英文原文：AI的未来在于复制我们自己的神经网络 我们害怕人工智能可以打败人类最好的国际象棋高手，而很多人将其视为“人工智能将终结人类”的预兆。不过从这篇文章来看，作者似乎并不担心在可预见的未来会出现这一天——他认为人工智能还有很长的路要走，阶段性发展如何接近未来？大脑学习。 我们的大脑似乎没有极限。我们不只是开车，我们建造摩天大楼，经营公司，处理情绪。我们可以轻松地拿起东西，灵活地操纵它们，并且每个人都学会了数百种可以混合并快速完成的复杂技能。但人工智能似乎还做不到，它们有根本的局限性。或许正如谷歌DeepMind项目的联合创始人DemisHassibis所说：“我们真的有可能发展出‘通用智能’吗？人脑是存在的唯一证据。为什么人类有这样的能力？它是如何实现的？”值得我们花时间去研究和理解。” 本文来自bigthink，编译自微信公众号《利维坦》。作者：BenMedlock，翻译：Carlyle，校对：苗昕。 意识作为primitive顶层函数的思想认知结构是非常有吸引力的。毕竟，我们感知自我意识的方式不同于我们感受自己的心率和排便的方式。如果大脑的行为能够被孤立地观察并逐层分析，或许2017年7月12日，在香港举行的“RISE”科技大会会场，我们可以创造类似顶层结构的东西来实现拟人化的人工智能，同时绕过有机生命特有的复杂物理身体。在HansonRobotics组织的人工智能展览开始讨论人类未来之前的中心舞台。图片来源：ZachLawrence/AFP/GettyImages 我理解这种观点的吸引力，因为我是联合创始人之一SwiftKey的公关微软公司收购的命令式语言软件。我们的目标是模拟人类理解和使用语言的非凡过程。我们取得了长足的进步：我为我们在2012年至2014年期间为物理学家史蒂芬霍金打造的全新高端交流系统感到非常自豪。尽管取得了这些令人兴奋的成果，但大多数时候我不会忘记我们仍然远非创造拟人化智能。是什么原因？因为我们的认知模型是错误的。许多人工智能研究人员目前无法解决难题中最核心的部分：可视化过程。GeminoidF，日本机器人专家石黑浩制造的人形机器人。机器人原型是日俄混血美女模特，F代表女性，2010年“诞生”，可以做出眨眼、微笑、皱眉等65种不同的面部表情。图源：CaitOppermann 回首50年代，在现代人工智能的黎明时期，事情出了岔子。计算机科学家试图通过构建基于符号的逻辑系统来模拟有意识的逻辑思维过程。该方法将客观世界的实体与数据代码相关联，并创建环境的虚拟模型，该模型也被投射回现实世界本身。 例如，从符号逻辑的角度，如果你想创建一个学习“猫是动物”这个结论的工具，你可以用一些数学定理来编码一些特定的知识，比如“猫>是>动物”。这样的定理也可以应用到更复杂的句子中，让系统描述和判断真假——比如“正常情况下你的猫和马一样大”，“猫一般抓老鼠”。 这种方法在早期的简单环境中是成功的：在麻省理工学院计算机科学家TerryWinograd于1968年至1970年间设计的虚拟世界“SHRDLU”中，计算机可以与用户对话并帮助用户移动具有简单形状的障碍物，例如作为锥体和球体。然而，面对现实世界的问题，符号逻辑往往无能为力，形成规则的符号系统往往在定义模糊和理解过于宽泛中崩溃。 在过去的几十年里，随着计算机能力的提高，研究人员尝试使用统计信息从海量数据中抽象出模型，这种方法通常被称为“机器学习”。机器学习不是试图编码高阶知识和逻辑思维，而是使用自下而上的方法，算法通过重复学习来识别对象之间的关联，例如对图像文件中可以看到的对象进行分类或将录音转换为文本。这样的系统可能能够学习识别猫的图像，例如，通过查看数百万张猫的图片，或者从大量文本中提取以建立猫和老鼠之间的关系。面对一个问题时，Watson可以同时运行数千种算法来寻找答案，然后组合这些答案并计算它对每个答案的置信度。资料来源：维基百科 近年来，机器学习得到了广泛的应用。我们已经创建了可以在语音识别、图像转换和唇读方面超越人类的人工智能系统。比如，华生（Watson）在问答节目中打败了人类《Jeopardy！》；我们中的一些人，例如下围棋的人工智能AlphaGo，正在学习创作视觉艺术作品、改编流行音乐以及编写自己的软件程序。 从某种意义上说，他们的自学算法模仿了我们所知的大脑有机体的潜意识过程。机器学习算法从简单的“特征”（例如单个字母或像素）开始，然后将它们组合成更复杂的“类别”，同时考虑到现实世界中信息解释中固有的不确定性和歧义性。在某种程度上，这类似于视觉皮层的功能——一种从眼睛接收生物电信号并将其解释为可识别模式和物体的结构。HAL9000高智能计算机在《2001 太空漫游》。来源：Giphy 算法要像我们一样思考还有很长的路要走——最不可逾越的鸿沟在于我们进化的生物结构和我们的生物基础处理信息的方式。 人类由数以万计的真核细胞组成，根据化石记载，真核细胞最早出现于25亿年前。每个人体细胞都是身体的重要组成部分，是一台联网的机器，其部件数量与现代喷气式飞机一样多——所有这些都是由生物学和自然界产生的，我有你的《相爱相杀》。 在《盆地与山脉》（BasinandRange,1981）中，作者约翰麦克菲写道，如果你伸出双臂，作为地球整个历史的代表，复杂的生命就在远端此外，“它只需要用中等大小的指甲锉轻轻打磨，整个人类的历史就会被毁灭。”来源：蔷薇树传媒学区 传统进化论认为，我们体内的各种细胞是由原始真核生物通过随机基因突变和自然选择进化而来的。但在2005年，芝加哥大学生物学家詹姆斯夏皮罗提出了一个激进的新想法。他认为，真核细胞通过操纵自身DNA来响应环境刺激，从而“智能地”适应宿主生物体的环境。最近的微生物学研究结果也为这一观点提供了一些依据。例如，哺乳动物的免疫系统倾向于复制DNA序列以产生有效的抗体来对抗疾病，而我们现在也知道人类基因组中至少43%的DNA可以通过“自然基因工程”从一个位点转移到另一个站点(shapiro.bsd.uchicago.edu/Shapiro.2005.Gene.pdf)。 聪明的自组织细胞与我们用来认真思考的大脑智能之间的距离似乎有点远。然而，问题在于，在我们有意识和能够思考之前，我们的细胞已经能够从我们的环境中获取信息并相互合作，将我们塑造成它们强大且自我维持的代理人。我们所谓的“智能”，不应该只是用符号来表现客观存在的世界。相反，我们所知道的世界只是大自然向我们展示的那一部分，植根于我们的发展并体现了我们作为生物体的需求。安东尼奥·达马西奥(AntonioDamasio)在他关于认知的开创性著作《笛卡尔的错误》（笛卡尔的错误，1994年）中写道，大自然“创造了调节智力的机制，其作用不仅仅是超越它。它高于生物调节机制，它源自生物调节机制，它依赖于它。也就是说，我们在用我们的整个身体思考，而不仅仅是我们的大脑。Kodomoroid，石黑浩创造的人形女孩机器人。来源：Mashable 我相信在这个充满不确定性的世界里，身体赖以生存的基本要素是人类灵活而强大的智力基础。但很少有人工智能研究人员真正被这种观点所左右。大多数人工智能算法的推动力是从大量训练数据中推断出模型——因此，为了更准确地识别猫，您需要数亿只猫的照片。然而，恰恰相反，由于人类作为有机体的需要，我们在更广阔的环境中建立了极为丰富的心智模型。根据经验和预期，我们可以在观察小样本时推断出可能的结果。因此，当一个人想到“猫”时，她可能会想象猫的移动方式、她耳边发出的“咕噜咕噜”声，以及一只爪子在她面前抓挠的感觉。她拥有丰富的感官信息，可以帮助她理解“猫”的定义以及其他可能有助于她与该生物互动的概念。来源：Tumblr 这意味着在人类探索新问题之前，大部分艰苦的工作已经完成。我们的身体和大脑，以我们刚刚开始理解的方式，已经从细胞层面建立了一个世界模型，我们可以随时使用它来应对挑战。 但是对于AI算法来说，这个过程每次都要从0开始。“归纳迁移”是一个活跃而重要的研究方向，着眼于利用以前的机器学习结果来帮助构建新的解决方案。然而，就目前而言，这种方法能否捕捉到人类思维中丰富多样的模型，还需要画上一个问号。 2014年SwiftKey推出霍金新通讯系统的同一天，霍金接受BBC采访并警告说机器可能终结人类，你可以猜猜这两个故事中的哪一个会成为头条新闻。我非常同意霍金的观点，我们确实需要认真对待“流氓人工智能”，但我认为现在担心接近人类智能的东西还为时过早——除非我们仔细考虑如何让算法与外界互动。如果不在环境之间建立长期的交互关系，几乎不可能实现这一目标。
