人類對神經(jīng)系統(tǒng)的研究有了長足的進步，基于計算手段的人工智能研究也走過了60年，并已被運作在航天航空、交通運輸、臨床醫(yī)學(xué)、生物學(xué)等多方面領(lǐng)域中。然而“人工智能未來是否會發(fā)展到人類無法駕馭的超級智能階段”這種憂慮始終存在，英國理論物理學(xué)家霍金直言，人工智能如果不加控制地發(fā)展，將最終控制或毀滅人類。
未來人工智能會如何發(fā)展？9月16日，復(fù)旦大學(xué)“科學(xué)與文化”公開課上，進行了多學(xué)科視角下的人工智能發(fā)展探討。
房間外的人用測試對象理解的語言去詢問兩個他不能看見的對象任意一串問題，這兩個對象一個是正常思維的人，一個是機器。經(jīng)詢問后，房間外的人不能分辨兩者的不同，則機器通過“圖靈測試”。
房間外的人用測試對象理解的語言去詢問兩個他不能看見的對象任意一串問題，這兩個對象一個是正常思維的人，一個是機器。經(jīng)詢問后，房間外的人不能分辨兩者的不同，則機器通過“圖靈測試”。
理想遠未實現(xiàn)
“以前人們設(shè)想的人工智能發(fā)展成果其實還遠遠沒有到實現(xiàn)的地步”，復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院認知算法模型實驗室教授危輝直言。危輝介紹，人工智能最直白、重要的作用就是讓機器能夠像人一樣智慧地工作，機器人秘書、計算機代替心理醫(yī)生、機器翻譯……這些是自人工智能概念提出后，人們對人工智能前景的發(fā)展預(yù)期，然而到目前為止，這些預(yù)期無一例外，全都落空。
危輝舉例：“機器翻譯一度被認為是比較好實現(xiàn)的，只要設(shè)計好一本雙語對照的電子詞典和語言轉(zhuǎn)換規(guī)則就夠了，把一串字符符號轉(zhuǎn)換成另一串字符符號就可以，但是到現(xiàn)在也沒有做到。從1950年英國數(shù)學(xué)家、計算機科學(xué)理論奠基人圖靈提出‘圖靈測試’，至今60年的實踐證明，人們大大低估了背景知識在其中的作用，而這些知識可謂無邊無際”。
2014年，聊天程序“尤金·古斯特曼”
在圖靈測試大會上冒充一個13歲烏克蘭男孩，通過了圖靈測試。
“一個計算三重積分的程序能夠解算任意形式的表達式，卻可能對于連幼兒園小朋友都會做的圖像識別歸類手足無措，只要涉及圖像處理、圖像理解、歸納推理，以及大量范圍不確定的背景知識，對于人工智能而言就是很大的挑戰(zhàn)”，危輝說這反映出人工智能面臨一個深刻的選擇題：是選擇單打獨斗地解決一個個孤立的應(yīng)用，還是系統(tǒng)全面地探討智能的本質(zhì)。
同樣的例子也發(fā)生在自動駕駛領(lǐng)域，在封閉、單調(diào)、筆直的高速公路上實現(xiàn)勻速駕駛不難，但是讓自動駕駛汽車駕駛彎曲、曲折的道路，就完全是另外一個層次的挑戰(zhàn)。這兩個事例有一個共同之處們就是所正對的應(yīng)用都是存在很大變數(shù)或不確定因素的，人工智能想要事事都預(yù)先設(shè)定好是不可能的，而人的智能恰恰就能“以不變應(yīng)萬變”。
復(fù)旦大學(xué)生命科學(xué)院教授喬守怡對此也表示認同：“用以圖靈機為基本計算模型的計算機來發(fā)展人工智能，只是用程序式的方式來模擬人的思考方式。而從生物學(xué)角度，人的思維方式是通過神經(jīng)信號的傳導(dǎo)來做，這是不同路線，如果按照圖靈機的模式，計算機就算發(fā)展得更高級、更精細，恐怕也無法達到人腦的一個簡單思維方式”。
中文房間是一個用來反駁強人工智能觀點的思想實驗。假設(shè)一個對漢語一竅不通的人關(guān)在一間只有一個開口的房間中。房間里有一本用英文寫成的手冊，指示其如何處理收到的漢語訊息及如何以漢語回復(fù)。房外的人不斷向房間內(nèi)遞進中文問題，房內(nèi)的人按照手冊說明查找合適指示，組合成對問題的中文解答遞出房間。盡管房外的人以為他會說漢語，但他卻壓根不懂漢語。
中文房間是一個用來反駁強人工智能觀點的思想實驗。假設(shè)一個對漢語一竅不通的人關(guān)在一間只有一個開口的房間中。房間里有一本用英文寫成的手冊，指示其如何處理收到的漢語訊息及如何以漢語回復(fù)。房外的人不斷向房間內(nèi)遞進中文問題，房內(nèi)的人按照手冊說明查找合適指示，組合成對問題的中文解答遞出房間。盡管房外的人以為他會說漢語，但他卻壓根不懂漢語。
人工智能的現(xiàn)狀——燈下亮
顯然此前人們對于人工智能的發(fā)展太過理想化，如今人工智能的現(xiàn)狀是什么呢？危輝說，一是碎片化，已經(jīng)研究了許多小分支，但無法統(tǒng)一成體系；二是實用主義傾向：更關(guān)心某個機器的實用性，而忽略其科學(xué)價值以及對未來的影響。比如腦電的電極帽，通過腦電信號來控制機械裝置運作。
這樣的裝置有用，但并非如宣傳的“能讀取人的思想”那樣，有些言過其實，并且對神經(jīng)科學(xué)、心理學(xué)、計算機科學(xué)來說作用都有限；三是“燈下亮”，意思是人工智能現(xiàn)在慣常用的技術(shù)，是用已有工具來解決好解決的問題，燈沒照到的地方依然是大片黑暗；四是“盲人摸象”，人工智能界不同的研究流派理論源頭、技術(shù)、目標(biāo)都不相同，各執(zhí)一詞，一切都處于爭論之中，能夠達成的公式，能夠普遍推廣的準(zhǔn)則少之又少。
“20世紀(jì)80年代錢學(xué)森就將人工智能歸為一種技術(shù)，而不是一種科學(xué)，是非常有前瞻性的?，F(xiàn)在看似非常繁榮的景象：如打敗國際象棋世界冠軍的機器人、無人駕駛汽車，這些其實不但不能證明我們對智能的理解有多深刻，反而證明我們還很無助，因為我們還不得不花費大量的人力、物力、財力來分別打造應(yīng)對不同需求的人工智能應(yīng)用系統(tǒng)。而人的大腦能夠不加準(zhǔn)備、不費力氣地切換到其中任何一項任務(wù)上去，而且只基于一個相同的硬件環(huán)境”。
如今大數(shù)據(jù)、云計算都是極為熱門的技術(shù)，它們具有異常強大的存儲數(shù)據(jù)的能量和計算能力，那么依靠這些新技術(shù)是不是能夠幫助我們?yōu)槿斯ぶ悄苷业揭粋€萬全之策呢？危輝認為，情況可能也未必如現(xiàn)在想象的那樣如意。
“大數(shù)據(jù)技術(shù)和云計算技術(shù)的確能夠加速現(xiàn)成算法的運行，但并不能創(chuàng)造新的算法，更何況這兩種技術(shù)還依賴于非常龐大的硬件資源和軟件資源，能耗、體積都不小。大數(shù)據(jù)和云計算能夠把一些人類智能所不擅長的任務(wù)，如精確的海量記憶和密集的數(shù)值計算，運行得很好，但依然不能反映人類智能的本質(zhì)方面”。
谷歌在人工智能領(lǐng)域開發(fā)出的一款模擬人腦的軟件——谷歌大腦。
人工智能的未來在哪里？
雖然由于來自生物學(xué)的證據(jù)有限，計算機仿真太難和出成果太慢等原因，基于生物機制的人工智能研究依然緩慢，但基于大腦認知機理的人工智能研究一定會成為真正能夠突破瓶頸的關(guān)鍵點。
危輝認為，“人工智能”未來的出路應(yīng)該是在生物模擬這條道路上，比如從神經(jīng)科學(xué)、認知心理學(xué)、類腦計算學(xué)中找到很好的想法。“神經(jīng)科學(xué)可以告訴我們計算結(jié)構(gòu)，數(shù)學(xué)、物理學(xué)能告訴我們一些實現(xiàn)方法，把這些結(jié)合在一起，有可能產(chǎn)生和現(xiàn)在計算機完全不同的體系結(jié)構(gòu)，也許類腦計算模型可以把智能做的更好”。
“從狹義角度來說，智能是記憶和預(yù)測的系統(tǒng)，比如我們對某件事似曾相識，就會有預(yù)判出現(xiàn)。對于人來說，一輩子都在學(xué)，都在改變，犯錯也是可塑性的表現(xiàn)。而計算機一就是一，二就是二，固化的體系是沒有生存力的”，復(fù)旦大學(xué)生命科學(xué)學(xué)院教授俞洪波從神經(jīng)生物學(xué)的角度解讀了人工智能的發(fā)展，“每個人的腦構(gòu)成方式都不一樣，現(xiàn)在的腦狀態(tài)和下一分鐘的腦狀態(tài)又不一樣，今年你接觸了一個新的事物，你的腦構(gòu)造方式又發(fā)生了變化。從人工智能角度，神經(jīng)元網(wǎng)絡(luò)最重要，人的意識變化非?？欤钥v即逝。在神經(jīng)網(wǎng)絡(luò)上，腦子當(dāng)中此起彼伏發(fā)放的數(shù)字電位式的電信號時時刻刻在傳遞信息”。
俞洪波介紹，谷歌在人工智能領(lǐng)域開發(fā)出的一款模擬人腦的軟件——谷歌大腦，科學(xué)家們將1.6萬臺電腦的處理器相連接建造出了全球為數(shù)不多的最大中樞網(wǎng)絡(luò)系統(tǒng)，它能自主學(xué)習(xí)，通過應(yīng)用這個神經(jīng)網(wǎng)絡(luò)，谷歌的軟件能夠更準(zhǔn)確的識別講話內(nèi)容、識別出貓的圖片。“既然谷歌大腦能夠?qū)W會‘貓’這個概念，那么他也可以學(xué)會其他概念、可以看圖說話”。
基于生物學(xué)基礎(chǔ)上的人工智能也將造福人類。例如，神經(jīng)生物學(xué)家對高等哺乳動物的生物視覺系統(tǒng)進行了很細致的研究，從視覺信息加工早期階段的視網(wǎng)膜，到后期階段視覺中樞的高級皮層區(qū)所設(shè)計的解剖結(jié)構(gòu)和功能都有了一些認識，那么基于這些原理人們可用開發(fā)某些具有實時圖像加工能力的數(shù)字化芯片。若芯片做得足夠小，功耗足夠低，生物相容性足夠好，生物電信號的銜接協(xié)議足夠精準(zhǔn)，那么就有可能把這樣的芯片植入一些有視覺障礙的人士體內(nèi)，幫助其恢復(fù)部分視覺功能。
那么在生物學(xué)基礎(chǔ)上人工智能的發(fā)展是否一片光明了呢？俞洪波表示，他與許多學(xué)者一樣，保持“審慎的樂觀”。“還是‘燈下亮’的概念，我們只研究出了一點點燈下亮的地方，還有太多的不可知區(qū)域。你給谷歌大腦上百萬張圖片讓它認識貓，但你給一張狗的照片呢？依然是不認識。這是學(xué)習(xí)遷移、泛化能力的缺失。我非常認可神經(jīng)生物學(xué)角度的人工智能發(fā)展方向，但要意識到我們依然在極其初步的階段”。
“可以告訴大家，我們的確已經(jīng)到了突破的時代，但仍然很遙遠，人工智能的目標(biāo)是模仿人的智能，而這還不涉及到情緒、更談不上意識”，俞洪波表示。
轉(zhuǎn)載請注明出處。
相關(guān)文章
熱門資訊
精彩導(dǎo)讀
關(guān)注我們
