哲学家去考证吧。站在工程学的角度，如果一样东西长得像鸭子，游泳像鸭子，叫起来像鸭子，那么把它当成鸭子就没有什么不妥。
原始版本的图灵测试是检测自然语言的。受此启发，研究人员设计了音乐版的图灵测试。大体思路是，让测试人员盲听钢琴曲，然后判断是否是人类演奏。

为了完善测试，有许多细节需要处理。比如说，是现场演奏还是播放录音？是演奏整首还是截取片段？测试人员与演奏者之间可不可以有互动？
这些问题非常重要，因为测试人员很有可能凭借演奏细节的差异而不是演奏水平去作出判断，间接实现作弊。比如说，人类演奏很难、甚至说不可能保证零失误，而学徒则不会弹错任何一个音节。如果测试人员利用听到失误来确定对方是人类，那就违背测试的本意了。学徒是能够进行一定程度的互动的，比如说按照指示提高或降低演奏速度。但是考虑到作弊的问题，最终还是否决了测试中的互动。

经过研究探讨，正式的测试提案如下：

一，测试曲目为专家选定的五首钢琴曲：巴赫《平均律降e小调前奏曲与赋格》，海顿《D大调奏鸣曲》，肖邦《升c小调幻想即兴曲》，勃拉姆斯《间奏曲Op.117 No.2》，拉赫玛尼诺夫 《c小调音画练习曲》。限定五首曲目是为了控制工作量。

二，每首钢琴曲学徒都演奏了多个不同版本，以免演奏风格雷同导致被轻易识别。

三，人类演奏以上五首钢琴曲并录音。

四，从学徒与人类的录音中截取三十秒到两分钟之间的片段。这是为了剔除掉有明显人为失误的录音。

五，将以上录音打乱顺序后随机抽样分组。

六，挑选音乐专业人士作为测试人员。

七，测试人员将按顺序听到五组录音。每组录音包含同一曲目的十个演奏片段。这些片段可能是人类演奏的，也有可能是学徒演奏的。片段的选取完全随机，可能出现全部是人类演奏或全部是学徒演奏的情况。

八，对于每个录音片段，测试人员要判断是人类还是学徒演奏，同时对表演作出十分制的评分。如果判断为学徒演奏，还要对于与人类的相似程度作出十分制的评分。如有需要，测试人员可以要求反复聆听。

九，统计测试结果。

在测试提案通过后，沉思公司马不停蹄地展开了测试工作。学徒的演奏录音工作是最容易进行的，工作人员很快就准备出了大量录音。比较耗时的是征集人类录音和测试人员。

为了获取人类演奏数据，沉思公司与音乐院校合作，抽选钢琴专业优秀学生录音。这些学生都是未来的钢琴家，足以代表人类演奏的一流水平。这一点体现出了沉思公司对学徒的信心。如果选取的人类演奏与学徒的演奏水平差异过大，那么学徒将会被轻易识别出来。沉思公司认为学徒目前的水平是处于一流档次的。值得一提的是，为了防止演奏技术变形，这些学生并没有被告知真正的实验目的。如果学生知道了自己的演奏要与人工智能作比较，多多少少都会在心态上受到影响，录音恐怕就会产生问题。所以在明面上，院校方面仅仅声称这些录音将会用于大数据研究，甚至没有提到沉思公司。

沉思公司经过多方联系，征集到的测试人员总数达到数百人，来自世界各地。他们都是具有专业鉴赏水平的音乐从业人员，如音乐演奏家、音乐评论家、音乐教授等等。

由于测试的特殊性，沉思公司还请来了心理学专家对实验进行监督，避免由于心理因素干扰实验的准确性。参与此次测试的所有相关人员，无论是沉思公司的科研专家还是测试人员，都被要求客观严谨地面对测试。测试本身也预先考虑到了人类主观判断可能造成的误差。

等到一切准备完毕，测试终于正式开始了。所有的工作人员都既紧张又兴奋，期待着实验结果。由于测试人数众多，时间安排比较复杂。加上力求实验准确，为每位测试人员预留了充足的监听录音与思考的时间，所以单次测试的流程也拖得比较长。在资金、场地非常充足的情况下，整个测试还是用了一个多月。

 激动人心的时刻到了，工作人员迅速地在公司内部发表了初步的测试报告：

一，学徒的演奏录音在95%的测试中被判断为人类。同时，有接近5%的人类演奏录音被误判为人工智能。

二，正确判断出学徒是人工智能的情况下，测试人员为学徒接近人类的程度打出了9.2的平均分，为学徒的演奏水平打出了8.7的平均分。在误将人类判断为人工智能的情况下，测试人员为与人类相似度打出了9.6的平均分，为演奏水平打出了7.9的平均分。

结果出来后，整个公司上上下下所有人的情绪都沸腾了。这份测试结果充分说明了，学徒与人类在钢琴演奏上的相似程度已经近乎无可区分，而且学徒的表演即使在音乐专家看来也达到了一流水准。

人工智能的新里程碑正式诞生了！