展會(huì)新聞
人工智能是否應(yīng)具備人類的認(rèn)知能力？?jī)晌籄I界大佬的終極討論
2017.12.08
自從阿爾法狗（AlphaGo）大勝圍棋世界冠軍李世石后，人工智能的概念真的火起來(lái)了，而關(guān)于人工智能究竟具不具備與人類相似的認(rèn)知能力的爭(zhēng)論就一直沒有停過(guò)。
最近，在紐約大學(xué)心智、大腦和意識(shí)研究中心 (Center for Mind, Brain and Consciousness) 的一場(chǎng)活動(dòng)上，兩位人工智能領(lǐng)域的“大佬”——紐約大學(xué)計(jì)算機(jī)科學(xué)家、Facebook 人工智能研究總監(jiān) Yann LeCun 和紐約大學(xué)研究心理學(xué)家、Uber 旗下的創(chuàng)業(yè)公司 Geometric Intelligence 創(chuàng)始人 Gary Marcus 就這一問題又展開了激烈的討論。
圖| Facebook 人工智能研究總監(jiān) Yann LeCun
在許多人的印象里，人工智能與人類在學(xué)習(xí)上還是有很大的不同。就像一臺(tái)由AI控制的機(jī)器，可能要通過(guò)幾萬(wàn)甚至幾十萬(wàn)次的同一實(shí)驗(yàn)之后，才能知道這種做法是錯(cuò)誤的。但在現(xiàn)實(shí)世界中，人類甚至是其它動(dòng)物，學(xué)習(xí)某種技能的時(shí)候根本不需要如此大量的錯(cuò)誤試驗(yàn)才能獲得。
這其中的重要區(qū)別在于，在強(qiáng)大的計(jì)算能力的幫助下，人工智能技術(shù)幾乎可以從零開始學(xué)習(xí)任何的東西。而人類和動(dòng)物卻不是這樣，我們具備天生的認(rèn)知能力，可以直觀地理解很多概念，包括對(duì)象、地點(diǎn)或相關(guān)事物的集合，從而直接迅速地發(fā)現(xiàn)世界是如何運(yùn)轉(zhuǎn)的。那么問題來(lái)了：隨著技術(shù)的發(fā)展，人工智能是否需要擁有和人類類似的認(rèn)知能力呢？
作為深度學(xué)習(xí)技術(shù)的權(quán)威，LeCun 認(rèn)為：“從利用大腦重構(gòu)世界這方面來(lái)講，我們擁有得天獨(dú)厚的優(yōu)勢(shì)，而這是人工智能不論通過(guò)設(shè)計(jì)還是學(xué)習(xí)都無(wú)法達(dá)到的?！?/span>不過(guò) LeCun 相信，基于非監(jiān)督學(xué)習(xí)技術(shù)，人工智能可以在通用人工智能方面取得進(jìn)展。近期，非監(jiān)督學(xué)習(xí)的發(fā)展使得機(jī)器不再需要大量帶標(biāo)簽的數(shù)據(jù)來(lái)進(jìn)行訓(xùn)練。
LeCun 還指出，當(dāng)前人工智能的成功在很大程度上正是得益于預(yù)先沒有提供關(guān)于世界運(yùn)行方式的假設(shè)或概念。也就是說(shuō)，我們不需要使用語(yǔ)言學(xué)家、心理學(xué)家或認(rèn)知科學(xué)家提供的知識(shí)就可以實(shí)現(xiàn)人工智能。因此，他傾向于用最簡(jiǎn)單的人工智能算法結(jié)構(gòu)來(lái)維持這種簡(jiǎn)約性。他說(shuō)：“我的任務(wù)是盡量減少先天機(jī)制的設(shè)置數(shù)量，更多地使用我們可以獲得的數(shù)據(jù)讓人工智能進(jìn)行學(xué)習(xí)。
然而，Gary Marcus 卻不這么想。他承認(rèn)，非監(jiān)督的深度學(xué)習(xí)有可能獲得成功。不過(guò)他認(rèn)為，只有通過(guò)“比像素更豐富的基本元素和表達(dá)方法”來(lái)理解世界，非監(jiān)督的深度學(xué)習(xí)才有可能成功。
圖| Geometric Intelligence 創(chuàng)始人 Gary Marcus
Markus 表示：“我們希望人工智能可以像孩子一樣，擁有為了理解世界上對(duì)象、實(shí)體和物理機(jī)制而建立起的表達(dá)方法和基本元素。”
Markus 期望人工智能科學(xué)家更多地借鑒人類的認(rèn)知方式，開發(fā)出更具結(jié)構(gòu)化的算法、表達(dá)對(duì)象、集合、地點(diǎn)以及空間連續(xù)性等認(rèn)知概念。他引用了自己以及同事、哈佛大學(xué)認(rèn)知心理學(xué)家 Elizabeth Spelke 的研究成果，證明人類的孩子很早就有能力去感知人物、對(duì)象、集合和地點(diǎn)等概念。他的建議是：在人工智能研究中利用同樣的方法，通過(guò)某種結(jié)構(gòu)去映射類似的概念。
實(shí)際上，LeCun 在卷積神經(jīng)網(wǎng)絡(luò)上的突破性貢獻(xiàn)從某種意義上來(lái)講就是一個(gè)例證。它使用更具結(jié)構(gòu)化的方法來(lái)減少人工智能所處理信息的數(shù)量，幫助人工智能更好地理解世界?！拔艺J(rèn)為，我們真正需要的是系統(tǒng)性思考和分析，關(guān)注當(dāng)我們將不同數(shù)量的內(nèi)在機(jī)制集成到機(jī)器學(xué)習(xí)系統(tǒng)時(shí)會(huì)發(fā)生什么?！盡arcus 說(shuō)。
圖| 卷積神經(jīng)網(wǎng)絡(luò)
LeCun 認(rèn)為，人工智能的確需要一些結(jié)構(gòu)來(lái)幫助理解世界。不過(guò)他想要知道，生物的大腦中是存在“單一的學(xué)習(xí)算法、原理或程序”，或是更像沒有潛在組織原則、無(wú)意義的“黑客”的集合。無(wú)論是哪一種，人工智能都可以從中受益。
智力的本質(zhì)就是一種預(yù)測(cè)能力，因?yàn)轭A(yù)測(cè)未來(lái)實(shí)質(zhì)就是對(duì)世界空白場(chǎng)景的一種填充。基于對(duì)已知世界運(yùn)行方式的了解，人類和動(dòng)物可以根據(jù)常識(shí)來(lái)填補(bǔ)不完整的信息。正因如此，人類在學(xué)習(xí)某種技能時(shí)不需要犯成千上萬(wàn)次錯(cuò)誤、不需要上萬(wàn)次的生命危險(xiǎn)才獲得此項(xiàng)技能。
“當(dāng)前缺少一種機(jī)制，可以讓我們的計(jì)算機(jī)通過(guò)觀察世界、與世界互動(dòng)來(lái)學(xué)習(xí)世界究竟如何運(yùn)轉(zhuǎn)。毫無(wú)疑問，這將是阻礙人工智能進(jìn)一步發(fā)展的最大障礙。”LeCun 說(shuō)。所以，LeCun 最大的希望就是，在非監(jiān)督學(xué)習(xí)的引導(dǎo)下，人工智能最終發(fā)展出一種能力，可以以類似人類的角度去了解世界的運(yùn)行方式。他表示：“在我有生之年，如果我們能開發(fā)出智力水平達(dá)到貓或老鼠的人工智能，那么我也會(huì)非常興奮。”
