導讀: “當我們不理解人類思維時,我們又如何創造人工智能呢?” 有些人認為,人類是按照造物主的形象設計的。當涉及到真正的人工智能(這可能是我們最偉大的發明)時,我們也曾嚐試做同樣的事情。人工智能的一個典型方法是用數字形式再現人腦。但頂尖科學家表示,靈感將來自其他地方。事實上,試圖完美地模仿人類大腦是在浪費時間。 “我們並沒有真正了解人類思維”,紐約市巴納德學院的天文學家Janna Levin說,他同時領導了一個關於人工智能技術和倫理未來的小組。“我們認為,通過映射,我們可以理解人類思維,但這並沒有實現。” “當我們不理解人類思維時,我們又如何創造人工智能呢?” 據該小組的人工智能研究人員稱,這是一個棘手的問題。我們無法完美地模擬人腦。相反,我們應該把時間花在解鎖智力的基本原則上。 Max Tegmark是麻省理工學院的物理學家,也是生命未來研究所的主任。他說,過於關注大腦隻是“碳沙文主義”(此理論認為身為以碳為主體的生物,尚未接觸任何地外生命的人類很難憑空想像截然不同的生化理論)。盡管到目前為止科學家們還沒有找到它的奧秘,但大腦的運作方式並沒有什麽神奇之處。“我們太沉迷於大腦的運作方式,”Tegmark說,“我認為這是缺乏想象力的表現。” 曆史證明了他的觀點。在維多利亞時代,一位名叫Clément Ader的工程師建造了第一個比空氣重的飛行器。他模仿了蝙蝠來建造。這些機器不過是兩側有大型蝙蝠翅膀的椅子。Ader用這個幾乎無法控製的裝置飛行了幾百米。但是,如果他是第一個飛行成功的人,為什麽眾人隻知道萊特兄弟卻不知道他呢? Ader第三版的飛行器。雖然它可以維持飛行,但它的蒸汽動力引擎完全無法控製。 盡管用我們自己的形象創造人工智能並不是一種可行的方式,但小組當晚的討論依然回到生物學領域。正如Levin所說,人類智慧和意識仍然是我們最好的例證。 “你可以從生物學中獲得靈感,但你絕不能機械地複製它”,Facebook的人工智能研究主管揚·勒丘恩說。“從工程的角度來看,追溯進化將非常困難。”由於進化缺乏能動性,創造出有智力的猿猴靠的不是有意識的努力或決定。相反,我們能走到今天,是因為數百萬年的隨機突變,讓我們活得足夠長,能夠繁衍後代。最大化或簡化我們大腦的智力和推理能力從來都不是問題的一部分。人類的大腦是極其複雜的。它充滿了各種機製,可以在子宮裏自我配置,還能長期自我修複。機器不需要這些,因為處理配置的過程由人類完成。它隻需要接收數據,處理並學習數據。 人工智能先驅揚·勒丘恩在Pioneer Works的最新“科學爭議”小組發表講話。一起發言的還包括著名物理學家Max Tegmark和主持人Janna Levin,巴納德學院的天文學家。 勒丘恩解釋說,對於更傳統的監督學習方法,人類必須在機器自身完成有意義的工作之前,向係統提供數以千計的例子。例如,一個圖像識別算法需要看到無數的蘋果,才能在照片中識別出一個蘋果。第二種方法是強化學習,在這種學習中,人工智能係統或神經網絡——與大腦相似的算法——彼此相互訓練。這種方法通常隻適用於遊戲。一個下棋的人工智能可以玩幾百萬次遊戲,了解遊戲規則隻需要分分鍾而已。 但這兩種方法都不完美。這兩種方法都不會產生一種真正使其理解這個世界的人工智能。在監督學習中,人類仍在做著所有繁重的工作,而那些下棋電腦則一無所知。 “我們用非常愚蠢的方式訓練神經網絡,”勒丘恩說,“和人類與動物訓練自己的方式完全不同。”嬰兒在兩個月大的時候就知道物體永存性。當他們半歲的時候,他們能憑直覺感知物質世界的運作方式。但我們無法在我們的機器中啟動這種無監督的學習(如果有人能成功,那麽很可能是勒丘恩和他的Facebook團隊,因為隻有大公司才有資源和架構來訓練高水平的神經網絡)。但在小組討論中,他聳了聳肩:“我們也沒辦法做到這一點。” 這就是為什麽對人工智能來說,生物基礎是至關重要的,而非對人類大腦的完美重構。沒有其他模式供程序員參考。人類的大腦是一個科學奇跡,但並不是唯一的答案。這些研究人員需要記住,人類和隱藏在我們頭骨中的超級計算機沒有什麽特別之處,它們不應該試圖創造出新的東西。