手機版 | wap版 | 網站主頁 | HOME | 3G網頁
<button id="saqes"><acronym id="saqes"></acronym></button>

<dd id="saqes"></dd>
<button id="saqes"></button>
      1. <progress id="saqes"></progress>
        <tbody id="saqes"><track id="saqes"></track></tbody>
        <em id="saqes"><tr id="saqes"></tr></em>

        返回主導航
        首頁
        縣域服務
        縣域模式
        縣域動態
        關於我們
        閃迅力量

        人工智慧為什麼一定要有身體?

        更新時間: 2019-11-12 16:06:59

        人類是一種具備豐沛想象力的生物,無論是對自我還是他者,對過去還是未來,皆是如此。當面對「人工智慧」這種新事物時,人類的這一點特性體現得尤為明顯。

         

        早在希臘神話中,諸如「黃金機器人」這樣的智能機器就已經出現。傳說火神赫准斯托斯為了招待上帝,通過金屬加工和手工工藝鑄造了24個銅三腳架,它們能夠憑藉金色的輪子自我驅動、四處走動,這便是人工智慧最早的雛形。

         

        而在今天,人類對人工智慧的想象依舊狂熱。從《終結者》、《銀翼殺手2049》,到《機械姬》、《戰鬥天使阿麗塔》,大量的科幻作品向我們展示了人工智慧的未來形態:它們不僅是超強智能的化身,更是形似人類並且具備自我意識的情感動物。

         

        但也有一種聲音認為,迄今對強人工智慧的幻想未免太缺乏想象力:當超級智能已經無所不能之時,為何還會受到「肉體」的限制?表面看起來,這樣的質疑不無道理,人類對AI形態的構想似乎仍受自身經驗和認知水平禁錮——人有軀體,那麼未來的人工智慧也一定會有軀體。倘若AI能擺脫實體桎梏,以類似於數據的形式存在,那麼它無疑將更加空靈自由,能力也會更為強悍。

         

        不過,越來越多的證據表明,「身體」恰恰是人工智慧發展、進化必不可少的關鍵基礎。隨著認知科學的迅速發展,「具身認知」理論得到AI科學家重視,並由此促成人工智慧研究的具身性轉向。這一轉向極為重視「身體」對於人工智慧的作用,以此為突破技術發展瓶頸帶來曙光,並成為邁向強人工智慧乃至超人工智慧的關鍵一步。

         

         

         

        一、定義「智能」

         

        對於「什麼是人工智慧」這個問題,人類總喜歡拿自身情況和認知水平去類比、衡量。循著這一思路,似乎只有那些能夠突破人類能力瓶頸——即解決人類都難以攻克的複雜問題、擁有超高速計算能力的才被視為「人工智慧」。

         

        實際上,這種主宰了AI研究界數十年的理念並沒有真正理解「智能」的含義。

         

        這一理念也直接導致人類在弱人工智慧領域躊躇過久,而在強人工智慧領域長期毫無建樹。在20世紀五六十年代,研究者表現出相當樂觀的情緒,他們認為具備完全智能的機器將在二十年內出現。然而,許多個二十年已經過去,就現實中人工智慧領域的發展狀況而言,儘管相關技術取得巨大進步,但相較於過往的美好願景仍然差距甚遠,「完全智能」的實現仍遙遙無期。

         

        早期科學家們之所以預測真正的人工智慧很快就能出現,其樂觀源於一個事實:彼時的智能程序已經能成功解決複雜的代數問題和證明幾何定理,並且可以像專業棋手一樣下國際象棋。邏輯似乎很簡單:對於普通人來說,無論是代數幾何,還是高超棋藝,都是極具挑戰性的任務,所以就被視為「智能」的象徵;而諸如識別一張桌子和一束花,或者是用腿自由行走,這些行為屬於「常識」或「本能」的範疇,根本就不需要動用「智能」。以此推論,當機器能夠輕易解決數學推理等困難問題時,那相對容易的任務自然就更不在話下了。這是古典人工智慧主義時期通行的想法,在很長一段時間內,人工智慧的發展方向受其統攝,研究者通過攻克一道道技術難題,來證明AI的「智能」程度正在不斷深化。

         

        但這種想法逐漸被證明是錯誤的。因為時至今日,儘管人工智慧已經能輕易打敗人類最高明的棋手,圖像識別、邏輯推理等技能更不在話下,但是我們仍然不得不承認一個事實:現在的人工智慧並不是真正的「智能」——它們仍需人類提供數據、設立模型、給定程序和架構,並且只在特定領域、特定規則的限制下才能發揮作用。在此情形之下,AI所作出的種種行為,實際上並不是自我思考的產物,而是程序機械化運作的結果,它不會真正進行自我判斷,更別說擁有直覺、感知、意識、情感等人類才有的屬性。可以說,古典人工智慧主義錯誤理解了「智能」的本質。

         

        其實早在1980年,就有科學家對這一問題進行了闡釋。漢斯·莫拉維克等人發現,與刻板認知不同,人類所擁有的高階能力(比如推理)只需要非常少的計算能力,相反,一些無意識的技能和直覺卻需要強大的運算能力。莫拉維克指出,「要讓電腦如成人般下棋是相對容易的,但是要讓電腦有一歲小孩般的感知和行動能力卻是相當困難甚至是不可能的」。這一發現被稱為「莫拉維克悖論」,它揭示羅人工智慧所進行的那些看似複雜的「智能任務」,其實與真正的人類智能並無可比性。

         

        「人工智慧之父」馬文·閔斯基也認為:對技術人員來說,最難以復刻的人類技能實際上是那些無意識的技能。某種程度上,在人工智慧領域,迄今為止已經攻克的邏輯問題反而是最無關緊要的,因為這些問題很容易通過機器進行解決,但人類的一些簡單行為,實際更難實現。比如,一個幾歲的嬰兒就能輕易辨識人臉、隨意走動、自發性地哭鬧喊叫,但這些看似簡單的人類智能行為,對AI來說卻遠比登天還要困難。

         

         

        二、「身體」對人工智慧緣何重要?

         

        其實前述討論所圍繞的主線,還是關於AI智能程度的差別。2017年,密歇根州立大學的Arend Hintze在《理解AI的四種類別》一文中,提出了廣為認可的「人工智慧四級分類法」:

         

        1.響應式:AI無法產生記憶,不能利用過去的經驗進行決策,它們只為完成特定任務所設計,不能勝任其他任務,這是最基本的AI類型;

         

        2.有限記憶:AI的當前行為能夠參考剛剛發生的事件,但記憶是瞬時的,無法用於未來決策;

         

        3.心智理論:這是一個心理學術語,處於此階段的AI能夠根據他人的行為推導並理解其想法和動機,這一類型的AI能夠歸納出周圍環境和預知交互的其他表徵;

         

        4.自我意識:AI的終極能力。

         

        從程度上看,現階段的人工智慧在第一、二階段進展已足夠迅速,勉強能實現第三階段的部分功能,而第四階段還遙遙無期,因為它顯然屬於「人類智能」的範疇。Hintze的四級分類法也遭到了一些批評,原因就在於第三、四階段之間的鴻溝顯然太過巨大。

         

        其實早於Hintze,更為通行的分類方式是「弱人工智慧」和「強人工智慧」,二者也是在智能程度上有所差別。弱人工智慧主要是作為輔助人類的工具,它能在特定領域、特定規則的限制下進行系統闡述和檢驗工作,但它並不能實現真正意義上的推理與解決問題,因此不具備真正的「智能」,我們現在所能見到的AI,基本都屬於弱人工智慧的範疇。相較於此,強人工智慧就不僅僅是工具的角色了,它具有知覺和理解能力,甚至擁有自我意識和價值觀體系,在某種意義上,它本身就是一種與人類並存的全新文明。

         

        談及弱人工智慧和強人工智慧的區分,必須提到哲學家約翰·塞爾。他通過著名的「中文屋實驗」,發現計算機程序純粹是按照句法規則組織起來的,儘管機器可以做到對人類行為的高度模擬,甚至在某些地方可以超越人類,但它卻是沒有理解能力的,不能像人一樣進行認知活動。這一發現揭示了彼時人工智慧的瓶頸。

         

        為此,塞爾引入「意向性」概念,用以解釋人類智能與人工智慧的區別(實際也是強人工智慧與弱人工智慧的區別):「人的一言一行在多數情況下都是由自我意識引導完成的,積極而主動;而機器所做的每一件事都需要人事先制定好,機械且被動」。「意向性」就是劃分主動與被動的界限。

         

        根據塞爾的定義,「意向性」是某種心理狀態的特徵,此種特徵使心理狀態指向或涉及世界中的客體或事物狀態。換言之,真正的「意向性」產生於與世界的交互,從環境系統和客觀事物中生成。這種「交互」是人類意向性的基礎,它使人類獲得對世界的理解與感覺意識。

         

        如果機器要實現真正的智能,首要解決的問題就是海量背景知識的學習,其中包括各種常識,也包括世界運作的方式。這些知識是無窮無盡的,並且難易體系化,除非AI能夠實現擺脫人類給定數據意義上的、真正的「自我學習」,否則永遠無法掌握這些背景知識。

         

        而感覺意識,也緣於與世界的交互。比如「辣」這種感覺,源於吃辣的食物時舌尖上的痛感,紅色辣椒、滿面通紅的視覺,以及極具刺激性的嗅覺等等,它們共同組成了我們對「辣」的認識。它不僅是一種生理性的感受,更源於我們與客觀事物的真實交互,進而將這種綜合性的感知內化為腦中的意識,並作為指導所有行動的先驗性標準。

         

        而人類與外部環境、客觀的交互,都需要由「軀體」這個中介來完成。但AI是沒有「軀體」的,它只能和人類給定的數據交互,卻不能從與環境的互動中獲得「常識」,也就不會形成自我感受和意識。反言之,如果要讓AI具備意識,首先就要賦予它一個可以自己控制的軀體,並像普通個體一樣融入物理世界與人類社會。

         

         

         

        三、具身性與強人工智慧

         

        讓人工智慧擁有一個「身體」,這是具身性人工智慧研究路徑的主要觀點。此路徑的生成依託於20世紀五六十年代興起的「認知科學革命」,並直接受其中「具身—生成取向」的影響。這一取向所主張的「具身認知」假設,認為認知過程和思維過程並非是在智能體內部發生的,而是發生在智能體與環境的自適應交互之中。

         

        AI科學家吸取「具身-生成取向」的理論核心,形成了人工智慧研究的「行為學派」,關注智能體與環境的互動。早在數年前,行動學派的堅定支持者羅德尼·布魯克斯就提倡製造一種沒有辨識能力,只有感知和行動能力的機器。他將這個機器稱為「新人工智慧」,是完全跳脫傳統定義的人工智慧。

         

        布魯克斯認為,為了使機器人獲得真正的智能,必須實現它的「軀體化」。藉助於這具軀體,它能夠自主移動、生存、同這個世界交互,進而感知、思考、生成意識。在布魯克斯看來,這個世界就是描述它自身最好的模型,它包含所有研究所需的細節,而理解它的訣竅就在於親身接觸、親身感知。

         

        布魯克斯的做法體現了具身認知論的思想核心,即從基礎開始模擬人類,進而使機器獲得媲美「人類智能」的自主思維能力——通過「自下而上」的路徑,構造出真正的人工智慧。要知道,日常生活世界遠要比科學世界龐大、複雜得多,其蘊含的數據資源和知識資源,縱使有再多資料庫也無法完全覆蓋。古典人工智慧主義在忽略「軀體」要素的同時,實際上也忽略了外部世界諸多豐富的細節,以此為主導製造的大多數計算機程序,除了編程者的控制指令,並沒有與這個世界真正建立起聯繫。

         

        人工智慧的具身性轉向,要求AI具有物質意義上的感覺器官,藉此外部世界提取信號;與這些感覺器官相連的是分層存儲系統,它們與人類大腦皮層工作原理類似,能夠存儲從外部交互中獲得的信號。通過反覆訓練,AI就能夠通過感官系統和記憶系統構建起它自身關於世界的模型,進而能夠依據過去的經歷進行類推,並對未來事件做出預測,為新問題提供解決方案。這條路徑,正是完美地模擬了人類意識的生成方法。此時的人工智慧,如果按照Hintze的四級分類法來衡量,就已經突破了第三階段並向擁有自我意識的第四階段邁進。

         

        這條路徑的發展比想象中要快得多,以羅德尼·布魯克斯為例,他在20世紀90年代就已經設計出實體化的「火星機器人」。而科技公司Willow Garage開發的Personal Robot 2機器人也是具身性人工智慧的重要標誌,它擁有兩條手臂、可開合的夾爪,頭部、胸部、肘部上安裝有高解析度攝像頭、激光測距儀、慣性測量單元、觸覺感測器等,PR2能夠藉助這些設備直接感受物理世界信號,由於採取了模糊決策控制,因此PR2不需要編程就能學習新事物。前段時間,引起諸多討論的「機器血液」也是其中一環,它由康奈爾大學等機構研發,本質上是供機器人使用的液體電池,但它既有能量存儲,又有動力傳導的功能,除供電之外,還能夠以液壓的形式控制機器人運動姿態。

        PR2機器人

         

         

        四、結語:奇點的迷思

         

        美國未來學家雷蒙德·庫茲韋爾曾經提出「奇點」理論(the Singularity)。該理論預言,在2045年,強人工智慧會出現,並具有幼兒智力水平,這就是「奇點」時代。而在這個節點來臨后的一個小時,人工智慧就能立刻推導出愛因斯坦的相對論以及其他作為人類認知基礎的各種理論;一個半小時后,這個強人工智慧將進化為超級人工智慧,智能瞬間達到普通人類的17萬倍。

         

        我們能夠大體理解,為何人們在強人工智慧這個方向遲遲不能推進,一方面確實是現實需要不足且技術手段受限,而另一方面,以「奇點」理論為代表的諸多預言以及各種科幻電影的負面呈現,它們所預示的技術脫離人類控制、AI對人類的替代,使恐懼心理、憂慮心理始終環繞在人工智慧的發展過程中。

         

        但實際上,以當前人工智慧發展的水平來看,這種擔心其實很不必要,真正邁向「強人工智慧」還有諸多技術難題需要攻克,在短時間內幾無可能。與其被無謂的憂慮束縛手腳,不如謹慎克制地推進技術發展,豐富人工智慧的應用場景,讓它能夠更好服務於人類,這或許才是正確的態度。


        7X24小時全時響應(點擊撥打)

        400-6770-767
        <button id="saqes"><acronym id="saqes"></acronym></button>

        <dd id="saqes"></dd>
        <button id="saqes"></button>
            1. <progress id="saqes"></progress>
              <tbody id="saqes"><track id="saqes"></track></tbody>
              <em id="saqes"><tr id="saqes"></tr></em>