不發展自己的目標的人工智慧將仍然是人類為提高勞動效率而發明的眾多工具之一。
在大眾看來，人與動物的最大差別就是人類具有高度的“智慧”，而且製造出具有高度“智慧”的機器也被視為將人類從繁重的體力和腦力勞動中解放出來的終極方案。
那麼到底什麼是智慧呢？它是以極快的速度解決複雜的數學問題的能力嗎？在國際象棋和圍棋中擊敗世界冠軍的能力嗎？是檢測影象中成千上萬不同物體的能力嗎？還是預測對話中下一個詞語的能力？
其實，這些都是智慧的“表象”。得益於人工智慧的進步，我們已經能夠在計算機中複製它們，並取得了不同程度的成功。
但是，人工智慧科學家們仍然很難就智慧的定義和衡量標準達成共識。而擁有一套解決問題的能力似乎並不能讓我們更接近於再現自然界中的智慧。
在約翰霍·普金斯大學（Johns Hopkins University）神經科學教授Daeyeol Lee看來，目前的人工智慧系統只是“人類智慧的替代”，因為它們被設計出來僅僅是為了完成人類的各種目的，而不是它們自己的目的。
Daeyeol Lee在他的《智慧的誕生：從 RNA 到人工智慧》（ Birth of Intelligence: From RNA to Artificial Intelligence）一書中認為，真正的智慧是“生命能夠在各種環境中解決複雜問題，以實現其自我複製”。
換句話說，從細菌到草木、昆蟲、魚、鳥、哺乳動物和人類，每一個經過時間考驗並能夠繁殖的生物物種都是智慧的。
“如果我們想評估各種生命形式的智慧，那麼首先考慮的就是哪種生命形式能夠透過在更廣泛的環境中解決更復雜的問題來成功地複製自己。”Lee寫道。
而這也給人工智慧的研究者提供了一個思路，即透過生命和生存的視角來看待智慧，對於理解人工智慧的現狀，包括其侷限性、潛力和未來的方向至關重要。
▍遺傳智慧
自古以來，生命就是一場與死亡的競賽。每一個生物體從出生起就面臨著來自環境的各種危險，無論是食物的匱乏、天氣的突變、其他物種的捕食或競爭資源，還是簡單的時間流逝。
而那些活得夠久的生物（無論是透過更好地適應環境，還是純粹靠運氣）往往都可以進行繁殖，並將它們的基因傳給後代。
同時，它們的後代也不會完全繼承它們的基因，而是會有輕微的差異，即突變（Mutation）。有時，這些突變會增強生物生存的能力，並提高繁殖的機會。
最終，經過數百萬次的繁殖和突變迴圈，它的後代變得更加聰明，該物種得到了進化，生存能力得到了極大的提高。
在單細胞生物和植物中，智慧來自於分類法（Taxis）和趨性（Tropisms），即直接在基因中編碼的靜態行為。分類法和趨性使生物體能夠對其環境中的不同刺激作出反應，如轉向面對光源或向食物來源密集的地方移動。
在這些生物體中，基因完全控制著行為，而智慧則取決於基因的進化。
▍大腦智慧
更復雜的生物體，如動物，已經發展了大腦和神經系統，這為它們提供了更多樣和複雜的行為模式。
神經系統具有反射性行為，比如對疼痛和威脅性噪音的本能反應。但它最大的優勢是學習能力。有大腦的動物透過與環境的互動來學習，調整自己的行為，以獲得最大的回報。這也被稱為強化學習（Reinforcement Learning）。
學習使生物體更加聰明，並使它們能夠在其一生中不斷改變其行為。與單細胞生物相比，動物更善於對環境的變化做出反應，它們不需要等待幾代人的突變，就能將行為的變化融入到它們後代的基因中。它們可以發展出非常複雜和動態的行為，比如為自己創造庇護所、狩獵、照顧幼崽和社交。
有大腦和神經系統的動物的智慧可以被看作是兩個同心圓的迴圈。外環是遺傳進化，即物種的身體和四肢在世代之間的緩慢增強。而內環是快速學習，即每個生物體在其一生中獲得的技能。
這兩種智慧之間存在著協同作用。大腦透過提高生物體的生存和繁殖能力為基因服務。作為交換，進化有利於提高每個物種的大腦先天和學習能力的基因突變（這就是為什麼有些動物生來就有行走能力，而有些動物幾周或幾個月後才學會）。
與此同時，大腦也要做出權衡。當基因把自己的職責交給大腦時，它們就失去了對生物體行為的一些控制。
其具體體現在有時大腦會去追逐一些不利於基因自我複製的獎勵（例如，成癮、自殺）。另外，大腦學到的行為也並不透過基因傳遞（這就是為什麼你沒有繼承父母的知識，而必須從頭開始學習語言、數學和運動）。
正如Lee在《智慧的誕生》中寫道：“大腦功能可以被經驗改變的事實意味著基因並不能完全控制大腦。然而，這也並不意味著大腦完全不受基因的影響。如果大腦選擇的行為阻止了其自身基因的自我複製，那麼這樣的大腦在進化過程中就會被淘汰。因此，大腦與基因的互動是雙向的。”
▍對人工智慧的啟示
一段時間以來，人工智慧界常常通過了解大腦來獲得演算法和新研究方向的靈感。科學家們試圖在計算機中複製大腦和神經系統的認知功能。
但智慧的進化觀點告訴我們，大腦，及其所有的奇蹟和秘密，是基因進化歷史長河中的產物。說得更直白點，大腦只是基因的“代理人”（儘管這種作用非常複雜，有時超出了基因主體的控制）。
“現今的人工智慧仍然不是真正的智慧，不是因為它是由不同於人類大腦的材料和構件組成的，而是因為它設計之初就是用來解決人類選擇的問題，”Lee寫道。“如果人工智慧是真正的智慧，它就必須有自己的目標，併為了自己的利益進行任何可能的嘗試。簡言之，真正的人工智慧應該是為了其自身的利益，而不是為了改善人類的福祉。”
從這個角度來看，目前形式下的人工智慧只是人類智慧的延伸，就像大腦是遺傳智慧的延伸一樣。我們的人工智慧演算法可以在一秒鐘內完成數十億次的計算，並學習做一些超出人腦能力的事情。但它們仍然被設計用來解決人類大腦已經發現和制定的已知問題。
例如，那些擊敗《星際爭霸》冠軍、在影象分類中與人類相匹配、進行實時語音識別的人工智慧系統也只是被設計出來解決人類不可能或難以解決的問題。
而我們的大腦是我們基因的“代理人”。你可以把人工智慧看成是智慧圖譜中的第三個迴圈。它的進化速度比智慧和有機學習快得多，但仍然受到其外環所設定的約束。
因此，不發展自己的目標和功用的人工智慧將仍然是人類為提高勞動效率而發明的眾多工具之一。
“只要計算機不進行物理上的自我繁殖，人類就仍然是擁有人工智慧的主體和行為控制者。”Lee寫道。
