如何創(chuàng)造可信的AI，這里有馬庫斯的11條建議

蓋瑞·馬庫斯指出，只有建立一個(gè)全新的航道，才可能達(dá)到“可信的AI”這一目標(biāo)。馬庫斯系統(tǒng)性地闡述了對當(dāng)前AI研究界的批判，從認(rèn)識科學(xué)領(lǐng)域中針對性地給出了11條可執(zhí)行的建議。

第一，沒有銀彈——破除對“終極算法”的迷信

深度學(xué)習(xí)落入了“尋找銀彈”（銀彈在歐洲民間傳說中是吸血鬼和狼人克星，引申義為致命武器、殺手锏）的陷阱，用充滿“殘差項(xiàng)”和“損失函數(shù)”等術(shù)語的全新數(shù)學(xué)方法來分析世界，依然局限于“獎勵(lì)最大化”的角度，而不去思考，若想獲得對世界的“深度理解”，整個(gè)體系中還需要引入哪些東西。

神經(jīng)科學(xué)告訴我們大腦是極為復(fù)雜的。真正擁有智慧和復(fù)雜性的系統(tǒng)，很有可能像大腦一樣充滿復(fù)雜性。任何一個(gè)提出將智慧凝練成為單一原則的理論，或是簡化成為單一“終極算法”的理論，都將誤入歧途。

第二，認(rèn)知大量利用內(nèi)部表征——人類的認(rèn)知不是從出生后的學(xué)習(xí)才開始，而是依賴于進(jìn)化留下的先天表征

從嚴(yán)格的技術(shù)意義上講，神經(jīng)網(wǎng)絡(luò)也具有表征，比如表示輸入、輸出和隱藏單元的向量，但幾乎完全不具備更加豐富的內(nèi)容。在經(jīng)典人工智能中，知識完全是由這類表征的積累所組成的，而推理則是建立在此基礎(chǔ)之上的。如果事實(shí)本身模糊不清，得到正確的推理就會難于上青天。外顯表征的缺失，也在DeepMind的雅達(dá)利游戲系統(tǒng)中造成了類似的問題。DeepMind的雅達(dá)利游戲系統(tǒng)之所以在《打磚塊》這類游戲的場景發(fā)生稍許變化時(shí)便會崩潰，原因就在于它實(shí)際上根本不表征擋板、球和墻壁等抽象概念。

沒有這樣的表征，就不可能有認(rèn)知模型。沒有豐富的認(rèn)知模型，就不可能有魯棒性。你所能擁有的只是大量的數(shù)據(jù)，然后指望著新事物不會與之前的事物有太大的出入。當(dāng)這個(gè)希望破滅時(shí)，整個(gè)體系便崩潰了。

在為復(fù)雜問題構(gòu)建有效系統(tǒng)時(shí)，豐富的表征通常是必不可少的。DeepMind在開發(fā)以人類(或超人)水平下圍棋的AlphaGo系統(tǒng)時(shí)，就放棄了先前雅達(dá)利游戲系統(tǒng)所采用的“僅從像素學(xué)習(xí)”的方法，以圍棋棋盤和圍棋規(guī)則的詳細(xì)表征為起步，一直用手工的機(jī)制來尋找走棋策略的樹形圖和各種對抗手段。

第三，抽象和概括在認(rèn)知中發(fā)揮著至關(guān)重要的作用

我們的認(rèn)知大部分是相當(dāng)抽象的。例如，“X是Y的姐妹”可用來形容許多不同的人之間的關(guān)系:瑪利亞·奧巴馬是薩沙·奧巴馬的姐妹，安妮公主是查爾斯王子的姐妹，等等。我們不僅知道哪些具體的人是姐妹，還知道姐妹的一般意義，并能把這種知識用在個(gè)體身上。比如，我們知道，如果兩個(gè)人有相同的父母，他們就是兄弟姐妹的關(guān)系。如果我們知道勞拉·英格斯·懷德是查爾斯·英格斯和卡羅琳·英格斯的女兒，還發(fā)現(xiàn)瑪麗·英格斯也是他們的女兒，那么我們就可以推斷，瑪麗和勞拉是姐妹，我們也可以推斷:瑪麗和勞拉很可能非常熟識，因?yàn)榻^大多數(shù)人都和他們的兄弟姐妹一起生活過;兩人之間還可能有些相像，還有一些共同的基因特征;等等。

認(rèn)知模型和常識的基礎(chǔ)表征都建立在這些抽象關(guān)系的豐富集合之上，以復(fù)雜的結(jié)構(gòu)組合在一起。人類可以對任何東西進(jìn)行抽象，時(shí)間(“晚上10:35”)、空間(“北極”)、特殊事件(“亞伯拉罕·林肯被暗殺”)、社會政治組織(“美國國務(wù)院”“暗網(wǎng)”)、特征(“美”“疲勞”)、關(guān)系(“姐妹”“棋局上擊敗”)、理論(“馬克思主義”)、理論構(gòu)造(“重力”“語法”)等，并將這些東西用在句子、解釋、比較或故事敘述之中，對極其復(fù)雜的情況剝絲抽繭，得到最基礎(chǔ)的要素，從而令人類心智獲得對世界進(jìn)行一般性推理的能力。

第四，認(rèn)知系統(tǒng)是高度結(jié)構(gòu)化的

我們可以預(yù)期，真正的人工智能很可能也是高度結(jié)構(gòu)化的，在應(yīng)對給定的認(rèn)知挑戰(zhàn)時(shí)，其大部分能力也將源自在正確的時(shí)間以正確的方式對這種結(jié)構(gòu)進(jìn)行利用。具有諷刺意味的是，當(dāng)前的趨勢與這樣的愿景幾乎完全相反�，F(xiàn)在的機(jī)器學(xué)習(xí)界偏向于利用盡可能少的內(nèi)部結(jié)構(gòu)形成單一同質(zhì)機(jī)制的端到端模型。

在某種程度上，這樣的系統(tǒng)從概念上來看更簡單，用不著為感知、預(yù)測等分別設(shè)計(jì)單獨(dú)的算法。而且，初看起來，該模型大體上效果還算理想，有一部令人印象深刻的視頻似乎也證明了這一點(diǎn)。那么，既然用一個(gè)龐大的網(wǎng)絡(luò)和正確的訓(xùn)練集就能簡單易行地達(dá)到目標(biāo)，為什么還要將感知、決策和預(yù)測視為其中的獨(dú)立模塊，然后費(fèi)心費(fèi)力地建立混合系統(tǒng)呢?

問題就在于，這樣的系統(tǒng)幾乎不具備所需的靈活性。

在關(guān)鍵的應(yīng)用場景中，最優(yōu)秀的AI研究人員致力于解決復(fù)雜問題時(shí)，常常會使用混合系統(tǒng)，我們預(yù)期，這樣的情況在未來會越來越多。AI和大腦一樣，必須要有結(jié)構(gòu)，利用不同的工具來解決復(fù)雜問題的不同方面。

第五，即便是看似簡單的認(rèn)知，有時(shí)也需要多種工具

大腦也利用幾種不同的模式來處理概念，利用定義，利用典型特征，或利用關(guān)鍵示例。我們經(jīng)常會同時(shí)關(guān)注某個(gè)類別的特征是什么，以及為了令其滿足某種形式的標(biāo)準(zhǔn)，必須符合什么條件。

AI面臨的一個(gè)關(guān)鍵挑戰(zhàn)，就是在捕捉抽象事實(shí)的機(jī)制(絕大多數(shù)哺乳動物是胎生)和處理這個(gè)世界不可避免的異常情況的機(jī)制(鴨嘴獸這種哺乳動物會產(chǎn)卵)之間，尋求相對的平衡。通用人工智能既需要能識別圖像的深度學(xué)習(xí)機(jī)制，也需要能進(jìn)行推理和概括的機(jī)制，這種機(jī)制更接近于經(jīng)典人工智能的機(jī)制以及規(guī)則和抽象的世界。

要獲得適用范圍更廣的AI，我們必須將許多不同的工具組織在一起，有些是老舊的，有些是嶄新的，還有一些是我們尚未發(fā)現(xiàn)的。

第六，人類思想和語言是由成分組成的

在喬姆斯基看來，語言的本質(zhì)，用更早期的一位語言學(xué)家威廉·馮·洪堡(Wilhelm von Humboldt)的話來說，就是“有限方法的無限使用”。借有限的大腦和有限的語言數(shù)據(jù)，我們創(chuàng)造出了一種語法，能讓我們說出并理解無限的句子，在許多情況下，我們可以用更小的成分構(gòu)造出更大的句子，比如用單詞和短語組成上面這句話。如果我們說，“水手愛上了那個(gè)女孩”，那么我們就可以將這句話作為組成要素，用在更大的句子之中，“瑪麗亞想象水手愛上了那個(gè)女孩”，而這個(gè)更大的句子還可以作為組成要素，用在還要大的句子之中“克里斯寫了一篇關(guān)于瑪麗亞想象水手愛上了那個(gè)女孩的文章”，以這樣的方式接著類推，每一句話我們都可以輕松理解。

神經(jīng)網(wǎng)絡(luò)先驅(qū)學(xué)者杰弗里·欣頓一直在為他提出的“思維向量”而發(fā)聲。在深度學(xué)習(xí)中，每個(gè)輸入和輸出都可以被描述為一個(gè)向量，網(wǎng)絡(luò)中的每個(gè)“神經(jīng)元”都為相關(guān)向量貢獻(xiàn)一個(gè)數(shù)字。由此，許多年以來，機(jī)器學(xué)習(xí)領(lǐng)域的研究人員一直試圖將單詞以向量的形式進(jìn)行編碼，認(rèn)為任何兩個(gè)在意義上相似的單詞都應(yīng)該使用相似的向量編碼。

類似的技術(shù)被谷歌所采用，并體現(xiàn)在了谷歌最近在機(jī)器翻譯方面取得的進(jìn)展之中。那么，為什么不以這種方式來表征所有的思想呢?

因?yàn)榫渥雍蛦卧~不同。我們不能通過單詞在各類情況下的用法來推測其意思。例如貓的意思，至少與我們聽說過的所有“貓”的用法的平均情況有些許相似，或(從技術(shù)角度講)像是深度學(xué)習(xí)系統(tǒng)用于表征的矢量空間中的一堆點(diǎn)。但每一個(gè)句子都是不同的:John is easy to please(約翰很好哄)和John is eager to please(約翰迫不及待的想要取悅別人)并不是完全相似的，雖然兩句話中的字母乍看去并沒有多大區(qū)別。John is easy to please和John is not easy to please的意思則完全不同。在句子中多加一個(gè)單詞，就能將句子的整個(gè)意思全部改變。深度學(xué)習(xí)在沒有高度結(jié)構(gòu)化句子表征的情況下工作，往往會在處理細(xì)微差別時(shí)遇到問題。

這個(gè)例子告訴我們:統(tǒng)計(jì)數(shù)字經(jīng)常能近似地表示意義，但永遠(yuǎn)不可能抓住真正的意思。如果不能精準(zhǔn)地捕捉單個(gè)單詞的意義，就更不能準(zhǔn)確地捕捉復(fù)雜的思想或描述它們的句子。

第七，對世界的魯棒理解，既需要自上向下的知識，也需要自下而上的信息

看一看這幅圖片。這是個(gè)字母，還是個(gè)數(shù)字?

很明顯，這幅圖片既可以是字母，也可以是數(shù)字，具體取決于它所在的上下文。

認(rèn)知心理學(xué)家將知識分為兩類:自下而上的信息，是直接來自我們感官的信息;還有自上而下的知識，是我們對世界的先驗(yàn)知識,例如,字母和數(shù)字是兩個(gè)不同的類別，單詞和數(shù)字是由來自這些類別之中的元素所組成的，等等。這種模棱兩可的B/13圖像，在不同的上下文中會呈現(xiàn)出不同的面貌，因?yàn)槲覀儠�嘗試著將落在視網(wǎng)膜上的光線與合乎邏輯的世界相結(jié)合。

找到一種方法將自下而上和自上而下兩者整合為一體，是人工智能的當(dāng)務(wù)之急，卻常常被人忽視。

人類對任何一個(gè)概念的認(rèn)知，都取決于概念出現(xiàn)的上下文和其所屬的理論框架。識別出不同的應(yīng)用場景，不僅可以顯著減少所需數(shù)據(jù)，還能夠讓AI變得更加可信任。如果AI可以區(qū)分畫中的一把刀和真實(shí)場景下的刀，就可以做出不同的反應(yīng)。

同時(shí)，人類會對每個(gè)事物和人的個(gè)體分別進(jìn)行持續(xù)的觀察和跟蹤，以此來將不同時(shí)間點(diǎn)的數(shù)據(jù)進(jìn)行統(tǒng)一的分析。這也是AI需要向人類學(xué)習(xí)的方式。

第八，概念嵌于理論之中

嵌入在理論中的概念對有效學(xué)習(xí)至關(guān)重要。假設(shè)一位學(xué)齡前兒童第一次看到鬣蜥的照片。從此之后，孩子們就能認(rèn)出其他照片上的、視頻中的和現(xiàn)實(shí)生活中的鬣蜥，而且準(zhǔn)確率相當(dāng)高，很容易就能將鬣蜥與袋鼠甚至其他蜥蜴區(qū)分開來。同樣，孩子能夠從關(guān)于動物的一般知識中推斷出，鬣蜥會吃東西，會呼吸，它們生下來很小，會長大，繁殖，然后死去，并意識到可能有一群鬣蜥，它們看起來或多或少都有些相似，行為方式也相似。

沒有哪個(gè)事實(shí)是一座孤島。通用人工智能若想獲得成功，就需要將獲取到的事實(shí)嵌入到更加豐富的、能幫助將這些事實(shí)組織起來的高層級理論之中。

第九，因果關(guān)系是理解世界的基礎(chǔ)

深度學(xué)習(xí)能否成功，在嘗試之前是無法確證的，AlphaGo的設(shè)計(jì)者在設(shè)計(jì)之初也不確定能否取得如今的成績，畢竟深度學(xué)習(xí)能夠找到的規(guī)律只是相關(guān)性，而非因果性。

圍棋的棋盤形式和游戲規(guī)則構(gòu)成了一個(gè)相對簡單的因果模型，只有勝負(fù)的結(jié)果和單一的時(shí)間顆粒度，影響勝負(fù)的因素只有自己如何下棋。因此，和贏棋相關(guān)的走法，就等同于導(dǎo)致AI更強(qiáng)的算法改進(jìn)。

但現(xiàn)實(shí)中，尤其是在2B的應(yīng)用場景下，AI需要在多維度和長時(shí)間尺度下，做出同時(shí)滿足多種評價(jià)標(biāo)準(zhǔn)的決策，此時(shí)相關(guān)性就不等同于因果性。

第十，我們針對逐個(gè)的人和事件進(jìn)行跟進(jìn)

你的另一半以前當(dāng)過記者，喜歡喝白蘭地，不那么喜歡威士忌。你的女兒以前特別害怕暴風(fēng)雨，喜歡吃冰激凌，沒那么喜歡吃曲奇餅。你車子的右后門被撞了個(gè)小坑，一年前你更換了車子的變速器。街角那家小商店，以前賣的東西質(zhì)量特別好，后來轉(zhuǎn)手給新老板之后，東西的質(zhì)量就一天不如一天。我們對世界的體驗(yàn)，是由許多持續(xù)存在、不斷變化的個(gè)體組成的，而我們的許多知識，也是圍繞著這些個(gè)體事物而建立起來的。不僅包括汽車、人物和商店，還包括特定的實(shí)體，及其特定的歷史和特征。

奇怪的是，這并非深度學(xué)習(xí)與生俱來的觀點(diǎn)。深度學(xué)習(xí)以類別為重點(diǎn)，而不以個(gè)體為重點(diǎn)。通常情況下，深度學(xué)習(xí)善于歸納和概括:孩子都喜歡吃甜食，不那么喜歡吃蔬菜，汽車有四個(gè)輪子。這些事實(shí)，是深度學(xué)習(xí)系統(tǒng)善于發(fā)現(xiàn)和總結(jié)的，而對關(guān)于你的女兒和你的車子的特定事實(shí)，則沒什么感覺。

第十一，復(fù)雜的認(rèn)知生物體并非白板一塊

人工智能要獲得真正的進(jìn)步，首先要搞清楚應(yīng)該內(nèi)置何種知識和表征，并以此為起點(diǎn)來啟動其他的能力。

我們整個(gè)行業(yè)，都需要學(xué)習(xí)如何利用對實(shí)體對象的核心理解來進(jìn)一步了解世界，在此基礎(chǔ)之上構(gòu)建起系統(tǒng)，而不是單純憑借像素和行為之間的相關(guān)性來學(xué)習(xí)一切，以此為系統(tǒng)的核心。我們所謂的“常識”，大部分是后天習(xí)得的，比如錢包是用來裝錢的、奶酪可以打成碎屑，但幾乎所有這些常識，都始于對時(shí)間、空間和因果關(guān)系的確定感知。所有這一切的基礎(chǔ)，可能就是表征抽象、組合性，以及持續(xù)存在一段時(shí)間(可以是幾分鐘，也可以是數(shù)十年)的對象和人等個(gè)體實(shí)體的屬性的內(nèi)在機(jī)制。如果機(jī)器想要學(xué)習(xí)尚無法掌握的東西，那么從一開始就需要擁有這樣的基礎(chǔ)。