- 智慧的疆界:從圖靈機(jī)到人工智能
- 周志明
- 1885字
- 2019-01-03 17:42:46
1.8 機(jī)器擬人心
反駁了諸多與機(jī)器可以具有思維相對立的觀點的同時,圖靈也正面給出機(jī)器獲得思維的一種可能途徑。在20世紀(jì),人們已經(jīng)對腦科學(xué)有了初步的了解,知道了人類大腦的思維是由腦皮層中大量神經(jīng)元互相連接實現(xiàn)的。雖然從神經(jīng)元具體產(chǎn)生智能和思維的過程尚且不明確,但如果把思維和腦科學(xué)的研究比喻成剝洋蔥的話,當(dāng)人們發(fā)現(xiàn)一些腦部的機(jī)制可以通過物理方式解釋時,就把它像洋蔥皮一樣剝除掉,這時候又會發(fā)現(xiàn)一層新的秘密在里面需要剝除。一直這樣下去,我們會看見一個人類科學(xué)所無法解釋的“靈魂”存在?還是會發(fā)現(xiàn)洋蔥皮最后一層里面什么都沒有了,所有大腦創(chuàng)造智能的過程都能夠用物理和化學(xué)現(xiàn)象來解釋?世界上大至宇宙星系,小至分子、原子都遵從物理定律,這是現(xiàn)代科學(xué)界普遍接受的信仰,很難讓人唯心地相信在人類大腦這里就會有無法使用物理定律解釋的神秘現(xiàn)象出現(xiàn),認(rèn)同這點的人,也應(yīng)該能認(rèn)同思維的存在也必將是被物理定律所約束的。如果確實有一個或多個能夠解釋思維的定律或理論存在的話,就非常有可能找到能承載智慧的抽象模型,然后通過機(jī)械來實現(xiàn)它。
必須承認(rèn),直接設(shè)計一個對等于成年人思維的機(jī)械智能無疑是困難而復(fù)雜的,因為一個成年人的大腦,除了出生時初始的生物狀態(tài)之外,他所接受的教育以及那些經(jīng)歷的不能稱為教育的事情,都會導(dǎo)致他大腦中各種細(xì)節(jié)發(fā)生變化。那能否將問題簡化,先嘗試設(shè)計一個等同于初生嬰兒大腦的機(jī)械智能呢?這個機(jī)械智能可以沒有任何預(yù)置的知識,對世界的認(rèn)知可以如同白紙一般,它只需要具有學(xué)習(xí)進(jìn)化的能力即可。如果將這個智能定義為“學(xué)習(xí)機(jī)器(Learning Machine)”,那創(chuàng)造人工智能的過程就可以分解為建造一部學(xué)習(xí)機(jī)器以及對這部機(jī)器的教育過程兩個部分。
1950年人工智能尚未形成一門真正的科學(xué),礙于那時的歷史局限性,圖靈不可能在當(dāng)時就給出一部擁有自主進(jìn)化能力的學(xué)習(xí)機(jī)器的詳細(xì)設(shè)計,因為其中涉及細(xì)節(jié)問題,幾乎每一項都成為日后人工智能中的一門學(xué)術(shù)分支,解決這些問題所要付出的努力是當(dāng)時根本無法想象的,其中部分列舉如下。
● 接受外界信息的能力,如機(jī)器視覺、語音識別、語義理解等。
● 存儲和使用知識的能力,如知識表示、知識工程、自動推理等。
● 改進(jìn)自身的能力,如基于統(tǒng)計、概率、符號、連接的各類機(jī)器學(xué)習(xí)模型等。
● 反饋外界的能力,如自然語言處理、語音合成技術(shù)、運動平衡技術(shù)等。
● ……
退一步說,即使有人聲稱已經(jīng)做出來了一臺學(xué)習(xí)機(jī)器,如何保證對機(jī)器的正確教育和評估也是一個很大的問題。這臺機(jī)器肯定不可能像人類的方式那樣靠生活、上學(xué)這樣的經(jīng)歷來成長進(jìn)化,人們也無法在短時間內(nèi)就評估出不同學(xué)習(xí)機(jī)器的效果優(yōu)劣來。
對于如何教育學(xué)習(xí)機(jī)器的問題,我們可以嘗試通過計算機(jī)模擬,使用遺傳算法(Genetic Algorithm)來解決,把學(xué)習(xí)機(jī)器的進(jìn)化和生物進(jìn)化論中物競天擇的思想聯(lián)系起來。將學(xué)習(xí)機(jī)器假設(shè)為一種生物,當(dāng)機(jī)器有符合人類行為的正確響應(yīng)時給予獎勵,在發(fā)生不恰當(dāng)行為時給予懲罰。獲得更多獎勵的機(jī)器,將會有更好的生存環(huán)境,能存活更久,更容易產(chǎn)生后代。每一代都在遺傳上一代特征基因的基礎(chǔ)上隨機(jī)進(jìn)化,在若干代進(jìn)化之后所得到的族群,肯定是更符合我們所設(shè)定目標(biāo)的學(xué)習(xí)機(jī)器。筆者這里通過一個簡單的實驗來模擬這種思想:假設(shè)有一種“生物”是由250個不同顏色、不同透明度的三角形組成,這種生物以“是否長得像蒙娜麗莎”為優(yōu)勝劣汰的判定標(biāo)準(zhǔn)(逐個像素比較相似度),如果更像蒙娜麗莎的話就可以存活更久,產(chǎn)生更多后代(后代會繼承前一代的基因基礎(chǔ))。從實驗結(jié)果可以看到,第100萬代時這種生物的樣子已經(jīng)進(jìn)化到幾乎和蒙娜麗莎的樣子沒有什么區(qū)別,這個甚至有可能是只能用250個透明三角形來模擬蒙娜麗莎的最優(yōu)解了
。

機(jī)器使用遺傳算法繪制的蒙娜麗莎
圖靈這篇論文中關(guān)于學(xué)習(xí)機(jī)器的描述是最早出現(xiàn)的計算機(jī)遺傳算法思想的文獻(xiàn)記錄,使用計算機(jī)來模擬學(xué)習(xí)機(jī)器的進(jìn)化在1950年肯定只能是個假想,完全不具備實踐可行性的實驗。但誰也沒有預(yù)料到幾十年后會有互聯(lián)網(wǎng)這樣的黑科技出現(xiàn),從此人類在數(shù)十億網(wǎng)民的共同積累下,制造出了一個無比龐大的,幾乎包含了所有人類行為的知識庫。學(xué)習(xí)機(jī)器是完全有可能通過這個知識庫去判斷哪些行為是人類行為中概率更高的。有了判定標(biāo)準(zhǔn),學(xué)習(xí)機(jī)器也就有了學(xué)習(xí)進(jìn)化的方向,這種方案的實踐可能性正在慢慢變大。關(guān)于機(jī)器通過互聯(lián)網(wǎng)學(xué)習(xí)知識從而進(jìn)化出智能和意識的故事情節(jié),近年來多次出現(xiàn)在科幻小說和電影之中,許多精英學(xué)者,如天體物理學(xué)家史蒂芬·霍金(Stephen Hawking,1942—2018)、人工智能學(xué)家斯圖爾特·拉塞爾(Stuart Russell,1962—)也都向公眾預(yù)警過存在這種可能性,雖然他們同樣無法給出嚴(yán)謹(jǐn)?shù)淖C據(jù)來證明或者證偽。機(jī)器進(jìn)化獲得智能的可能性是否會變成現(xiàn)實,答案恐怕只能留待時間來回答,留待未來去見證了。
- AI源碼解讀:數(shù)字圖像處理案例(Python版)
- 人人都離不開的算法:圖解算法應(yīng)用
- 機(jī)器視覺自動檢測技術(shù)
- 2019年華北五省(市、自治區(qū))大學(xué)生機(jī)器人大賽:人工智能與機(jī)器人創(chuàng)意設(shè)計賽論文集
- 玩轉(zhuǎn)ChatGPT:秒變AI提問和追問高手
- 從零構(gòu)建大模型
- 大模型實戰(zhàn):微調(diào)、優(yōu)化與私有化部署
- CPS:新一代工業(yè)智能
- 可解釋人工智能導(dǎo)論
- DeepSeek:打開財富密碼
- 大模型項目實戰(zhàn):Agent開發(fā)與應(yīng)用
- 人工智能初學(xué)者指南
- 深度學(xué)習(xí)之TensorFlow:入門、原理與進(jìn)階實戰(zhàn)
- 深入淺出圖神經(jīng)網(wǎng)絡(luò):GNN原理解析
- 人形機(jī)器人(原書第2版)