您的位置: 首頁 > 新聞 > 時(shí)事焦點(diǎn) > 新聞詳情

人工智能有四種 《西部世界》那種離我們很遙遠(yuǎn)

時(shí)間:2016-11-18 21:26:17
  • 來源:騰訊科技
  • 作者:skylark
  • 編輯:豆角

美國密歇根州立大學(xué)人工智能專家阿倫德·欣澤(Arend Hinze)近日撰文,總結(jié)了人工智能的 4 種類型,最高端的類型可以具備自我意識(shí),但距離實(shí)現(xiàn)或許還有很遠(yuǎn)的距離。

以下為原文內(nèi)容:

根據(jù)媒體發(fā)布的有關(guān)人工智能最新研究進(jìn)展的消息,普通人往往會(huì)認(rèn)為有情感的智能機(jī)器很快就將成為現(xiàn)實(shí)。機(jī)器可以執(zhí)行語音指令、分辨圖片、駕駛汽車,甚至連玩游戲都比我們更加拿手。機(jī)器人再等多久才能與我們并肩前行?

白宮最新的人工智能報(bào)告對(duì)這番夢(mèng)想展開了恰當(dāng)?shù)馁|(zhì)疑。該報(bào)告認(rèn)為,今后 20 年內(nèi),我們可能都無法看到“能在智力上與人類比肩或超越人類的機(jī)器”,但該報(bào)告也表示,今后幾年“機(jī)器將會(huì)在越來越多的領(lǐng)域趕超人類”。不過,這份報(bào)告對(duì)這些能力將如何發(fā)展所給出的前提假設(shè)卻忽視了一些重要問題。

作為一名人工智能研究人員,我承認(rèn)自己的研究領(lǐng)域獲得美國政府最高層的認(rèn)可是一件好事,但該報(bào)告幾乎完全著眼于我所謂的“枯燥的人工智能”。我從事的細(xì)分研究領(lǐng)域是:進(jìn)化如何幫助我們開發(fā)不斷改進(jìn)的人工智能系統(tǒng),以及計(jì)算模型如何幫助我們理解人類智能的發(fā)展。

這份報(bào)告的重點(diǎn)集中于主流人工智能工具:機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。這種技術(shù)已經(jīng)應(yīng)用于《危險(xiǎn)邊緣》智力競(jìng)賽,并在圍棋比賽中擊敗了韓國國手李世石。這些人工智能系統(tǒng)可以處理海量數(shù)據(jù),快速進(jìn)行復(fù)雜的計(jì)算。但它們卻缺乏我們所設(shè)想的有情感的機(jī)器所需具備的關(guān)鍵元素。

我們不僅要教會(huì)機(jī)器如何學(xué)習(xí),還要逐一突破各種四種人工智能技術(shù)之間的關(guān)鍵差異,以及人類與機(jī)器之間的關(guān)鍵差異。

第一類:反應(yīng)型機(jī)器(Reactive machines)

最基本的人工智能系統(tǒng)只能進(jìn)行反應(yīng),既沒有記憶能力,也無法利用過去的經(jīng)驗(yàn)來制定現(xiàn)在的決策。最典型的例子就是在 1990 年代末擊敗國際象棋大師加里·卡斯帕羅夫(Garry Kasparov)的 IBM 國際象棋超級(jí)電腦“深藍(lán)”。

“深藍(lán)”可以識(shí)別棋盤上的旗子,并判斷每一步棋的下法。它可以預(yù)測(cè)自己和對(duì)手接下來的走法,還能在各種可能的走法里面選出最優(yōu)方案。

但它對(duì)于過去沒有任何概念,也不記得之前發(fā)生過什么。除了遵守重復(fù)棋局不能連續(xù)出現(xiàn) 3 次的規(guī)定外,深藍(lán)不會(huì)理會(huì)之前發(fā)生的任何事情。它只會(huì)關(guān)注棋盤上的現(xiàn)狀,然后在接下來可能的走法中做出選擇。

這種類型的智能需要電腦直接觀察世界,并根據(jù)它所看到的東西做出反應(yīng)。它并不依賴于世界的內(nèi)生概念。人工智能研究人員羅德尼·布魯克斯(Rodney Brooks)在一篇論文中表示,我們只應(yīng)該開發(fā)這樣的機(jī)器。他的主要理由在于,人類還不太擅長(zhǎng)通過計(jì)算機(jī)編程模擬供電腦使用的世界,這在人工智能領(lǐng)域被稱作世界的“表現(xiàn)”。

目前令我們感到驚奇的智能機(jī)器要么同樣對(duì)世界沒有概念,要么只是對(duì)其所需執(zhí)行的特定任務(wù)有著非常有限而具體的概念。深藍(lán)的創(chuàng)新之處并不是拓寬電腦可能考慮的走法范圍。相反,開發(fā)人員找到了一種方式來縮小它的視野,根據(jù)它對(duì)某些走法的結(jié)果進(jìn)行的評(píng)估,阻止其追求一些可能的走法。沒有了這種能力,深藍(lán)就需要更加強(qiáng)大的計(jì)算能力才能擊敗卡斯帕羅夫。

類似地,擊敗李世石的谷歌 AlphaGo 也無法評(píng)估所有的走法,它采用了比深藍(lán)更加復(fù)雜的分析方法,使用神經(jīng)網(wǎng)絡(luò)來評(píng)估棋局的發(fā)展。

這些方法的確提升了人工智能系統(tǒng)在特定游戲上的能力,但卻無法輕易改變或應(yīng)用到其他環(huán)境之中。這些計(jì)算機(jī)化的想象力對(duì)整個(gè)世界沒有概念——因此他們無法在專業(yè)領(lǐng)域之外發(fā)揮作用,而且很容易被愚弄。

它們無法通過交互的方式成為世界的一個(gè)組成部分,這顯然并不符合我們對(duì)人工智能系統(tǒng)的未來預(yù)期。相反,這些機(jī)器每次遇到相同的情況都會(huì)采用相同的應(yīng)對(duì)方式。這樣很容易確保人工智能系統(tǒng)的可信度:你希望自己的無人駕駛汽車是一位可靠的司機(jī)。但如果你想要跟機(jī)器展開真正的互動(dòng),甚至對(duì)周圍的世界作出真實(shí)的反應(yīng),那就難以滿足你的要求。這些最簡(jiǎn)單的人工智能系統(tǒng)永遠(yuǎn)不會(huì)感覺無聊、興致盎然或心情苦悶。

第二類:有限的記憶

第二類人工智能包含了能夠分析過去的機(jī)器。無人駕駛汽車已經(jīng)能夠?qū)崿F(xiàn)一些類似的功能。例如,他們可以觀察其他車輛的速度和方向,但卻不能在短時(shí)間完成,而是需要識(shí)別具體的物體,然后長(zhǎng)時(shí)間觀察。

這些觀察被添加到為無人駕駛汽車預(yù)編的世界“表現(xiàn)”中,其中也包括車道標(biāo)記、交通信號(hào)燈和路上的曲線等其他重要因素。當(dāng)汽車尋找變換車道的時(shí)機(jī)時(shí),就會(huì)考慮這些因素,避免影響其他車輛,或者被附近的車輛撞到。

但這些簡(jiǎn)單的歷史信息存在的時(shí)間都很短暫,無法像經(jīng)驗(yàn)豐富的人類駕駛員那樣將其存儲(chǔ)在“經(jīng)驗(yàn)庫”里。

那么,我們?nèi)绾尾拍荛_發(fā)一套人工智能系統(tǒng),使之可以構(gòu)建全面的“表現(xiàn)”,記住自己的經(jīng)驗(yàn),并學(xué)會(huì)如何應(yīng)對(duì)新的情況呢?布魯克斯說的沒錯(cuò),這的確非常困難。我自己的研究方法受到了達(dá)爾文進(jìn)化論的啟迪,已經(jīng)可以通過讓機(jī)器構(gòu)建自己的“表現(xiàn)”來彌補(bǔ)人類的不足之處。

第三類:心智理論

或許可以到此為止,這是我們目前開發(fā)的機(jī)器與今后開發(fā)的機(jī)器之間的重要差異。然而,最好還是能更加明確地討論機(jī)器需要形成的“表現(xiàn)”類型,以及它們所需發(fā)展成的樣子。

今后,更加先進(jìn)的機(jī)器不僅能夠形成世界的“表現(xiàn)”,還可以形成其他代理或?qū)嶓w的“表現(xiàn)”。從心理學(xué)上講,這叫做“心智理論”——明白世界上的人、生物或物體可能擁有影響其自身行為的思想和情感。

這是人類形成社會(huì)的關(guān)鍵所在,因?yàn)檫@讓我們可以展開社交互動(dòng)。不能理解彼此的動(dòng)機(jī)和意圖,而且不能考慮他人對(duì)自己或周圍的環(huán)境有何了解,在一起工作就會(huì)變得非常困難,甚至全無可能。

如果人工智能系統(tǒng)真的能夠與我們并肩行走,他們就必須能夠明白,我們每個(gè)人都有思想和感受,對(duì)于他們希望獲得的待遇也都有一定的預(yù)期,從而就此調(diào)整自己的行為。

第四類:自我意識(shí)

人工智能發(fā)展的最后一步是構(gòu)建一

套能夠形成自我表現(xiàn)的系統(tǒng)。最終,我們?nèi)斯ぶ悄苎芯咳藛T不僅要理解意識(shí),還要開發(fā)出具備意識(shí)的機(jī)器。

從某種意義上講,這是第三類“心智理論”人工智能的延伸。意識(shí)也被稱作“自我意識(shí)”。(“我想要那個(gè)東西”與“我知道我想要那個(gè)東西”有著很大的差異。)意識(shí)生命能夠意識(shí)到自我,知道自己的內(nèi)部狀態(tài),而且可以預(yù)測(cè)他人的感受。

我們之所以認(rèn)為在車流后面按喇叭的人非常憤怒或沒有耐心,是因?yàn)槲覀兂税蠢葧r(shí)就是這種心態(tài)。沒有了心智理論,我們就不會(huì)得出這樣的推論。

雖然我們可能距離開發(fā)具有自我意識(shí)的機(jī)器還有很遠(yuǎn)的距離,但的確應(yīng)該集中精力理解記憶、學(xué)習(xí)和根據(jù)過往經(jīng)驗(yàn)制定決策的能力。這是理解人類智能的關(guān)鍵步驟。如果我們想要設(shè)計(jì)或發(fā)展一種機(jī)器,使之不僅擅長(zhǎng)分辨眼前東西,還要具有真正的智能,那么這項(xiàng)工作便顯得至關(guān)重要。

0

玩家點(diǎn)評(píng) 0人參與,0條評(píng)論)

收藏
違法和不良信息舉報(bào)
分享:

熱門評(píng)論

全部評(píng)論

他們都在說 再看看
3DM自運(yùn)營游戲推薦 更多+