人類輸給過哪些動物和機器？
發明工具、建立互聯網、改變生物基因，甚至幻想尋找外星人創建星際聯盟，人類似乎無所不能。但事實上，即使與普通動物相比，人類在許多方面也存在差距。我們並不是造物主最完美的「作品」。
視覺弱於鳥類
在哺乳動物中，人類視覺還算湊合。隨便找個哺乳動物和人類來場辨別顏色的實驗，人類都能勝出。這是因為人類的視覺是三色的，即視網膜上有三種不同的錐狀細胞，分別對藍、綠、紅三個波段最為敏感，而大多數哺乳動物只對其中兩種顏色敏感，只有雙色視覺。「三色」對「雙色」，人類贏。
而，如果對手是鳥類，人類卻必輸無疑：鳥類在擁有三色視覺的基礎上，還有一種人類沒有的感光通道，能看到我們看不到的紫外線，它擁有「四色視覺」。雖然一些實驗表明，極少數人類也有四色視覺，但仍局限於可見光的範圍內，他們也看不到紫外線，輸給了鳥類。
空間記憶力不敵北美星鴉
鳥類是大自然中的「精靈」。它們不僅視覺很出色，空間記憶能力也很棒。倘若考慮到，2.8億年前，鳥類與猿類的腦進化就已分道揚鑣，鳥類大腦並沒有人類那種層層疊疊的皮質，鳥類能打敗人類的記憶實在是令人驚奇。
北美星鴉就是鳥類中超群記憶力的「代言人」。
為了度過漫長的、缺少食物的冬天，北美星鴉從盛夏就開始忙碌起來。美國白皮松的松球里充滿了飽滿的松子，它們都是北美星鴉的搜集目標。北美星鴉從一棵樹沖向另一棵樹，仔細地檢查每個松球，找到合適的就用鋒利的喙將松子一個個揪出來。據研究顯示，最快的星鴉一分鐘能採集32顆種子，不到3分鐘就能將喙下的袋囊填滿。袋囊裝滿後，北美星鴉就會找地方卸貨，石頭後面、灌木叢下面、樹洞裡面等，全是卸貨點。整個夏天，它們都會這樣一直忙下去。到冬天來臨的時候，一隻鳥通常有5000到20000個松子埋藏點。而且，它們能記住這些埋藏點的方位！你看吧，冬天，到了飯點兒，它們會先飛到埋藏地附近的樹上，稍作停頓，然後就一跳跳地到地面開挖——準確率還蠻高。動物界中，紅松鼠也有在多個樹洞里儲藏松子的習慣，但它的空間記憶力要遜色得多，找不到埋松子的地方是常事。
研究人員認為，北美星鴉靠三角定位的方式來記憶埋藏種子的位置，比如利用埋藏點周圍的岩石和樹木幫助記憶。這意味著，每隻星鴉的腦中都有成千上萬張的「空間藏寶圖」。找一個人來記憶成千上萬張「空間藏寶圖」？人類恐怕只有認輸的份兒，因為一個人可能連準確記憶區區幾張「平面藏寶圖」也做不到。
平面記憶力敗給黑猩猩
其實人類的空間記憶力不僅難比北美星鴉，而且和黑猩猩比賽記憶「藏寶圖」，也是最後以敗北告終。
在一次實驗中，12名大學生「對戰」6隻黑猩猩。「平面藏寶圖」是9個出現在平面不同位置的數字，人類和黑猩猩需要在「藏寶圖」瞬間消失後再現「藏寶圖」中9個數字的正確方位。結果，大多數黑猩猩都做到了，而人類卻搞得一塌糊塗。對戰黑猩猩的「平面記憶」，人類又輸了一次。
為什麼人類的「平面記憶」與「空間記憶」要遜色於黑猩猩和鳥類呢？因為人類處在一個複雜的生活環境，需要多方位的記憶能力，我們不用像黑猩猩那樣，需要強悍的平面記憶力來一眼辨認出猩猩群中的「敵對分子」，也不用像鳥類那樣需要非凡的空間記憶力度過難熬的寒冬。但是，這兩種能力，平面記憶能力和空間記憶能力，對黑猩猩和鳥類來說卻相當重要。如果黑猩猩缺少平面記憶，那麼就無法在最短時間內找到敵手，並佔領地盤奪取食物，這會使得它們的個體生活受到嚴重影響。而冬季的北美星鴉如果記不住食物儲藏的地點，那麼，自己餓死不說，新生的雛鳥也會一命嗚呼。
棋藝輸給「深藍」和「AlphaGo」
人類與動物相比，在很多方面都不佔優勢，但有一點可以秒殺地球上所有其他動物，那就是人類所擁有的高超智慧。
不過人類的智慧正在被人類自己所創造出來的機器碾壓——這就是橫空出世的人工智慧。第一台機器人誕生於1956年，這一年科學家首次提出了「人工智慧」的術語。經過幾十年的發展，人工智慧的智慧變得越來越強大，強大到人類智慧開始有點招架不住了：
1997年，IBM公司設計的人工智慧「深藍」戰勝了國際象棋世界冠軍卡斯帕羅夫；
2015年，AlphaGo在與圍棋高手樊麾二段的比賽中，以5:0的絕對優勢獲勝；
2016年，AlphaGo對戰世界圍棋冠軍，贏了職業九段選手李世石；
2017年，AlphaGo與世界排名第一的柯潔對戰，以3:0的全勝戰績結束比賽；
2017年，升級版AlphaGo再次以微弱優勢戰勝由5位世界圍棋冠軍組成的團隊。
「深藍」是IBM公司生產的世界上第一台超級國際象棋電腦，具有強大的計算能力，可以計算所有國際象棋路數來選擇最優策略，平均每秒可計算棋局變化200萬步。不過，雖然「深藍」贏了人類，可是贏得卻很吃力，1997年戰勝卡斯帕羅夫之前，還曾被人類打敗過。
與「深藍」不同，AlphaGo挑戰人類時，人類幾乎沒有取勝的機會。「深藍」靠的是死記硬背般「硬算」，而AlphaGo靠的是超強學習能力。它可以自發研究新策略，能夠像人類一樣思考。2015年，AlphaGo在贏了樊麾二段之後，它自行下了數千場圍棋比賽，來研究下一步的迎戰策略。這為它後來擊敗人類頂尖冠軍打下了堅實的基礎。
從「深藍」到AlphaGo，像人類在演化史上那樣，人工智慧在不斷進化。深度學習是人工智慧的未來。未來的機器人將能夠模擬人腦神經網路來分析學習，思維也會越來越接近人類。
象棋、圍棋，人類已經不敵「人工智慧」。但不久的將來，人類可能會在更多方面敗下陣來。
第一位「非人類」作曲家已出現，它叫Amper，是可以作曲的人工智慧，由一群專業的音樂家和工程師開發而成。如今，它已經和一位美國歌手泰林·薩頓合作，發布了一首新歌《Break Free》。聽說效果還不錯。
在美國迪士尼公司和麻省理工研究人員的共同努力下，第一位人工智慧故事短評家也誕生了，它可以很好地預測故事的流行度。未來，電影公司可能會「僱用」它來幫助甄選劇本。
一位軟體工程師是《權力的遊戲》的愛好者。因為他等不及原著作者出新書，所以創造了一種人工智慧，被稱作周期性神經網路，將成為第一個寫長篇小說的「非人類作家」。儘管這個人工智慧的功能還不大完善，但誰知道，今後會不會進化成為第二個讓人類無法還擊的「Alpha作家」呢？
……
人類輸過這麼多動物和機器，未來，還會輸得更慘。現在，你還認為人類是地球上最強的嗎？
本文源自大科技〈科學之謎〉 雜誌文章
TAG:知識百科 |