当前位置:下各网>科技>人工智能实现智能的核心:学习人类的弹性思维

人工智能实现智能的核心:学习人类的弹性思维

时间:2019-11-05 17:24:01 点击:1916    
而当下基于数据和算法的人工智能,研究的其实更多还是大脑“学习”的过程,而非真正的“智能”,因为真正的智能一定是具备非常高的弹性的。之所以会有这种差距是因为机器智能本质上都是在自上而下地执行指令,即所谓

此前,“波士顿动力机器人”被人虐待后进行反击的视频在社交网络上爆炸。虽然这段视频中的机器人是由波士顿电力公司的工作人员播放的,但人们的疑惑和担忧并非毫无根据——机器人真的如此聪明以至于能够产生反抗意识吗?人工智能真的有能力积极回应外部刺激吗?人工智能和人类之间的差距有多远?

在这个基本功能不断变化的社会里,我们每个人都必须为个人生活设计新的应对方法,所以“思维品质”变得越来越重要,衡量这种品质的最关键因素是“适应能力”——我称这种能力为“灵活性”。

高等生物和低等生物在思维过程中最重要的区别之一是它们在面对变化时是否能“本能地”刺激灵活的应对方法,因为“灵活性”是一种多样化的思维能力,它能在大脑之前处理信息(即逻辑思维),这种能力非常重要。目前,基于数据和算法的人工智能实际上更多的是关于大脑“学习”的过程,而不是真正的“智能”,因为真正的智能必须具有非常高的灵活性。

让我们从一个简单的例子开始:

仔细看,上图中的单词都拼错了。也许有许多计算机程序可以识别和阅读打印文本,但是当文本严重偏离标准拼写时,它们就无能为力了(不要相信你会尝试)。相比之下,我们人类很容易理解它们。对于有基本英语能力的人来说,可以说没有阅读它们的压力。至少,你还可以理解它的一般含义。

事实上,在20世纪50年代,电子计算机出现后不久,信息科学家认为人工智能很快会打败人脑,但这些计算机语言学家仍然低估了我们人脑的无意识语言处理能力。他们认为用计算机程序复制这个过程很容易,但是他们没有成功。

当时,有一个早期的电脑翻译故事,把谚语“精神愿意,但肉体软弱”翻译成俄语,然后从俄语翻译成英语,但得到的结果是“伏特加浓,但肉烂”(伏特加浓,但味道烂)。

存在这种差距的原因是机器智能本质上是从上到下执行指令,即所谓的逻辑分析思维。人脑可以自上而下、自下而上处理信息,这是人类特有的应变能力,反映了人类智力中的“弹性”力量。

因此,可以说,如何使机器人真正获得灵活反应的能力,并知道如何反击,已经成为人工智能领域核心需要解决的最困难的问题之一。那么,在这个阶段,人工智能和人脑在应对变化方面有什么不同,机器人智能进化的机会可能出现在哪些领域?

无论竞争还是反击,人类和人工智能面对客观物理世界的第一步都是“看世界”本身,但我们人类和人工智能对世界上的各种物体有不同的识别模式。

麻省理工学院经济学家大卫·阿特尔提到了一项“视觉识别椅子”的任务。任何学龄儿童都可以很容易地做到这一点,但是依赖程序和算法的计算机如何生存呢?您可以尝试识别关键的定义特征,例如具有水平表面、靠背和腿。不幸的是,这些特征还包括许多不是椅子的物体,例如有腿的炉子和内置的后挡板。另一方面,没有腿的椅子不符合这个定义。

伦纳德·洛迪诺(伦纳德·罗提现在)和他的《灵活性:快速变化世界中的灵活思维》(中信出版集团,2019年)与霍金合作完成了《时间简史》(时间简史)和《大设计》。他曾经是一名真正的理论物理学家,后来带着6000美元的梦想去了好莱坞,成为《星际迷航:下一代》和其他剧本的编剧。

很难通过合理和基于规则的描述来定义椅子,因为定义不仅包括典型的椅子,还包括各种新椅子。那么三年级学生是如何认识它的呢?答案是:非算法灵活思维。解释人类不需要清晰的步骤定义来实现我们的想法和解决方案。我们不能通过深思熟虑和明确表达的定义来判断什么是椅子。相反,我们的潜意识神经网络甚至已经学会用一种我们多年观察都没有意识到的方式来描述物体的复杂特征。

谷歌的一些聪明的前瞻性计算机科学家现在正试图通过模拟我们的大脑神经网络来改进普通计算机。他们建造了一台机器,可以在没有人工监督的情况下学会识别“猫”的视觉图像。这个项目需要1000台计算机联网。然而,一个三岁的孩子可以一边吃香蕉一边涂花生酱。

这向我们展示了人脑和数字计算机结构中的一些关键差异,也告诉了我们一些关于我们自己的重要信息。与我们的大脑相比,计算机是由相互关联的开关组成的,我们可以通过电路和逻辑图来理解这些开关。他们通过遵循一系列明确定义的步骤(程序或算法),根据特定任务以线性方式执行分析。谷歌科学家将1000台这样的计算机连接起来,形成一个神经网络。他们取得了令人印象深刻的成就,这也是一种有希望的方法。然而,我们的大脑做了更多令人印象深刻的事情,形成了一个由数十亿个细胞组成的神经网络,每个细胞都与成千上万个其他细胞相连。这些网络被整合到更大的结构中,这些结构被更高层次的结构所吸收,等等,形成了科学家才刚刚开始理解的复杂的层次结构。

事实上,近年来,计算机界已经认识到生物系统在信息处理方面的优势。人工智能领域的研究人员已经在尝试复制这个过程,并设计一个软件来模拟人脑的自下而上的神经网络。但这仅仅是开始,因为理解世界是第一步,更重要的智力表现当然是实际解决问题。

早在20世纪50年代,许多信息科学的先驱们就认为,如果世界上所有的顶尖专家都聚在一起开会,他们就可以创造一台计算机来解决人类甚至人类无法解决的所有问题,他们的智力可以与人类的思维相媲美。但是他们没有发现分析思维和灵活思维之间的区别。这些科学家认为我们的人脑只是一台“有血有肉”的电脑。他们筹集了足够的资金,并最终在1956年举办了达特茅斯人工智能夏季研究项目,但他们没有兑现之前的承诺。

当时,最著名和最有影响力的项目被称为“一般问题解决方案”。听起来像是你在深夜电视上看到的广告。它类似于一个9合1的搅拌器/开罐器,可以制作意大利面,或者一把水果刀,可以用来磨指甲。通用问题解决程序这个名字听起来有些夸张,但它实际上反映了那些研究者对这个项目潜力的天真想法。

为什么一个普通的问题解决方案不可行?因为计算机本质上是符号运算符。这些符号可以用来表示关于世界的事实,表示描述不同事实之间关系的规则,以及表示如何操作这些符号的规则。通过这种方式,早期的科学先驱推断出计算机可以通过程序进行思考。

这项努力已经取得成果。例如,电脑可以在围棋比赛中击败最好的人类玩家,谷歌的翻译软件大大增强了它的功能。然而,今天人工智能神经网络系统的内部表示是专门为其应用定制的。如果目标任务发生变化,他们将无法调整自己的处理过程,更不用说将他们的智能应用到不同的领域了。一位人工智能专家表示,他们非常擅长“在高度结构化的环境中”学习,但“这不是真正的人类理解”。

例如,如果简喜欢桃子派,而鲍勃刚刚烤了一块桃子派,计算机能计算出简对鲍勃烤的东西的爱——甚至对鲍勃自己的爱吗?它真的像计算数字“2”的平方根那么简单吗?显然情况并非如此,因为该程序忽略了现实世界问题中固有的模糊性。简喜欢桃子派并不意味着她会喜欢鲍勃的桃子派,或者即使她不喜欢鲍勃的桃子派,也不意味着她不喜欢鲍勃。其中有许多非常模糊的因果关系,可能有各种变量。要处理变量,必须有灵活的思维。

安德鲁·摩尔(Andrew Moore)曾担任谷歌副总裁,随后辞职,前往卡内基梅隆大学领导计算机科学学院。用他的话说,今天最复杂的计算机只是“解决特定问题的智能计算器”。例如,计算机可以计算物理学中神秘的方程式,以及黑洞碰撞时会发生什么。然而,首先,人类必须通过从更一般的理论中推导出特定过程的方程来“建立”这个问题。没有一台计算机能够自己创造理论,创造理论也需要弹性。

因此,也许人工智能成功的关键在于需要发明一台愿意解决问题的计算机。“有功功率”本身就是灵活性的反映。

因此,这也导致了另一个更困难的问题——“人类本能”。是的,当前的科学已经证明,本能实际上是各种神经反应的集合,但这种潜意识反应是人工智能领域研究中最困难的。如果能够实现,这一突破将是一个里程碑。这种不需要逻辑分析的反馈,也就是我们通常所说的“感觉能力”,是一个非常复杂的过程。

这种能力可能是你听到笑话时大脑的反应,也可能是你听到简单的英语单词“心”和“心碎”时的情绪状态。人脑能够理解各种“隐喻”,这是左右脑共同作用的结果,这种“多任务训练”也是当前人工智能前沿研究的难点。

在这里,让我们用一个图像案例来解释我们人类可以一边和朋友喝茶一边玩围棋。如果我们的朋友中有外国人,我们可以实时翻译。然而,即使是当今最先进的计算机也没有真正实现以前常见的解决问题程序希望达到的人工智能水平。

因此,计算机科学家必须让一台机器玩围棋,另一台机器翻译。人脑可以同时处理这两项任务,甚至更多。它可以让你同时保持平衡,所以你可以一只脚站立同时处理多项任务。这种灵活性在动物的大脑中显然是必要的,因为我们在生活中面临许多情况,不能为每种情况进化出一个单独的大脑。正是为了解决复杂生命形式所面临的前所未有的问题,我们进化出了灵活的思维,能够在没有外部干扰的情况下自发地创造表征。这是我们在这个不断变化的世界中生存的必要技能,也是生物信息处理的奇迹。

因此,如果你今天想创建一个共同的解决问题的计划,最好的方法仍然是找到一个伴侣并有一个孩子。

人类的智力是很难超越的,但是随着人工智能领域研究的不断演进和发展,要实现真正的智能和人类思维的灵活性,也许值得更深入的理解。

作者:列纳德·蒙洛迪诺(加州理工学院教授)翻译/张梅和张越编辑:于颖

黑龙江11选5投注

 
 

 

 
随机新闻
 
热门新闻
 
最新新闻
 
© Copyright 2018-2019 myadyna.com 下各网 Inc. All Rights Reserved.