人工智能失路：计算机的高技巧即是高智能吗？

　　文章来源：赛先生微信公众号

　　人工智能(Artificial Intelligence，简称AI)开端于一个很简单的想法。当计算机被发明之后，不少人很快认识到它的才能远不限于数值计算，而是能够经由对信息编码和对指令编程实现许多别的以往只有人脑才能实现的任务。这自然就导出了是否人脑的功效都能在计算机中实现的问题。这类研究开端有差别的名称，最后“人工智能”这个词被大多数人接收了，只管对其说明始终没有统一(见《当你谈论人工智能时，究竟在谈论什么？》)。

　　开端，AI研究者们以为能够在不远的将来实现他们的目标。这个范畴的先驱图灵在1950年预言在五十年内能够造出言语行为和人难以分辨的“思维机器”，而这个范畴的奠基人明斯基和西蒙等人的估计乃至还要更乐观些。在AI历史上，曾经有过一些雄心勃勃的研发名目，如纽厄尔和西蒙的“通用问题求解器”和日本政府牵头的“第五代计算机体系”等，但都没有达到预期目的。这些失败让AI的名誉受到巨大的负面影响，导致经费断流、人员出走、岗位削减，史称“AI之冬”。

计算机科学之父图灵(Alan Turing)

　　人工智能“脑死亡”了？

　　痛定思痛，AI的大部分研究者觉得失败的原因是前辈们太好高骛远了。用一本权威AI教科书[3]的说法，在八十年代末“人工智能接收了科学方法”，其特点是从热衷于发明新理论转向基于经典理论，从期望发现一揽子处理计划转向处理详细问题。这使得AI着力于一个一个地处理种种以往只有人能处理的实际问题，或一项一项地再现人的认知功效。由于种种“专家体系”在许多范畴达到乃至超过了人类的水平，AI终于摆脱了“现代炼金术”的恶名。广为人知的例子包含战胜了国际象棋世界冠军的“深蓝”体系和近年来风头正劲的“深度进修”技巧在图像、语音辨认等范畴的运用等。

　　但这个从通用体系向公用体系的转向是有代价的。由于“只有人能处理的问题”在差别的时期有差别的内容(如曾经包含四则运算、排序等)，以此界说“人工智能”实际上把它看成了计算机运用的前沿。由于这个前沿在不断扩展，所面对的问题千差万别，解法也因问题而异，所以不可能全被囊括于一个理论之中，因而也就说不清AI和普通计算机运用究竟有什么区别。乃至有人说“人工智能”专指那些尚未被计算机处理的问题，由于一旦一个问题被计算机处理了，它也就不再是“只有人能处理的问题”了。以这种尺度来界定一个研究范畴自然会造成大批的思想混乱。

　　即便我们纯粹不在乎“人工智能”究竟是什么意思，只是以“能抓耗子”来界说“好猫”，这种“分而治之”的策略仍有致命问题存在。人类的种种认知功效显然是有紧密的相互依存关系的，而人在各个范畴的问题求解才能也不乏相通性和可转移性。在现在AI各子范畴中，都有不少核心问题是依附于别的子范畴的。以自然言语懂得为例，有什么证据说明言语懂得才能是和推理、进修、记忆、感知、规划、决策等才能无关，而能够“就言语论言语”的？

　　对上面的诘问的罕见回答是：智能之中的诸功效当然是互相依附的，但由于它们太庞杂，只能一个一个研究，将来再把它们集成一个完整的智能体系。或者说当详细问题处理多了，普适的办法也可能就找到了。

　　这种策略在许多范畴的确是恰当的，但在AI研究中似乎并非如此。处理详细问题的最有效手段经常是经由深入分析该问题的特点得到的，因而未必能推广到别的问题。比如说“深蓝”的技巧对计算机下围棋就不适用。相似地，当某种认知功效被孤立界说成一个计算进程时，其结果和该功效在人脑中的“原生态”经常已经是大不相同了。大略翻翻一本AI教科书(如 [3]) 就不难发现大批针对种种问题的处理计划。把它们都编成程序装到同一个计算机体系里并不难，难的是让它们协调工作。由于这些计划是基于差别的理论和预设的，它们纯粹没有协作的基础。这就说明了为什么整合种种AI功效的呼吁(如[1])收效甚微。

　　更主要的一点是，即便是这些打上“智能”标签的技巧仍经常让我们觉得缺了些主要的东西。的确，它们在许多方面比人更强，由于它们速度更快、容量更大、功效更稳定，然而这本来就是计算机的长项，而它们依然缺乏适应性、灵活性、创造性等直观上和智能密切相关的特点。即便是最新的机器进修算法也依然受制于其中种种对运用范畴的预设，因而和人的进修才能的普遍性不可同日而语。

　　明斯基曾在一次采访中对AI主流转向公用体系大表不满，斥之为“AI已经脑死亡了”。

　　通用人工智能的崛起

　　其实就像历史上相似情形中那样，总还是有些不改初衷的研究者，只管他们只能在学术界的边缘沉默坚持。在2001年，他们中的一些人为了改变这种状况，开端把他们的研究成果编成一本书。最早草拟的书名是《Real AI》(真正的人工智能)，在2003年全书完稿时定为《Artificial General Intelligence》(通用人工智能，简称AGI)。这本书在出版进程中又经历了些周折，故2007年才得以面世[2]。在此期间，在2006年于华盛顿特区召开了为期两天，大约50人参与的AGI研讨会([4]就是这次会议文集的引言)。在这些准备活动的基础上，AGI年会(https://agi-conf.org/)从2008年开端举办，而AGI学报(https://www.degruyter.com/view/j/jagi)也在2009年创刊了。时至今日，AGI的观点已经广为流传，只管人们对其有种种各样的懂得和反应。

　　一个经常被当作AGI同义词的观点是“强人工智能”(Strong AI)。直观来说这是能够懂得的，由于AGI的野心显然比现在的AI要强许多。然而按照这个词的发明人哲学家塞尔的说法，即便一个计算机体系的外部表现纯粹像人，那也只是个“弱人工智能”，而“强人工智能”必需真正拥有自我意识。这样一来一个AI体系是“强”还是“弱”就纯粹没有外部尺度了，这是许多AGI研究者所差别意的。

　　与此相反，AI和AGI的差别是有明确外部尺度的。如果要用一句话来概括，能够说AGI是把“智能”看作一个问题，而现在主流AI是将其看作一组问题。从AGI的观点看，“智能”当然是个很庞杂的问题，必需一步一步地处理，但这里的“一步”不是“下围棋”、“辨认照片中的事物”或“听懂中国话”，而是要根据一个智能理论来划分。这就像盖一栋房子应该从画图纸开端，然后据此一间间、一层层地建，而不是各人根据自己的想法分别去建客厅、书房、卧室、厨房、阁楼、卫生间等等，最后再设法把它们拼在一起。这听上去像常识，只是这样工程周期显然比只造一个房间会长许多，而且在全部完工之前不容易看出好坏。因而，在主流AI的工地上，绝大部分施工队都在忙着造种种房间，而不愿花功夫去捉摸那些成败难料的图纸。

　　只管有“建造多功效通用体系”这个共识，现在AGI范畴内对“智能究竟是指什么”仍旧未达成一致意见，而在《当你谈论人工智能时，究竟在谈论什么？》中介绍的几种观点在现在AGI研究中均差别程度地有所体现。既然对“做什么”都有差别看法，对“怎么做”的回答就更是百家争鸣了。只管如此，已经有若干AGI名目离开了纸上谈兵的阶段，开端有详细体系能够被检验了，虽然离实现都还有很远的距离。

　　高技能≠高智能

　　在AGI中的“G”(General)不意味着能处理一切问题，而是指在体系设计时不限定其运用范围。“通用”自然是个程度问题，“通用”和“公用”也是相对而言的，但这个差别依然是明显存在的，比如“深蓝”就纯粹不能算个通用体系。一个罕见的误解是把一个通用体系看作一批公用体系的组合。实际上它们是两类非常差别的体系，不能相互替代。不仅AGI不能经由堆砌现有AI技巧来实现，而且即便在AGI实现后也不会抹杀公用技巧的代价。如[4]中所指出的，对一个能够明确刻画的运用问题而言，公用体系往往比通用体系更有效和更可靠。通用体系的运用代价是在那些问题和解法都难以事先确定的范畴。在理论代价上，这二者的差别就更显著了。种种现存AI理论对于揭示智能的一般原理贡献甚微，而AGI理论则往往是从一般原理入手的。

转载自:https://tech.sina.com.cn/d/i/2016-02-17/doc-ifxpmpqp7861219.shtml

声明: 除非转自他站（如有侵权，请联系处理）外，本文采用 BY-NC-SA 协议进行授权 | 智乐兔
转载请注明：转自《人工智能失路：计算机的高技巧即是高智能吗？》
本文地址：https://www.zhiletu.com/archives-5961.html
关注公众号：