試圖敲開人類智能硬核

 

　　人類在學(xué)習(xí)中獲得新知識和新技能。如果機(jī)器可以像人類一樣擁有學(xué)習(xí)能力，是否也意味著其越來越智能？“在人工智能領(lǐng)域，讓機(jī)器通過學(xué)習(xí)獲得盡量多且足夠高級的知識與技能正是機(jī)器學(xué)習(xí)的終極目標(biāo)。”山東大學(xué)哲學(xué)與社會發(fā)展學(xué)院教授王華平告訴記者，機(jī)器學(xué)習(xí)旨在賦予計(jì)算機(jī)沒有顯性編碼情況下的學(xué)習(xí)能力。

 

　　美國人工智能學(xué)家湯姆·米歇爾給出的機(jī)器學(xué)習(xí)定義被學(xué)界普遍認(rèn)可：“一個(gè)計(jì)算機(jī)程序被稱之為從與某類任務(wù)T和性能度量P有關(guān)的經(jīng)驗(yàn)E中學(xué)習(xí)，當(dāng)在任務(wù)T中它的以P為度量的性能因?yàn)榻?jīng)驗(yàn)E得到了提升。”“根據(jù)這一定義，機(jī)器學(xué)習(xí)必須具備三個(gè)要素：任務(wù)、性能度量和訓(xùn)練經(jīng)驗(yàn)。”王華平舉例說，比如一個(gè)電子郵件程序通過監(jiān)視你將哪些郵件標(biāo)為垃圾郵件這樣一個(gè)訓(xùn)練經(jīng)驗(yàn)，而學(xué)會了更好地過濾垃圾郵件。AlphaGo之所以能夠打敗圍棋高手，是因?yàn)檠芯咳藛T在AlphaGo身上運(yùn)用了深度學(xué)習(xí)技術(shù)，讓它受到了3000萬步棋的訓(xùn)練。

 

　　“機(jī)器學(xué)習(xí)技術(shù)意味著人工智能從基于規(guī)則的套路演化為基于統(tǒng)計(jì)，或者基于規(guī)則與統(tǒng)計(jì)結(jié)合的思路。”復(fù)旦大學(xué)哲學(xué)學(xué)院教授徐英瑾介紹說，當(dāng)代人工智能采用的深度學(xué)習(xí)技術(shù)，在輸入、輸出值之間設(shè)置了更豐富的中間層，使人工智能的神經(jīng)元網(wǎng)絡(luò)，對于外部對象抽象層次的豐富度有了重大提升，使它的行為具有一定的容錯(cuò)性、靈活性和模糊性。比如，運(yùn)用于人臉識別技術(shù)時(shí)，即使對象臉部在不同時(shí)間發(fā)生一些變化，它依然可以識別。

 

　　相比較于AlphaGo的近乎完美勝利，Tay則得失兼有。正如王華平所說，兩者都試圖用機(jī)器學(xué)習(xí)的利劍來敲開人類智能的硬核，即基于直覺的計(jì)算和基于語言的思想表達(dá)。

 

　　學(xué)習(xí)人類智能力不從心

 

　　20世紀(jì)主要基于規(guī)則的人工智能讓機(jī)器的一些對人類的智能需要反饋顯得生硬，基于概率與統(tǒng)計(jì)的機(jī)器學(xué)習(xí)讓機(jī)器更加人性化。“要在技術(shù)上建構(gòu)能夠像人類那樣獲取新知識和新技能的人工系統(tǒng)，面臨的難題卻遠(yuǎn)非技術(shù)層面。”正如華東師范大學(xué)哲學(xué)系教授酈全民所提出的，這項(xiàng)技術(shù)首先是基于對人類智能本身的理解，而這其中卻包含著很多難題。

 

　　“按照現(xiàn)在神經(jīng)認(rèn)知科學(xué)有望達(dá)到的理想狀態(tài)，如果我們可以用數(shù)學(xué)建模的方法，把人類的大腦神經(jīng)元網(wǎng)絡(luò)基于仿生學(xué)原理進(jìn)行重構(gòu)，就有望在機(jī)器身上實(shí)現(xiàn)人工大腦。”徐英瑾緊接著又質(zhì)疑說，人的神經(jīng)元總數(shù)龐大，而如此之多的神經(jīng)元它們兩兩的聯(lián)系在數(shù)學(xué)上非常復(fù)雜。不是大腦任何功能都能還原到單個(gè)神經(jīng)元層面。當(dāng)我們陷入這些龐雜信息，最終可能喪失了對于這個(gè)問題本質(zhì)關(guān)聯(lián)的洞見。

 

　　為何一個(gè)幼兒只是在父母很少的語言交流樣本中就能學(xué)習(xí)語言，但若要讓機(jī)器學(xué)會使用語言，即便有海量的經(jīng)驗(yàn)，卻只能摸出一點(diǎn)點(diǎn)規(guī)律，而且達(dá)不到像孩子在學(xué)習(xí)語言中的創(chuàng)造力？在徐英瑾看來，這一對比恰恰反映基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)并未能實(shí)現(xiàn)對人類智能本身的理解。

 

　　聊天機(jī)器人Tay的“學(xué)壞”背后同樣反映了機(jī)器學(xué)習(xí)對人類智能理解的力不從心。“人工智能目前無法理解語言意義是其一大難題。語言不只是一串聲音，也不只是一堆符合句法的字符，它是表達(dá)說話者心理狀態(tài)的語義實(shí)體。語言的意義就在于它負(fù)載了說者的思想與意圖。”王華平認(rèn)為，Tay雖然通過學(xué)習(xí)，向?qū)υ捳咻敵隽艘淮蠖逊暇浞ǖ淖址緵]有賦予這些字符以意義。

 

　　加強(qiáng)與認(rèn)知科學(xué)、哲學(xué)的合作

 

　　正如受訪學(xué)者所說，人工智能目前首要攻克的難題是其賴以支撐的基礎(chǔ)理論的缺失。酈全民認(rèn)為，因?yàn)榻?gòu)具有學(xué)習(xí)能力的人工系統(tǒng)是一門很復(fù)雜的技術(shù)，所以需要大量的基礎(chǔ)學(xué)科的研究成果作為支撐，這些學(xué)科包括認(rèn)知神經(jīng)科學(xué)、認(rèn)知心理學(xué)、語言學(xué)和理論計(jì)算機(jī)科學(xué)等，而不同領(lǐng)域的專家要能夠理解對方的“語言”。

 

　　“比如我們?nèi)祟愓Z言的心理機(jī)制是如何形成的？我們首先需要把基礎(chǔ)理論搞清楚。”徐英瑾建議，現(xiàn)有的語言學(xué)、心理學(xué)家們應(yīng)該加強(qiáng)對宏觀問題的研究，比如提供大量關(guān)于我們心靈工作機(jī)制的理論假說，并讓不同假說的主張者和特定的實(shí)踐派進(jìn)行結(jié)合，讓不同的假說都有一個(gè)被實(shí)踐化的機(jī)會，繼而在實(shí)踐層面上加以研究和驗(yàn)證。

 

　　王華平也提出，到目前為止，機(jī)器學(xué)習(xí)主要依賴于計(jì)算機(jī)科學(xué)與統(tǒng)計(jì)學(xué)，它從人類學(xué)習(xí)中獲得的啟示遠(yuǎn)遜于它從上述兩個(gè)學(xué)科所獲得的啟示。一個(gè)重要原因是，我們對人類學(xué)習(xí)的了解還不夠。在他看來，人類學(xué)習(xí)的一個(gè)重要特征是概念化，即用概念去表達(dá)意識的內(nèi)容。目前的機(jī)器學(xué)習(xí)并不能讓機(jī)器做到這一點(diǎn)。無論是Tay還是AlphaGo都不知道自己說了什么，做了什么。

 

　　王華平建議，機(jī)器學(xué)習(xí)如果真的要做到與人類相媲美，那么它就應(yīng)該更多地向人類學(xué)習(xí)。它需要學(xué)會像人類一樣進(jìn)行概念化，學(xué)會像人類一樣擁有對自我意識的二階狀態(tài)。只有這樣，機(jī)器才能擁有自己的價(jià)值體系，才能甄別那些與它們的“基本原則與價(jià)值相沖突的不良意圖”。而要做到這一點(diǎn)，就需要認(rèn)知科學(xué)揭示出更多的人類認(rèn)知細(xì)節(jié)，還需要哲學(xué)勾畫出更加飽滿的人類價(jià)值體系。總之，機(jī)器學(xué)習(xí)要有一個(gè)質(zhì)的飛躍，就需要加強(qiáng)與認(rèn)知科學(xué)和哲學(xué)的合作。