我们有一个问题，在一个有着100亿年历史的星系中，应该有足够的机会让至少一个物种摆脱自身的混乱，并蔓延到恒星系，填满每一个壁龛。这个物种似乎并没有被召唤，这就引出了费米悖论——如果生命不是不可能罕见，那么在哪里呢？在天空中搜寻智慧生命迹象的努力也变得毫无意义，这也增加了谜团。也许是星际空间的巨大鸿沟和沟通物种在彼此之间距离内生存的时间窗口狭小造成的。智力就像夜晚在浩瀚的海洋中驶过的小船，任何形式的近距离接触都是非常罕见。
经过数个世纪对外星生命的探索，可能会发现第一次接触不是与有机生物接触，而是是机器智能？草帽星系NGC 781，图片：ESA/Hubble & NASA
博科园-科学科普：另一种对银河系大寂静的解释是，任何幸存的智能生命都与我们有很大的不同，它们是如此的进化，以至于我们甚至无法想象它的形式或行为。因此，实际探测和识别它几乎是不可能的，这有点令人沮丧。但也有可能介于这两个极端之间，这可能是最可能的。当我们的第一次相遇或发现最终发生时，它可能是出现在我们眼前的机器智能。这个想法并不新鲜，早在20世纪40年代，数学家约翰·冯·诺依曼(John von Neumann)就探索了沉浸在计算但不需要操作头脑的非生物、自我复制系统的可能性。
后来在20世纪80年代，其他人在这个概念上进行了扩展，他们考虑了自主、复制、空间运行设备的实际工程需求；这些机器将能够在宇宙中漫游，寻找原材料来建造越来越多的自己，为太空中的能量和恒星之间的人类定居创造基础设施。这将需要一个更复杂的任务，使这些设备拥有真正的人工智能(AI)。这个目的是什么，什么样的人工智能是这样的机器？与外星机器的相遇可以帮助我们解开这个谜团。一种可能是，这台机器超级有能力，超过了我们人类的认知或分析能力。
这样的人工智能可能非常难以理解，无论是从其潜在的动机还是由于通信带宽的实际障碍。对这个设备来说，和我们说话就像和婴儿说话一样。或者用象形文字讨论莎士比亚的作品。一个为处理大量数据流而优化的外星系统可能甚至不能降低它的速度，以至于注意到我们正在尝试对话，不管我们是否使用技术。一个外星人(ET)的人工智能也可能会因为它的机器特性而变得可怕和恐惧：它是由非生命体构成的生物，就像用泥土或泥土塑造的典型魔像。相比之下，虽然一个生物外星人可能令人震惊，但它肯定与我们有一些共同之处。
我们可以说服自己，进化会导致可识别的，甚至是同情的行为和意图。一个人工实体不需要遵循所有这些进化规则，从而将疏远提升到另一个层次。遇到外星人的人工智能，不仅会指出我们自己可能的未来，还会引发我们世界观的奇怪转变。当尼古拉斯·哥白尼(Nicolaus Copernicus)在15世纪提出地球在任何方面都不是宇宙的中心时，他开启了一个重要的科学观点发展：人类没有宇宙上任何特殊或重要的东西。但是遇见一个ET-AI会让我们意识到这一点：如果人类遇到唯一的智能是机器，那么我们就会很特别。
如果人类在宇宙旅行中遇到了一个人工智能，它可能就不会完全意识到这个词了。事实上，认为我们会发现自己面对的是类似于“学者”式的智能——在特定任务上的能手，但在其他方面，它的能力是极其有限。最近在地球上的一个例子是谷歌的AlphaGo Master，这是一个玩棋盘游戏围棋的系统，通过大量的人机游戏目录来学习它的一些技能。在创立一年后，它开始超越世界上排名最高的人类围棋选手。接下来是一个优化的系统，叫做AlphaGo Zero。在40天的训练中，没有借助历史游戏的数据，这个新的人工智能使自己比它的上一代更好。
现在，另一种变体AlphaZero只花了24小时来训练自己，并击败了一种经过训练的AlphaGo零级游戏，同时还击败了其他棋类系统，比如象棋和Shogi。如果你阅读对专家玩家的采访，你会发现这些机器甚至不像人类一样运行，它们的策略是陌生的，而且似乎是不可理解的。这些阿尔法是学者机器的缩影，这样的人工智能将帮助我们解决许多目前处于危险边缘的科学问题。阿尔法系统背后的研究人员已经在讨论蛋白质折叠难题——氨基酸如何扭曲、旋转和折叠成具有基本生物效用的结构。
基本的分子规则是可以理解的，但是预测一个特定的配放，目前是极其困难，这听起来确实像是未来AlphaFold Zero的工作。或者以其他现代科学为例，宇宙模拟或气候和天气预测都是由诸如万有引力、流体动力学和热力学等物理现象驱动。计算机代码将这些现象数字化，计算数十亿次。但是这些计算仍然以处理器的速度和精度来计算。深度学习的自学者人工智能可能会比那些密集的数值模拟做得更好——目前受它们相对缓慢、系统的方法限制
一台机器的敏锐直觉可能会跳过计算周期，以概率的方式“看到”答案，而不是煞费苦心地重新生成一个像素化的版本。同样机器的专家直觉也可以应用于科学推理和发现本身的根本过程。这些可能性还有待探索，但它们可能是非凡的。莎凡特的机器在扩大人类的发现和探索能力方面是如此有用，如此的革命性，以至于没有什么最初的动机去寻找更有价值的东西。
如果这种机器发展的模式正在发生在人类身上，它可以代表一种发生在整个宇宙模式来影响宇宙探索本身的本质。莎凡特AIs系统将成为让生物生命跨越星际距离的终极工具：比生物更强大，也不够聪明，不能根据我们的科学奇思妙想，对被送往太空漫游提出伦理上的担忧。推动数以百万计的研究人员进入太空将是不可避免的一步。它们可以被送往其他恒星和行星系统，并被设计用来识别这些地方最有趣的特征，从天体物理学到生命的存在。这些机器将反映它们的生物创造者动机，也许是单纯的好奇心，也许是更多的东西。
另一个令人信服的理由是，在宇宙中漫游的机器是如何建造更一般、更强大的AIs系统。也许一个通用的人工智能系统可以由许多小的学者组成，每个都承担一些特定的、困难的认知任务，但是它们是联系在一起的。这种联系可能是非常局部性的，或者像生物神经回路的结构一样完全展开。有面部识别专家，自然语言专家，计算器专家，逃税专家。可以想象一个人工智能，它的工作是学习如何将学者的人工智能结合成一种类似于一般智能的东西——为机器意识建立一个从上到下的托儿所。
对于一个托儿所人工智能来说，最具挑战性的任务是如何将其专家团队暴露在真实环境的复杂性之下。自然不仅仅是实现既定目标，它充满了噪音、随机性和数以万亿计的相互作用碎片。例如从胚胎形成的那一刻起，它就受到不断变化的影响。首先是几个细胞，它完全从分子的角度感知世界。当胚胎发展出器官来感知光、声音、触觉和嗅觉时，门户就会体验（以及它们的复杂性）扩展。
简而言之，一个物种创造一个更好的人工智能方法是让人工智能及其组成部分探索未知的宇宙。就像一颗行星一样复杂和滋养，充满世界的宇宙提供了数百万、数十亿、甚至数万亿的自然试管，每一个都有它自己的自然选择和机遇故事。把专家的人工智能碎片散布到整个星球上，提供了一种利用这些无尽的自然实验和感官输入的方法。
通向更好的人工智能道路可能只在表面上与生物进化平行。想想人类大脑的原始发展。核心过程似乎是一次性的努力，它开始于干细胞以每小时1500万的速度，加速形成一个叫做神经管的初始结构，并在发育中的胚胎中连接在一起。大脑这种惊人的组装之后是学习——大脑的形状和修剪，就像经验创造了我们独特的人生之路。虽然我们非常灵活，有能力吸收和掌握各种技能和知识，但不幸的是，作为个体，我们也会受到任何遗传因素的限制。
事实上，虽然我们都可以不断地学习和改变，但在一生中却很少有奇迹般地发展出新的才能。一台机器可能不会那么受约束，尤其是当关键部件正在探索宇宙并被设计成某种新事物的时候。一个更大的智力学者可能会在不断变化的选择和混合中来来去去。有些认知技能在某些情况下可能有用，但在其他情况下可能会成为障碍。换句话说，基于机器的智能可能具有高度的流动性、易变性，而且最重要的是可以快速进化。因此在宇宙中潜伏着的可能是一个巨大而多样的人工智能“动物园”。
在某种意义上，这样的人工智能与地球生命核心微生物机器是平行的——形成了穿越宇宙的最小的智能单位，最终结合在一起，就像进化生物学家林恩·马古利斯(Lynn Margulis)提出的那样，创造出多细胞生物、更大的实体和意识本身。事实上，在一种生物物种在自然选择或自我毁灭的无情洪流中消失很久之后，这种类型的机器仍将存在。地球以外的人工智能可能很难识别。就像生活在12世纪蒙古大草原上的人会发现一辆自动驾驶汽车既神奇又毫无意义一样，我们也可能无法记录或解释10亿年前机器智能的存在。
同样，莎凡特的机器可能不会主动寻求与我们或任何其他智能对话。但是，即使是与一台“学者”机器一次可识别的相遇，也确实会改变一切。它将告诉我们，银河系充满了智慧，并可能预示着人类未来可能是一种退化的、衰退的生物存在。最重要的是，这个发现告诉我们，人类现在可能是唯一有意识地意识到这些事实的人。这是因为能够产生人工智能探索者的生物很可能会在比这些星际机器的持久性短得多的时间尺度上进化或灭绝，而我们已经生活在一个有120亿年历史的星系中。
找到一个AI-ET可以开启人类自己的宇宙探索，照亮前方的道路。它也可能提供对它的创造者本质的洞察，这些祖先的智能，可能是生物形式。这一调查过程究竟会是什么样子，很难想象。即使是一个专业的人工智能也可能不会出现在一个物理包中，而是一群难以消化的小部件。然而让我们假设，通过审讯或文字拆分，最终解开了AI-ET起源的谜团。我们可能会找到像人类这样的有机物种证据——或者我们可能只会在整个过程中发现机器智能。
博科园-科学科普｜文：Caleb Scharf/Aeon
博科园-传递宇宙科学之美
