1955 年,计算机科学家约翰·麦卡锡首次提出了“人工智能”这个说法。“当时,人工智能已能够表现出类似人类的行为,并通过了著名的图灵测试,但它是参考计算机的一种概念模糊的东西。

在过去的几十年里,我们一直在思考人工智能时代的到来是在几年还是在十年之后。

我们一直都是错的。如今,人工智能被用来描述许多事情,而且仍然像 20 世纪 50 年代那样令人困惑。制造商将其作为一个营销术语来销售那些以可预测的方式执行重复性任务的哑产品。开发人员使用它来指代机器学习算法、分析数据和定义自己行为的软件,而不是遵循静态规则。科幻小说作家和电影制作人用它来描绘未来将会奴役、毁灭或服务于我们超级智能机器人。

然而,真正的人工智能仍然难以捉摸——但我们仍然相信它就在眼前。本月,我有机会遇上了神经科学家和人工智能专家帕斯卡·考夫曼,他分享了一些关于当前开发人工智能在方法上存在的问题,以及如何创造人类水平的人工智能的见解。

考夫曼是总部位于瑞士的人工智能创业公司 Starmind 的联合创始人,他在人工智能和半机械方面有十年的研究经历,曾在 DARPA 项目上创造第一个半机器人。他相信,即使有了人工智能的繁荣,计算机与人类大脑的力量相比也是苍白无力的。在从事人工智能研究的早期,考夫曼就抱持这样的观点:我们只会通过破解大脑密码来实现“真正的人工智能”。只有这样,我们才能理解大脑是如何运作的,我们将会看到人工智能的无限潜力,从半机器人到人造有机体——但我们如何做到这一点呢?

阿兰·图灵

真正的人工智能还不存在

“‘人类层次的 AI’、‘真正的 AI’或‘硬 AI’,指的是人工智能在思考、行动和模拟人类智力和智慧上有完全自主的能力——从生物情报中,我们无法将 AI 与我们分辨出来。”考夫曼说,“人类层次的 AI 是科幻电影和书籍中经常描绘的,而我们还无法做到这一点。”

考夫曼认为,无论今天的人工智能是什么,都是“狭隘的人工智能”。“这就是我们今天在聊天机器人中,在 AI 国际象棋、袖珍计算器或任何为解决特定的狭窄任务而量身定做的系统中看到的。”他说。这也是其他专家所认同的观点。一些人甚至将狭隘的人工智能归类为“增强智能”或“智能增强”,以避免将其与人工智能多年来积累的反乌托邦愿景混为一谈。

考夫曼接着说:“今天我们所说的‘狭隘的人工智能’,只不过是一个程序员(或一个程序员团队)的智慧,被压缩到源代码中,试图预见可能发生的事情,并应用统计程序来优化结果。举个例子,一块手表是具有很多的人类智能的,它们被组装起来,产生了一种能够测量时间的装置。因此,它更多的是智力的产物,而不是真正的智慧。”

程序员都是非常聪明的人,但个体的智慧或单个人有限的知识库不能成为人工智能发展的基础。“我认为人工智能可能不是由一个人的大脑来构建或进一步发展的。” 考夫曼解释说,“最终,我们需要团结和捆绑我们的人类智慧,以实现人工智能的真正突破。”

我们应该停止将人脑与计算机进行比较

我们人类总是喜欢将我们的大脑和身体的功能与最新的技术进行比较,无论是滑轮、齿轮还是蒸汽机。这让我们试图以一种不一定正确的方式来理解和复制人类的大脑。一个有趣的例子是弗兰肯斯坦,这个年轻的科学家试图创造一个人造的人,但使用的方法是绝对荒谬的。

弗兰肯斯坦

今天,最先进的技术是计算机软件,或者更确切地说是人工神经网络,这种软件是以人类大脑的内部工作方式命名的。然而,考夫曼强调,控制人类思维的真正机制与迄今为止所创造的任何软件都有本质上的不同。

“在一个经典的人工神经网络中,脑细胞 A 通过一个较厚或较薄的连接与脑细胞 B 相连,通常在两个生物脑细胞之间存在着几百个不同长度和强度的连接。” 考夫曼说。他指出,在生物界,这种关系非常有效,但在工程学领域却没有任何意义。

还有其他的差异。一个普通的人脑细胞在 20 赫兹的范围内放电,而现在最普通的 CPU 以几十亿赫兹的速度运行,速度提高了数百倍。“然而,大脑通过大量脑细胞和突触(脑细胞之间的连接)超过了我们的快速 CPU,”考夫曼说,这使得它有能力做一些让计算机科学家感到绝望的事情。

考夫曼指出,目前还不清楚记忆的储存方式和位置。“它是否存在于脑细胞的放电模式中?是否存在某种记忆蛋白质?或者我们甚至需要深入到子原子空间中去考虑亚量子效应?”

人类智慧与大数据无关

当前的人工智能系统严重依赖于巨大的数据集和计算能力。考夫曼说,相比之下,人类的大脑依靠极少的信息即能学习并开始做出决策。

“在今天的人工智能中,推广一项发现并将其应用于新事物的能力是一个未解决的挑战。” 他说,“像人类一样的人工智能不是处理大量数据,而是一种能够处理学习和理解周围小数据的编程能力,就像人类所做的那样。”

一个例子是谷歌的 AlphaGo,它在围棋比赛中击败了人类世界冠军。该软件背后的算法能够通过查看数千场与人类对战的数据来自学和掌握游戏。游戏的后期版本将这个概念进一步发展,并通过连续不断的数亿次的对抗来自我学习。这是人类大脑不可能完成的壮举。

“人类可以在围棋中作弊,他们可以运用游戏中的原则来解决完全不相关的挑战,他们可以写一首关于这个游戏的诗,他们可以认为他们很无聊。” 考夫曼说,“人类可以利用游戏中的小数据,并立即将其应用到其他事情上。”而 AlphaGo 只能按照规则下围棋。

机械姬

考夫曼说:“当你需要 3 亿张猫的照片才能辨明它是一只猫、一匹马或一头牛时,我并不认为这是非常聪明和有趣的。”相反,他认为,通过与猫的互动和提取原则来了解猫是什么样子的,会更有趣。“我们现在还不知道人工学习如何才是最有效的,以及我们错过了哪些成分。有人说,这是感官模式的丰富性,有人说它只是计算能力,还有人说我们缺乏对智力如何产生的基本理解。能够从很少的数据中学习,甚至能够在没有任何数据的情况下做出预测,这是一个巨大的优势。”

神经科学将破解人类大脑的代码

那么我们如何实现人工智能呢?“在研究大脑和潜在的生物过程中,我们可能会发现有趣的智力原理,这是一个我们称之为神经科学的领域,”考夫曼说。“我指的是对大脑的理解,我们可以制造出一种人造装置,显示出与被破解的大脑代码类似的甚至是更高级的功能。”

考夫曼说,到目前为止,动物和人类的大脑都是智力或智能行为的基础。然而,有很大的可能性,聪明的行为在没有脑细胞的情况下也是可能的,例如,一个单一的细胞有机体可以表现出各种各样的行为特征。

“我不排除研究基因和潜在的调控网络可能会导致我们在高等动物的大脑中找到非常相似的原理的可能性,但到目前为止,这只是一个有趣且未经证实的假设。” 考夫曼说,“最终,大自然是一个伟大而鼓舞人心的老师,我们可以并且应该从中学习。”

并不是所有人都相信我们能够——或者应该——建立一个与人类智力水平相当的人工智能。现在就断言神经科学是否会成为释放工智能力量的关键还为时过早。但是,理解人类思维是如何运作的,这是至关重要的第一步。

“虽然计算机有了很好的理解能力,但大脑却隐藏着许多秘密,这一事实使神经科学和人工智能成为我们这个时代最激动人心的研究领域。” 考夫曼说,“我们不需要了解大脑中每个细胞的作用和目的,而是要理解我们的大脑运行的基本原理,以及智力的本质是什么。我喜欢把它和牛顿及苹果相比较——理解重力原理是理解围绕宇宙的非复杂的科学的第一步。一旦我们了解了大脑的模式和原理,我们就可以利用这种理解,并将其应用于开发类似人类的人工智能。”

【数字叙事 原作:Ben Dickson;编译:Lighting】