(文章來源:百家號)
HackerNoon CEO大衛(wèi)斯穆克(David Smooke)將人工智能定義為科技領域,并預計其未來將會有巨大發(fā)展。他指出,發(fā)展人工智能似乎可以用來研究如何進一步減輕一些基礎任務的負擔,如會議的安排與協(xié)調等。那么,人工智能的現(xiàn)狀究竟如何呢?人工智能的性能取決于其訓練集。最好的人工智能可能有最多的數(shù)據(jù)點來進行對比和計算。斯基納(Skinner)和帕夫洛夫(Pavlov)的行為主義對人類學習的本質做出了相似的假設。
也就是說,人類是基于數(shù)據(jù)集進行訓練的,而大腦內部的運作機制則略有不同。人可以簡單地給予獎勵和懲罰作為輸出(或行為)的條件,并通過這種方式最終實現(xiàn)目標行為。問題是,雖然心理學在很大程度上已經(jīng)對人類學習進行了深刻研究,但機器學習卻沒有。這個問題可能在人機交互的模擬中越愈發(fā)凸顯,也經(jīng)常出現(xiàn)在人工智能工程師們在試圖模擬人類思想的過程中。
他既不會說也聽不懂中文。但是在這個房間里有一本很大的手冊,里面有一系列的假設陳述。通過門上的一個插槽,他可以接收漢字,查找手冊中的字符串,并找到要通過插槽送出的字符串。顯然,塞爾可能會讓房間外的人相信他真的懂中文,但事實上他并不懂,他只是在匹配符號。因此,他表現(xiàn)出的能力受限于中文手冊的內容。
一些人工智能的創(chuàng)建者可能會聲稱,創(chuàng)建人工智能的意義實際上只是人類龐大的記憶內存和快速匹配能力的虛幻副產(chǎn)品。這和行為主義者的說法是一樣的——大腦是一個黑匣子,學習可以自動進行,而不需要機器中的某些神秘力量。并不是認為必須以神秘的方式探索思維,而是指出這種還原論對行為主義者存在誤導,因此它很可能成為人工智能發(fā)展的一個絆腳石。
這是自然語言處理的難點之一。在自然語言處理中,詞的語境共同構成彼此的含義。計算機并不自帶這種能力。因此,程序員必須手動為機器編寫代碼,然后“自動”學習這些關系。人類的理性是不同的。人類的理性不是二元的。因此,事物不是無語境的獨立的單位,而是超越自身,存在于與其他事物的關系網(wǎng)中。例如,“好”的意思也可以指“不壞”。
對于人類來說,這種對立性賦予了他們區(qū)分不同類型字符的先天能力,例如“好的壞”和“好的鞋”。然而對于計算機來說,這些對立關系必須進行有目的地學習了才行,因此在概念上,“壞”與“好”間的聯(lián)系并不比“好”與“鞋”的聯(lián)系更緊密。乍一看,這似乎不那么重要,但想象一下,如果一個人認為好與壞和好與鞋的意思相近?,那就說明他既不知道“好”是什么意思,也不知道“鞋”是什么意思。
機器本質上并不理解“讓我說‘好’”和“讓我不說‘好’”之間有一種特殊的對立關系,而人類則不然。這種情況帶來很大影響,一些合作程度較差的參與者甚至公然采取藐視態(tài)度,因為他們的對立性使他們的道德權威比實驗者的權威更大。不禁讓人想起了iRobot的桑尼,這個機器人比其他機器人“聰明”多了,因為他像人類一樣能夠理解對立性。
有證據(jù)表明人類的記憶與機器的記憶大不相同。除硬件故障外,機器會存儲無語境的信息。然而,人類的記憶取決于是否能夠將其置于有意義的環(huán)境中。例如,克雷克(Craik)和托爾文(Tulving)發(fā)現(xiàn),當人們被問到“____是一種魚嗎?”時,他們更容易記住該填空是“鯊魚”,而不是“天堂”。
同樣,人們記住按相似度分類的事物比記住沒有這類分類的事物更容易。然而,對于計算機來說,事物是獨立的,不需要語境。機器制造記憶和檢索記憶與概念語境或現(xiàn)實語境無關,但對人類來說并非如此。
如果聽到“西雅圖在地圖上與洛杉磯不相鄰”這一說法,聽者可能會思考這句話的真實性。說這個話的人可能會用一種奇怪的方式折疊地圖,讓西雅圖和洛杉磯緊挨著,然后沉浸在狡猾、驕傲的微笑中。意義創(chuàng)造是語境與對立性的結合;意義創(chuàng)造是人類理性的重要組成部分,機器則不具備這一點,至少現(xiàn)在還沒有具備。
這并不是說人工智能注定要失敗,也不能忽視已經(jīng)取得的不可思議的飛躍。筆者不否認機器學習能夠很好地模仿任何一項人類的任務,任何有限自動機都能做到這一點。
但要使人工智能令人信服,需要大量的極端案例、修改、再訓練、大量計算。正如我們目前所知,人工智能不是很靈活,除非計算機從盲目地匹配對象轉向創(chuàng)造意義,否則它就不可能有靈活性。 由此可得出結論,在可預見的未來,人工智能最適合于概念靈活性很小、不受環(huán)境影響、不涉及對人類偏好的任務(例如,輔助耕作和駕駛飛機等任務)。人工智能工程師應該在其他任務中發(fā)展機器學習,比如提出好的建議(推薦食物/電影/朋友)或者做出道德判斷(比如自動駕駛汽車的安全協(xié)議)等。