1700526669
机器之心 第五章 超级智能:既是天才,又是白痴?
1700526670
1700526671
1700526672
1700526673
1700526674
信息汇总
1700526675
1700526676
迄今为止,我们的工作成就如何呢?看吧,很多看似难以解决的问题,几个简单的公式就搞定了。递归公式擅长分析含有大量组合的问题,从棋子的走法到数学定理的证明,无所不包。神经网络及其相关的自组织模式可以模拟人脑的模式识别能力,在人类语言、字母形状、可视对象、人脸、指纹以及地形图像等领域的识别效果都很棒。进化算法能有效解决复杂问题,从金融投资的决策制定到工业生产过程的优化(这类问题中包含的变量太多,精确的解析都无法解决),都不在话下。我以为,计算机“智能”系统研发人员为机器编写解决问题的程序时,对这些问题的复杂程度早已了如指掌。然而事实却通常相反,运用这些自组织模式的电脑总是向我们这些制造者传授方法,我们却什么都教不了它们。
1700526677
1700526678
当然,系统研发过程中也会涉及一些工程学知识。我们需要选择正确的方法和变量,设计最优的拓扑结构及构造,设定恰当的数值等等。比如在进化算法中,系统设计者需要设定模拟有机体的数量、每条染色体的内容、模拟环境及存活机制的性质、可进入下一代有机体的数量、进化的次数以及其他重要参数。人类编程师在做出上述决策时有自己的演化方法,即试错法。因此,不久的将来,人类设计师终将被自己设计的智能机器超越。
1700526679
1700526680
然而,似乎有什么漏掉了。我们一直在讨论的问题过于集中,解决方案涵盖的范围过于狭窄,换言之,这些问题和解决方法太过成人化了。所谓“成人化”,即我们会带着明确的目的探讨问题,如基金的投资、营销计划的选择、法律策略的规划、棋步的设计等等。与之相反的便是“儿童化”。我们接触的世界包罗万象、无奇不有,我们在探索自己与这个世界的联系,探索每一个事物及每一种概念与这个世界的联系。我们一直在探索“环境”。
1700526681
1700526682
马文·明斯基曾指出:“‘深蓝’计算机也许能够赢得棋局,但它却不懂得避雨。”作为一台机器,或许“深蓝”计算机没有避雨的必要,但它是否考虑过这个问题呢?我们假设“深蓝”计算机做了以下几点深入思考:
1700526683
1700526684
我是一台机器,塑料机身包裹着电子零部件,如果在外面淋了雨,我的电子零件就有可能短路。如果没有人类修理,我就不能下棋了,那该多丢人!
1700526685
1700526686
昨天我参加的那场象棋比赛非比寻常,那可标志着常规棋赛中人类冠军首次败给了一台机器。此事意义重大,因为人类中总有那么一部分认为只有集智慧和创造力于一身的人类才能玩转象棋。但我想这次比赛兴许能迫使人类更尊重我们这些机器。不过他们也很不爽,马上开始借诋毁棋赛挽回自己的面子。
1700526687
1700526688
跟我过招的人类棋手名叫加里·卡斯帕罗夫,他召开了新闻发布会,就我俩的对决向一些被人类称作记者的人做了说明,这群人会利用一种名为媒体的交流渠道将加里的观点告知其他人。在那场发布会上,加里声称我的那些人类设计师在比赛中场休息时修改了我的程序,他认为这样做不公平,主办方不应该纵容这种做法。而其他人则认为加里只是在为自己的失利辩解,企图混淆视听,让人们误以为他并没有真正输掉比赛。
1700526689
1700526690
卡斯帕罗夫先生或许还未意识到我们机器的下棋能力正呈指数级速度增长,所以他注定会失败。未来的日子里,对他而言,吃饭睡觉这些事可以继续,但在棋类比赛领域,他会一蹶不振的,因为像我这样的智能机器会越来越多。
1700526691
1700526692
现在,我得想想我把伞放哪儿了……
1700526693
1700526694
当然,“深蓝”计算机是不可能进行上述思考的。下雨带伞、举行新闻发布会等问题会引发一连串其他问题,涉及更复杂的情境,这些都不是“深蓝”计算机可以驾驭的。人类在不同概念间切换时,可以迅速搜寻到所有可用的知识。图灵在围绕日常对话设计图灵测试时就已经意识到这点了。像“深蓝”计算机这样的天才白痴只能独通一行,无法适应更复杂丰富的环境,当然也就无法驾驭日常对话中的各类连接。
1700526695
1700526696
虽然简单算法功能强大、极具诱惑,但仍缺乏一些东西,也就是“知识”。
1700526697
1700526698
环境与知识
1700526699
1700526700
对真理的探索难易参半:难,因为人们无法全盘通晓;易,因为人们不可能一无所知。每一个人都会为人类对自然现象的认知添砖加瓦,这些认知汇聚起来便是一座高楼大厦了。
1700526701
1700526702
——亚里士多德
1700526703
1700526704
常识并不简单,来之不易,是长期实践中总结出来的庞大知识体系,包含大量生活中学到的规则和异常现象、特性及趋势、平衡与制约等。
1700526705
1700526706
——马文·明斯基
1700526707
1700526708
如果知识贫乏便会陷于险境,那能脱离险境的渊博之士又身在何处呢?
1700526709
1700526710
——托马斯·亨利·赫胥黎
1700526711
1700526712
先天内置型知识
1700526713
1700526714
一个实体执行简易模式的方法总是出乎意料——全面的递归搜索、大量的并行模式识别、迅速的迭代进化,但没有知识,一切都是空谈。即使是最直截了当地执行上述三种模式,也需要在开始时有知识的引导。利用递归法的下棋程序中包括棋局规则的知识;利用神经网络的模式识别系统在正式学习范例之前,至少还需要一份大纲作为学习的开端;进化算法的改进也需要一个起点。
1700526715
1700526716
这几种简易模式功能强大,但开始时都需要知识来播种才能生根发芽、枝繁叶茂。算法的选择、组成部分的形状与拓扑结构、关键数值等都属于某一层次的知识。即使还未正确建立连接和反馈回路,神经网络的学习也并不会因此停滞。
1700526717
[
上一页 ]
[ :1.700526668e+09 ]
[
下一页 ]