解碼“認知之輪”:AI與人類的終極一戰(zhàn)
今天周末,跟大家聊點假裝深沉的話題。
本文引用地址:http://butianyuan.cn/article/201811/394623.htm現(xiàn)在我們在討論人工智能的時候,大都把卷積神經(jīng)網(wǎng)絡奉為圭臬。因為這種算法,號稱是“平移不變的人工神經(jīng)網(wǎng)絡”,說人話就是人腦的高仿。
通過模擬人類腦皮層神經(jīng)元的網(wǎng)狀結構,能夠提取和識別各種物體的特征,永不停機地進行學習,比最乖的人類小孩還要讓人省心。
而且一旦訓練好了,就能比人類做的更快更好。拳打九段棋手、腳踢世界冠軍,是毫無問題的。
因此,卷積神經(jīng)網(wǎng)絡正在被大量地應用于各種AI系統(tǒng)上。似乎只要假以時日,就該“封神”了。
但,這是不可能的。
盡管看起來,這一波AI熱正在讓人類處于被廣泛替代的危險境地,不過距離機器超越人類的那一天,其實還是非常遙遠。
為啥呢?
說來你可能不信,關鍵原因還是在卷積神經(jīng)網(wǎng)絡身上。
送分題都不會,你怎么回事小老弟?
上古時代,流傳著這樣一道送分題:要把大象裝冰箱,總共分幾步?
如果讓一個人類小孩來回答,他會分分鐘告訴你標準答案——把冰箱門打開,把大象塞進去,把冰箱門合上。
但是如果讓一個卷積神經(jīng)網(wǎng)絡機器人(我們就稱呼它為“小卷”吧)來挑戰(zhàn)呢?
它會先假設,某個叫做“塞”的動作能夠將大象轉移到冰箱里。于是立即行動,卻發(fā)現(xiàn)怎么也塞不進去??蓱z的“小卷”,遺漏了物理體積不匹配這個重要條件。
我們給它升級一下,讓“小卷二號”能夠識別大象和冰箱的個體特征對任務有何影響。它在任務開始前努力推演,正當它算出大象的皮膚顏色對完成任務不會有任何幫助,準備推算下一個特征的時候,大象已經(jīng)不耐煩地跑走了,任務失敗。
我們再升級一下,教它學會分辨哪些因素與任務是相關的還是無關的,“小卷三號”誕生了。但是,它一屁股坐冰箱旁邊不動了,掏出一個小本本,開始記錄千千萬萬個被確定與任務無關的東西,直到時間的盡頭……
這么看起來,“小卷”們好笨呀,別說和人比了,和阿爾法狗這些前輩們比差距也很大啊!
這背后,其實隱藏著一個令AI科學家們困擾多年的變態(tài)難題——“框架問題”。
什么是框架問題?
想要搞懂什么是“框架問題”,先解釋一下卷積神經(jīng)網(wǎng)絡是怎么工作的。
前面我們提到過,這種深度學習的神經(jīng)網(wǎng)絡是在模擬人類神經(jīng)元系統(tǒng)的操作方式。不同算法都只為了完成一個目標:就是像人一樣,忽略該忽略的信息,并在遇到重大的反常情況是保持足夠的警覺。
如何能夠在集中注意力的同時獲得合理忽略的能力呢?
科學家們只能將一切變化多端、無窮無盡的生活經(jīng)驗壓縮并生成一個“框架”,其中包含了一個內(nèi)容豐富、細節(jié)詳實的腳本綱要,所有現(xiàn)實世界的問題及事物之間的聯(lián)系都囊括其中。
當機器想要解決一個問題時,就可以在“框架”中對某些特征加以注意,對那些偏移框架的重大誤差保持警覺。
如果這個神經(jīng)網(wǎng)絡框架被建構得足夠好、足夠龐大,它可以展現(xiàn)出無窮大的能力。比如DeepMind用5000臺TPU培育出來的AlphaZero,無需其他干預,就能在4個小時之內(nèi)成為世界象棋冠軍。
但是,在某些人類日常生活中需要用到的反應模型中,卷積神經(jīng)網(wǎng)絡的智商卻和昆蟲差不多。
D. Dennett在他的論文《AI的框架問題》中舉了一個例子:制作午夜快餐。
一個肥宅半夜餓醒,想給自己做點吃的,于是他想到了冰箱里面有些剩下的雞肉片,面包,還有一瓶啤酒。于是他很快就想出了一個完美的計劃:查看冰箱,拿出需要的材料,做一份三明治,就著啤酒,美滋滋。哦,還需要帶上刀、盤子和酒杯。
人類之所以能順利完成這項任務,是因為我們已經(jīng)了解了大量的知識。包括雞肉加在面包里不會掉下來(摩擦力),啤酒如何倒入杯子(重力),甚至是左手拿著面包就不能再用來拿刀了。
這些“知識”或經(jīng)驗是人類“生而知之”的,我們自己或許都不知道是如何學會這些事情的,卻能讓我們不需要思考就輕松搞定一個又一個基本生活問題。
但對于任何事情都要從頭學起的AI來說,如果這些大量而平凡的經(jīng)驗不能引起足夠的注意,它就根本不可能完成這些不斷出現(xiàn)的新任務。
當然,我們也可以選擇給機器喂養(yǎng)世界上所有的知識,讓它成為一個無所不知的百科全書。這樣它就能和人一樣具備這種彈性的思維能力了嗎?
答案顯然是否定的。
首先,讓AI記住大量微不足道的細節(jié)中,遇到問題時再從中搜索和抽取出有用的那一部分,實在是太極端太超負荷了,人類就不需要記住“面包比太平洋小”“刀子接觸面包時不會融化”這種知識。
而且,機器固然可以用一百萬年解決任何問題,但這既不智能,對人類來說也沒有任何價值。如果不能在有限的時間內(nèi)可靠高效地給出解決方案,我要這祖?zhèn)鰽I有何用?
既不能窮盡一切答案,又不能快速找出最佳方法,這就是目前限制AI智商的“框架問題”。
評論