AlphaGo不是人工智能,真正的人工智能远比AlphaGo强大!

余昕 原创 | 2017-05-25 13:58 | 收藏 | 投票
关键字:人工智能 AI AlphaGo 柯洁 

  

编者按: 523日,柯洁与Alphago的人机大战第一场结束,柯洁小负AlphaGoAlphaGo 又赢了!对手柯洁表示:“输的没脾气了”。AlphaGo的胜利将人们的关注点再度拉回人工智能,近两年来人工智能行业的火热也很大程度上借了 AlphaGo 围棋战的东风,然而AlphaGo并不是人工智能。为什么?

Novaquark创始人兼总裁Jean-Christophe Baillie撰文Why AlphaGo is not AI该文表示,“AlphaGo不是人工智能”;“没有机器人就没有人工智能等看法。此文将为你解析为何AlphaGo不是人工智能。以下为Why AlphaGo is not AI(为什么AlphaGO不是人工智能)全文。清科研究(IDpedata2017)编译。

什么是AI?什么不是AI

从某种程度上来看,什么是AI,什么不是AI,只是如何定义的问题。我们看到AlphaGo和类似的深度学习方法如今已经取得了巨大的进步并帮助了一些复杂的问题。但是人工智能(AI)是否达到了人工通用智能(AGI)的程度?答案是否定的。

  在研发人工智能的过程中,最关键的地方在于它是否会感知世界。如人类一样,对自己所遇到、听到的、表达的、做出的事情有自己的理解。显然,如今的AI无法做到这一点,AI所做的一切都是编写好的程序,AI并不理解正在发生的事情,也不会处理其他领域的事情。

  所以AI到底是什么?这个问题需要被弄清楚。第一位提出这个问题的是普林斯顿大学心理学系的Harnad1990年他发表的名为《符号基础问题》(The Symbol Grounding Problem),论文中提到:任何系统内部的符号表征,其基础都存在于外部的真实世界。 

人工智能的定义,应该从解决这个问题开始:

一、如何使实体(人或人工智能)从外界接收到信息?

二、是人工智能如何与现实世界进行信息沟通,或者如何创造“意思”。

三、如何使实体之间的信息同步?(如果不能沟通,智能也只能是一种绝对孤立的状态。)

四、为什么实体一直都处于动态? 

 

第一个问题,如何组织信息?人工智能通过深度学习和类似的非人工监控性算法很好的解决了这个问题,比如说AlphaGo。我们目前在这个领域已经取得了巨大的进步,部分原因是因为计算机效率的提高和GPU的使用(图形处理单元),GPU擅长用来处理信息。这些算法真正做到的是将极其复杂的高维度空间信号降维,并在此过程中减少信息损失。从信息处理的角度来看,这些算法可以抓住信息中最为关键的部分。 

第二个问题,是人工智能如何与现实世界进行信息沟通,或者如何创造“意思”。这个问题与机器人紧紧相连,因为“智能”需要一个躯体与世界互动,从而与世界联系产生信息沟通。这就是为什么我经常说人工智能都要依靠机器人为躯体的原因(其实没有AI,也会有很好的机器人,但这是另话暂且不说。)这也常被称为“拟人化问题”,如今大多研究人工智能的人都认为智能和躯体是紧密相连的问题。

我们在动物王国都可以看到每一个不同的躯体都有着完全不同的智力和理解力。主体往往从简单的事物入手,比如感知自身的每个部分,在可观察的世界中控制身体这些部分取得预期效果,以及建立距离、颜色等空间概念。这已被研究人员广泛研究比如Kevin O’Regan和他的感觉运动理论。但这仅仅是第一步,因为接下来你还要在基础的感觉运动结构上建立越来越多的抽象概念。人工智能还没有达到这一步,但这正是这个问题的研究现状。 

第三个问题,如何使实体之间的信息同步?这个问题与文化起源有关,很多动物的智力和理解力都表现出浅显的文化形式,即使是跨代获得的能力也十分有限的。目前,只有人类的成长能呈现出对文化的建立,文化是智能的必要催化剂,而没有文化交流能力的人工智能只是一种对学术的好奇罢了。文化不能被写作程序代码,因为它是长期学习的结果,想要尝试理解这种过程,最好的办法在于发展心理学。研究者Piaget Tomasello研究了一个孩子积累文化的过程,人工智能正在试图建立这个过程。

这个过程和语言学习的过程紧密相连,这也是我在自己身上进行研究得到的结果。我们可以把语言学习的过程看做是一个改革性的进步:实体(人或机器人)通过与世界建立沟通而创造了新的意义,又通过与互动与其他实体建立联系,选择其中最有的方式来进行交流(大多数情况,是为了一起达成共同意愿)。通过多次试错,系统进化成出最好的表达意义、句法和语法结构。这个过程就如生物进化一般,并且表现除了和自然语言的进化发展惊人的相似之处。

这也解释了瞬时学习现象,即当一个概念在短时间内被获取,但是复杂的统计模型,如深度学习却无法解释这种现象。一些实验室在试图获取更多的语法、手势和更复杂的文化习俗进行深入研究,包括我在Aldebaran.建立的AI Lab 

  第四个问题叫做内在激励,即为什么实体一直都在“动”?生存欲望并不足以解释人类的行为,因为人类并不是要饿了才会去找吃的,人类会通过储备来保证食物充足。人类一直在做很多事情,他们在探索着、尝试着,看起来像是一种被好奇心所驱动。Pierre-Yves Oudeyer等研究者发现,即使是是一个简单的好奇公式,都呈现了实体对学习速率的最大化趋势,并在此趋势下表现出复杂和奇特的行为(参照索尼CSL的各种趣味实验)。在系统内部,似乎需要“好奇”来驱动之前的三个阶段:组织信息;与实体建立联系并创造意义;选择最有效的方式来建立共同的文化,促进合作。在我看来,这才叫做人工通用智能。

  另外,深度学习的先进和人工智能在围棋领域的取得成功都是很好的消息,这表明这些技术在医学、工业、环境改造等方面能提供很大的贡献。但正如我努力想说的,这只是问题的一部分。我不认为深度学习会是带领我们达到真正人工智能的杀手锏。真正的 AI 是那种能够从外部世界学习、与我们自然地交互,并能理解我们的情感、意愿和文化偏向的复杂智能,它最终能够帮助我们创造有更加美好的世界。

(清科研究注:在美国未来学家雷蒙德·库兹韦尔的理论中,奇点是指人类与其他物种(物体)的相互融合,即上文第三个问题提到的实体间的信息同步。)

 

【来源:私募通 作者:王楠】

本文由清科私募通原创,转载请注明出处。

更多信息请关注微信公众号清科研究(ID:pedata2017)

 
正在读取...
个人简介
每日关注 更多
余昕 的日志归档
[查看更多]
赞助商广告