創(chuàng)澤機(jī)器人 |
CHUANGZE ROBOT |
前幾年,深藍(lán)、沃森、阿爾法系列著實(shí)讓地球人發(fā)了幾次燒!最近一段時(shí)間,隨著歲月的洗刷,人們逐漸冷靜下來(lái)后,面對(duì)各種復(fù)雜智能/智慧系統(tǒng)的期望,又不僅問(wèn)道:AI靠譜嗎?人工智能真能在對(duì)抗博弈(多域、跨域)中起到作用嗎?對(duì)此,下面我們將拋磚引玉,提出幾點(diǎn)粗淺的認(rèn)識(shí)以享!
人工智能有限的理性邏輯和困難的跨域能力是其致命的缺陷。人工智能無(wú)法理解相等關(guān)系,尤其是不同事實(shí)中的價(jià)值相等關(guān)系;人工智能也無(wú)法理解包含關(guān)系,尤其是不同事實(shí)中的價(jià)值包含關(guān)系(小可以大于大,有可以生出無(wú))。人可以用不正規(guī)不正確的方法和手段實(shí)現(xiàn)正規(guī)正確的目的,還可以用正規(guī)正確的方法和手段實(shí)現(xiàn)不正規(guī)正確的意圖。還有,人可以用普通的方法處理復(fù)雜的問(wèn)題,還可以(故意)用復(fù)雜的方法解答簡(jiǎn)單的問(wèn)題。
人工智能的理念源于20世紀(jì)40年代。1948年,英國(guó)科學(xué)家圖靈在其論文《計(jì)算機(jī)器與智能》中描述了可以思考的機(jī)器”,被視為人工智能的雛形,并提出“圖靈測(cè)試”。在之后的 1956年,馬爾文·明斯基、約翰·麥卡錫、香農(nóng)等學(xué)者在美國(guó)達(dá)特茅斯學(xué)院召開(kāi)了一次關(guān)于人工智能的研討會(huì),史稱(chēng)“達(dá)特茅斯會(huì)議”, 正式確立了人工智能的概念與發(fā)展目標(biāo)。研究領(lǐng)域包括命題推理、知識(shí)表達(dá)、自然語(yǔ)言處理、機(jī)器感知、機(jī)器學(xué)習(xí)等。人工智能60多年的發(fā)展歷程,可以總結(jié)為以下幾個(gè)主要發(fā)展階段。第一次高潮期(1956~1974):達(dá)特茅斯會(huì)議之后,研究者們?cè)谒阉魇酵评怼⒆匀徽Z(yǔ)言、機(jī)器翻譯等領(lǐng)域取得了一定的成果。第一次低谷期(1974~1980):隨著計(jì)算機(jī)運(yùn)算能力不足、計(jì)算復(fù)雜性較高、常識(shí)與推理實(shí)現(xiàn)難度較大等原因造成機(jī)器翻譯項(xiàng)目失敗,人工智能開(kāi)始受到廣泛質(zhì)疑和批評(píng)。第二次高潮期(1980~1987):具備邏輯規(guī)則推演和在特定領(lǐng)域解決問(wèn)題的專(zhuān)家系統(tǒng)開(kāi)始盛行,日本“第五代計(jì)算機(jī)計(jì)劃”為其典型代表。第二次低谷期(1987~1993):抽象推理不再被繼續(xù)關(guān)注,基于符號(hào)處理的智能模型遭到反對(duì)。發(fā)展期(1993~2012):“深藍(lán)”等人工智能系統(tǒng)的出現(xiàn)讓人們?cè)俅胃惺艿饺斯ぶ悄艿臒o(wú)限可能。爆發(fā)期(2012-):機(jī)器學(xué)習(xí)、移動(dòng)網(wǎng)絡(luò)、云計(jì)算、大數(shù)據(jù)等新一代信息技術(shù)引發(fā)信息環(huán)境和數(shù)據(jù)基礎(chǔ)變革,運(yùn)算速度進(jìn)一步加快且成本大幅降低,推動(dòng)人工智能向新一代階段爆發(fā)式增長(zhǎng)。
現(xiàn)代的人工智能有點(diǎn)像小學(xué)生做作業(yè),布置什么就是什么,缺乏需求任務(wù)的自主/自動(dòng)生成、動(dòng)態(tài)任務(wù)規(guī)劃、需求矛盾協(xié)調(diào)。很難處理快態(tài)勢(shì)感知和慢態(tài)勢(shì)感知之間的矛盾,更不容易實(shí)現(xiàn)整個(gè)人機(jī)環(huán)境系統(tǒng)的有機(jī)相互聯(lián)動(dòng)和事實(shí)與價(jià)值元素的混編嵌入。
人機(jī)融合智能機(jī)制、機(jī)理的破解將成為未來(lái)戰(zhàn)爭(zhēng)致勝的關(guān)鍵。任何分工都會(huì)受規(guī)模和范圍限制,人機(jī)融合智能中的功能分配是分工的一部分,另外一部分是能力分配。功能分配是被動(dòng)的,外部需求所致;能力分配是主動(dòng)的,內(nèi)部驅(qū)動(dòng)所生。在復(fù)雜、異質(zhì)、非結(jié)構(gòu)、非線性數(shù)據(jù)/信息/知識(shí)中,人的或者是類(lèi)人的方向性預(yù)處理很重要,當(dāng)問(wèn)題域被初步縮小范圍后,機(jī)器的有界、快速、準(zhǔn)確優(yōu)勢(shì)便可以發(fā)揮出來(lái)了;另外,當(dāng)獲得大量數(shù)據(jù)/信息/知識(shí)后,機(jī)器也可以先把他們初步映射到幾個(gè)領(lǐng)域,然后人再進(jìn)一步處理分析。這兩個(gè)過(guò)程的同化順應(yīng)、交叉平衡大致就是人機(jī)有機(jī)融合的過(guò)程。
未來(lái)的關(guān)鍵就在于人機(jī)融合的那個(gè)“恰好”!陰陽(yáng)魚(yú)中間的那條S形分隔線,無(wú)論怎樣機(jī)器是不可能創(chuàng)造出意識(shí)來(lái)的,機(jī)器再多再大,也只是源自半個(gè)世界,小半個(gè)的世界。如若不信,不妨就請(qǐng)稍微關(guān)注一下當(dāng)前的疫情演化苗頭,也許就會(huì)有點(diǎn)感覺(jué)了吧!
今天傍晚遛彎,竟然聽(tīng)到了布谷鳥(niǎo)的叫聲。這不禁使人想起,不同地區(qū)的人會(huì)有不同的音譯,有“布谷,布谷”成“阿公阿婆,割麥插禾”的,還有“布谷,布谷”成“不哭不哭,光棍好苦”的,……總之,人可以隨心所意地布谷出各種各樣、千奇百怪的意思來(lái),而對(duì)于機(jī)器而言,只有響度、音調(diào)和音色是反映聲音特性的三個(gè)物理量吧!
可解釋性:人工智能過(guò)不去的第一道坎
如今,AI的可解釋性正在成為一道過(guò)不去的坎,去年,歐盟出臺(tái)《人工智能道德準(zhǔn)則》,明確提出AI發(fā)展方向應(yīng)該是“可信賴(lài)的”,包含安全、隱私和透明、可解釋等方面。
人工智能應(yīng)用以輸出決策判斷為目標(biāo)?山忉屝允侵溉祟(lèi)能夠理解決策原因的程度。人工智能模型的可解釋性越高,人們就越容易理解為什么做出某些決定或預(yù)測(cè)。模型可解釋性指對(duì)模型內(nèi)部機(jī)制的理解以及對(duì)模型結(jié)果的理解。其重要性體現(xiàn)在:建模階段,輔助開(kāi)發(fā)人員理解模型,進(jìn)行模型的對(duì)比選擇,必要時(shí)優(yōu)化調(diào)整模型;在投入運(yùn)行階段,向決策方解釋模型的內(nèi)部機(jī)制,對(duì)模型結(jié)果進(jìn)行解釋。比如決策推薦模型,需要解釋?zhuān)簽楹螢檫@個(gè)用戶推薦某個(gè)方案。
目前,各領(lǐng)域?qū)θ斯ぶ悄艿睦斫馀c界定因領(lǐng)域分殊而有不同,但在共性技術(shù)和基礎(chǔ)研究方面存在共識(shí)。第一階段人工智能旨在實(shí)現(xiàn)問(wèn)題求解,通過(guò)機(jī)器定理證明、專(zhuān)家系統(tǒng)等開(kāi)展邏輯推理;第二階段實(shí)現(xiàn)環(huán)境交互,從運(yùn)行的環(huán)境中獲取信息并對(duì)環(huán)境施加影響;第三階段邁向認(rèn)知和思維能 力,通過(guò)數(shù)據(jù)挖掘系統(tǒng)和各類(lèi)算法發(fā)現(xiàn)新的知識(shí)。
嚴(yán)格意義上說(shuō),美國(guó)的人工智能技術(shù)總體上世界領(lǐng)先,但是一旦涉及到人機(jī)融合智能,往往就體現(xiàn)不出那么大的優(yōu)勢(shì)了,甚至不見(jiàn)得有領(lǐng)先的態(tài)勢(shì)(也許中美在人機(jī)融合智能方面根本不存在代差)。究其因,人的問(wèn)題。例如這次疫情,按醫(yī)療軟件、硬件、醫(yī)療人員水平條件來(lái)看,美國(guó)應(yīng)該比目前狀況要比中國(guó)好得多,可惜應(yīng)了《三體》里的一句話:弱小和無(wú)知不是生存的障礙,傲慢才是!領(lǐng)導(dǎo)人的失誤和錯(cuò)誤已讓許多的先進(jìn)性大打折扣,甚至蕩然無(wú)存。這不禁使人聯(lián)想到前幾日美國(guó)《軍備控制雜志》的報(bào)道可能也類(lèi)似吧!美國(guó)防部2021財(cái)年申請(qǐng)289億美元用于美國(guó)核武器設(shè)施的現(xiàn)代化建設(shè),體現(xiàn)了特朗普政府戰(zhàn)略發(fā)展重點(diǎn):提升核指揮、控制和通信(NC3)基礎(chǔ)設(shè)施的高度自動(dòng)化與提高其速度和準(zhǔn)確性,但同時(shí)也引發(fā)一個(gè)令人不安的問(wèn)題,即在未來(lái)的核戰(zhàn)爭(zhēng)中,AI自主系統(tǒng)在決定人類(lèi)命運(yùn)方面將扮演哪種角色?當(dāng)前計(jì)算機(jī)輔助決策仍處于起步階段,容易出現(xiàn)難以預(yù)料的故障。機(jī)器學(xué)習(xí)算法雖擅長(zhǎng)面部識(shí)別等特定任務(wù),但也會(huì)出現(xiàn)通過(guò)訓(xùn)練數(shù)據(jù)傳達(dá)的內(nèi)在“偏見(jiàn)”。因此,在將人工智能應(yīng)用于核武器指控方面需采取謹(jǐn)慎負(fù)責(zé)的態(tài)度,只要核武器存在,人類(lèi)(而不是機(jī)器)就必須對(duì)核武器的使用行使最終控制權(quán),此時(shí),人機(jī)融合智能的真實(shí)能力將會(huì)如疫情管控一樣顯得異常重要。
人機(jī)融合智能,根本上就是科學(xué)技術(shù)與人文藝術(shù)、數(shù)學(xué)符號(hào)事實(shí)語(yǔ)言與自然經(jīng)驗(yàn)價(jià)值語(yǔ)言結(jié)合的代表。時(shí)空不但在物理領(lǐng)域可以發(fā)生彎曲,而且還可以在智能中發(fā)生了扭曲。如果說(shuō)哲學(xué)邏輯經(jīng)歷了世界的本源問(wèn)題、研究方法問(wèn)題的轉(zhuǎn)向,那么上個(gè)世紀(jì)分析哲學(xué)——對(duì)人類(lèi)語(yǔ)言工具的剖析成了人類(lèi)思想上的一次 “革命”,這一場(chǎng)以維特根斯坦為象征的哲學(xué)革命,直接誘發(fā)了以圖靈機(jī)、圖靈測(cè)試為代表的人工智能科技之快速發(fā)展。但金觀濤老師的“真實(shí)性哲學(xué)”認(rèn)為,在二十一世紀(jì)中分析哲學(xué)最終反倒將哲學(xué)束縛在了牢籠中,實(shí)際上也造成了思想的禁錮:符號(hào)不指涉經(jīng)驗(yàn)對(duì)象時(shí)亦可以有其自身的真實(shí)性,而且這一結(jié)論對(duì)數(shù)學(xué)語(yǔ)言和自然語(yǔ)言皆可成立。與此同時(shí),純符號(hào)的真實(shí)性是可以嵌入到經(jīng)驗(yàn)真實(shí)性中的;科學(xué)研究與人文研究可以成為有所統(tǒng)一但互不重疊且有各自真實(shí)性標(biāo)準(zhǔn)的兩個(gè)領(lǐng)域。人類(lèi)的巨大進(jìn)步是讓真實(shí)性本能(常識(shí)的客觀性)處于終極關(guān)懷和相應(yīng)價(jià)值的系統(tǒng)的支配之下。但是今天真實(shí)性的兩大柱石正在被科學(xué)進(jìn)步顛覆,真正令人感到恐怖的事情發(fā)生了:人正在無(wú)法抗拒地淪為聰明的“動(dòng)物”——在一個(gè)真假不分的世界里,不會(huì)有是非,也不會(huì)有真正的道德感和生命的尊嚴(yán)。
人不僅是用符號(hào)的等同或包含邏輯關(guān)系來(lái)表達(dá)世界的,人的教育不等于學(xué)習(xí)與知識(shí),而是把欲望誘導(dǎo)到好的方向。計(jì)算機(jī)本身是不可能跨越“理解”這個(gè)鴻溝的,只有人才可以跨越符號(hào)指向的困窘。對(duì)主體而言,符號(hào)與經(jīng)驗(yàn)是混雜的,邏輯與非邏輯是混雜的,公理與非公理混雜在一起,數(shù)據(jù)、信息、知識(shí)混雜在一起,這也是為什么可解釋性之所以困難的主要原因們。人機(jī)融合就是符號(hào)(數(shù)學(xué))如何程度不同地嵌入主體經(jīng)驗(yàn)(受控實(shí)驗(yàn))之中,正如老子在《道德經(jīng)》中說(shuō):“道生一,一生二,二生三,三生萬(wàn)物!
所謂的AI,很大程度上不過(guò)是運(yùn)用了計(jì)算機(jī)不斷增強(qiáng)的計(jì)算能力,而采用這條路徑注定是錯(cuò)誤的,人是活學(xué)活用,機(jī)是死學(xué)僵用。而人類(lèi)智能就是對(duì)小樣本態(tài)勢(shì)感知的能力大小。態(tài)勢(shì)感知的一個(gè)著名例子就是中醫(yī)中的望聞問(wèn)切,通過(guò)自然語(yǔ)言和數(shù)學(xué)語(yǔ)言之間的差別來(lái)打破心智與物理之間的分歧,進(jìn)而把事實(shí)與價(jià)值統(tǒng)一起來(lái)。
態(tài)勢(shì)感知最早應(yīng)源于《難經(jīng)》第六十一難,曰:經(jīng)言,望而知之謂之神,聞而知之謂之圣,問(wèn)而知之謂之工,切脈而知之謂之巧。何謂也?最早使用四字聯(lián)稱(chēng),則應(yīng)處于《古今醫(yī)統(tǒng)》:“望聞問(wèn)切四字,誠(chéng)為醫(yī)之綱領(lǐng)!蓖怯^察病人的發(fā)育情況、面色、舌苔、表情等;聞是聽(tīng)病人的說(shuō)話聲音、咳嗽、喘息,并且嗅出病人的口臭、體臭等氣味;問(wèn)是詢問(wèn)病人自己所感到的癥狀,以前所患過(guò)的病等;切是用手診脈或按腹部有沒(méi)有痞塊(叫做四診)。
人工智能可解釋性之所以困難,其根本原因在于其包含的不僅僅是數(shù)學(xué)語(yǔ)言,還有自然語(yǔ)言,甚至是思維語(yǔ)言(所以根本不可能邁過(guò)這道坎)。而人機(jī)融合智能不但可以進(jìn)行主體的懸置,還可以游刃有余地進(jìn)行主體變換,在人、機(jī)、環(huán)境系統(tǒng)交互中真正實(shí)時(shí)適時(shí)地實(shí)現(xiàn)深度態(tài)勢(shì)感知,有機(jī)地完成數(shù)學(xué)語(yǔ)言、自然語(yǔ)言、思維語(yǔ)言之間的能指、所指、意指切換,可以輕松地直奔目的和意圖實(shí)現(xiàn)。
終身學(xué)習(xí):人工智能過(guò)不去的第二道坎
人的學(xué)習(xí)學(xué)的不是知識(shí),而是獲取數(shù)據(jù)、信息、知識(shí)經(jīng)驗(yàn)的方法;機(jī)器的學(xué)習(xí)學(xué)的是數(shù)據(jù)、信息和知識(shí)。
不同的物質(zhì)系統(tǒng)之間存在著相似性;同一物質(zhì)系統(tǒng)的每個(gè)子系統(tǒng)與其整體系統(tǒng)之間也有相似性;具有不同運(yùn)動(dòng)形式和不同性質(zhì)的物質(zhì)系統(tǒng),卻遵守著相似的物理規(guī)律,這些事實(shí)都說(shuō)明:相似性是自然界的一個(gè)基本特性。比如質(zhì)量-彈簧-阻尼構(gòu)成的機(jī)械系統(tǒng)與電阻-電感-電容構(gòu)成的電路系統(tǒng)是相似系統(tǒng),就反映了物理現(xiàn)象之間的相似關(guān)系(一般而言,相似關(guān)系可以用來(lái)化簡(jiǎn)復(fù)雜系統(tǒng)進(jìn)行研究)。機(jī)器比較容易學(xué)習(xí)、遷移這種同質(zhì)性、線性的相似系統(tǒng),卻很難實(shí)現(xiàn)異質(zhì)性、非線性相似系統(tǒng)的類(lèi)比、轉(zhuǎn)換。但是人的學(xué)習(xí)卻可以在對(duì)稱(chēng)與非對(duì)稱(chēng)、同質(zhì)與非同質(zhì)、線性與非線性、同源與非同源、同構(gòu)與非同構(gòu)、同理與非同理、同情與非同情、周期與非周期、拓?fù)渑c非拓?fù)洹⒓易迮c非家族之間任意自由馳騁、漫步。
機(jī)器的學(xué)習(xí)離不開(kāi)時(shí)間、空間和符號(hào),而人的學(xué)習(xí)則是隨著價(jià)值、事實(shí)、情感變化而變化的系統(tǒng);機(jī)器的學(xué)習(xí)遵循、按照、依賴(lài)已有的規(guī)則,而人的學(xué)習(xí)則是如何修改舊規(guī)則、打破常規(guī)則、建立新規(guī)則。例如真正優(yōu)秀的領(lǐng)導(dǎo)人和指揮員在于如何打破規(guī)則——改革,而不是按部就班地邁著四方步穩(wěn)穩(wěn)當(dāng)當(dāng)?shù)刈呦驔](méi)落和腐朽,更不是眼睜睜看著疫情泛濫施虐雙眼卻盯著競(jìng)選和烏紗帽。
2017年3 月 16 日美國(guó)國(guó)防高級(jí)研究計(jì)劃局(DARPA)計(jì)劃啟動(dòng) " 終身學(xué)習(xí)機(jī)器 "(Lifelong Learning Machines,L2M)項(xiàng)目,旨在發(fā)展下一代機(jī)器學(xué)習(xí)技術(shù),并以其為基礎(chǔ)推動(dòng)第三次 AI 技術(shù)浪潮。DARPA 認(rèn)為 AI 技術(shù)的發(fā)展已歷經(jīng)第一次和第二次浪潮,即將迎來(lái)第三次浪潮。第一次 AI 技術(shù)浪潮以 " 規(guī)則知識(shí) " 為特征,典型范例如 Windows 操作系統(tǒng)、智能手機(jī)應(yīng)用程序、交通信號(hào)燈使用的程序等。第二次 AI 技術(shù)浪潮以 " 統(tǒng)計(jì)學(xué)習(xí) " 為特征,典型范例如人工神經(jīng)網(wǎng)絡(luò)系統(tǒng),并在無(wú)人駕駛汽車(chē)等領(lǐng)域取得進(jìn)展。雖然上述 AI 技術(shù)對(duì)明確的問(wèn)題有較強(qiáng)的推理和判斷能力,但不具備學(xué)習(xí)能力,處理不確定問(wèn)題的能力也較弱。第三次 AI 技術(shù)浪潮將以 " 適應(yīng)環(huán)境 " 為特征,AI 能夠理解環(huán)境并發(fā)現(xiàn)邏輯規(guī)則,從而進(jìn)行自我訓(xùn)練并建立自身的決策流程。由此可知,AI 的持續(xù)自主學(xué)習(xí)能力將是第三次 AI 技術(shù)浪潮的核心動(dòng)力,L2M 項(xiàng)目的目標(biāo)恰與第三次 AI 浪潮 " 適應(yīng)環(huán)境 " 的特征相契合。通過(guò)研發(fā)新一代機(jī)器學(xué)習(xí)技術(shù),使其具備能夠從環(huán)境中不斷學(xué)習(xí)并總結(jié)出一般性知識(shí)的能力,L2M 項(xiàng)目將為第三次 AI 技術(shù)浪潮打下堅(jiān)實(shí)的技術(shù)基礎(chǔ)。目前,L2M包含30個(gè)性能團(tuán)體的龐大基礎(chǔ),通過(guò)不同期限和規(guī)模的撥款、合同開(kāi)展工作。
2019年3月,DARPA合作伙伴南加州大學(xué)(USC)的研究人員發(fā)表了有關(guān)探索仿生人工智能算法的成果:L2M研究員兼USC維特比工程學(xué)院的生物醫(yī)學(xué)工程和生物運(yùn)動(dòng)學(xué)教授Francisco J. Valero-Cuevas與該學(xué)院博士生Ali Marjaninejad、Dario Urbina-Melendez和Brian Cohn一起,在《自然-機(jī)器智能》(Nature Machine Intelligence)雜志上發(fā)表了一篇文章,文中詳細(xì)介紹了人工智能控制的機(jī)器人肢體的成功研發(fā)。該肢體由類(lèi)似動(dòng)物的肌腱驅(qū)動(dòng),能夠自學(xué)行走任務(wù),甚至能自動(dòng)從平衡失調(diào)中恢復(fù)。
推動(dòng)USC研究人員開(kāi)發(fā)這一機(jī)器人肢體的是一種仿生算法,只需五分鐘的“非結(jié)構(gòu)化游戲”(unstructured play),就能自主學(xué)習(xí)行走任務(wù);也就是說(shuō),進(jìn)行隨機(jī)運(yùn)動(dòng),使機(jī)器人能夠?qū)W習(xí)自己的結(jié)構(gòu)和周?chē)沫h(huán)境。
當(dāng)前的機(jī)器學(xué)習(xí)方法依賴(lài)于對(duì)系統(tǒng)進(jìn)行預(yù)編程來(lái)處理所有可能的場(chǎng)景,復(fù)雜、工作量大且低效。相比之下,USC研究人員揭示,人工智能系統(tǒng)有可能從相關(guān)的經(jīng)驗(yàn)中學(xué)習(xí),因?yàn)殡S著時(shí)間的推移,它們致力于尋找和適應(yīng)解決方案,以應(yīng)對(duì)挑戰(zhàn)。
實(shí)際上,對(duì)于眾多無(wú)限的學(xué)習(xí)而言,人是很難實(shí)現(xiàn)終身的,總有一些能學(xué)習(xí)到,還有許多另一些也一知半解甚至一無(wú)所知的更多,對(duì)于沒(méi)有“常識(shí)”和“類(lèi)比”機(jī)理的機(jī)器而言,終身學(xué)習(xí)也許就是一個(gè)口號(hào)!首先需要理清楚的應(yīng)該是:哪些能學(xué)?哪些不能學(xué)?
人類(lèi)的學(xué)習(xí)是全方位的學(xué)習(xí),不同角度的學(xué)習(xí),一個(gè)事物可以變成多個(gè)事物,一個(gè)關(guān)系可以變成多個(gè)關(guān)系,一個(gè)事實(shí)不但可以變成多個(gè)事實(shí),甚至還可以變成多個(gè)價(jià)值,更有趣的是,有時(shí),人的學(xué)習(xí)還可以多個(gè)不同的事物變成一類(lèi)事物,多個(gè)不同的關(guān)系可以變成一個(gè)關(guān)系,多個(gè)事實(shí)可以變成一個(gè)事實(shí),甚至還可以變成一個(gè)價(jià)值。而機(jī)器學(xué)習(xí)本質(zhì)上是人(一個(gè)或某些人)的認(rèn)知顯性化,嚴(yán)格意義上,是一種“自以為”“是”,即人們常常只能認(rèn)出自己習(xí)慣或熟悉的事物,所以,這個(gè)或這群人的局限和狹隘也就在不自覺(jué)中融進(jìn)了模型和程序中,因而,這種一多變換機(jī)制往往一開(kāi)始就是先天不足。當(dāng)然,機(jī)器學(xué)習(xí)也并不是一無(wú)是處,雖然做智能不行,但用來(lái)做計(jì)算機(jī)或自動(dòng)化方向的應(yīng)用應(yīng)該還是不錯(cuò)的!
如果說(shuō),學(xué)習(xí)的實(shí)質(zhì)就是分類(lèi),那么人的學(xué)習(xí)就是獲得并創(chuàng)造分類(lèi)的方法,而機(jī)器學(xué)習(xí)只是簡(jiǎn)單地被使用了一些分類(lèi)的方法而已。DARPA的 " 終身學(xué)習(xí)機(jī)器 "(Lifelong Learning Machines,L2M)項(xiàng)目本質(zhì)上也許就是一個(gè)美麗的泡泡,吹一下就會(huì)忽高忽低地漂浮在空中,盡管陽(yáng)光照耀之下也會(huì)五彩斑斕,但終究會(huì)破滅的吧!
機(jī)器常識(shí):人工智能過(guò)不去的第三道坎
正如所有的藥一樣,所有的知識(shí)都是有范圍和前提的,失去了這些,知識(shí)的副作用就會(huì)涌現(xiàn)出來(lái)。知識(shí)只是常識(shí)的素材和原材料,機(jī)器只有“知”而沒(méi)有“識(shí)”,不能知行合一。知識(shí)不應(yīng)依附于思想,而應(yīng)同它合二為一;知識(shí)如果不能改變思想,使之變得完善,那就最好把它拋棄。擁有知識(shí),卻毫無(wú)本事,不知如何使用——還不如什么都沒(méi)有學(xué)——那樣的知識(shí)是一把危險(xiǎn)的劍,會(huì)給它的主人帶來(lái)麻煩和傷害。其中限制知識(shí)這些副作用發(fā)作的最有效途徑之一便是常識(shí)的形成,一般而言,常識(shí)往往是碎片化的,而態(tài)勢(shì)感知就是通過(guò)對(duì)這些零零碎碎常識(shí)狀態(tài)、趨勢(shì)的感覺(jué)、知覺(jué)形成某種非常識(shí)的認(rèn)識(shí)和洞察。另外,常識(shí)是人類(lèi)感知和理解世界的一種基本能力。典型的AI系統(tǒng)缺乏對(duì)物理世界運(yùn)行的一般理解(如直觀物理學(xué))、對(duì)人類(lèi)動(dòng)機(jī)和行為的基本理解(如直覺(jué)心理學(xué))、像成年人一樣對(duì)普遍事物的認(rèn)知。
DARPA正在繼續(xù)開(kāi)發(fā)第二代人工智能技術(shù)及其軍事應(yīng)用的同時(shí),積極布局第三代人工智能發(fā)展,2018-2020財(cái)年,通過(guò)新設(shè)項(xiàng)目和延續(xù)項(xiàng)目,致力于第三代人工智能基礎(chǔ)研究,旨在通過(guò)機(jī)器學(xué)習(xí)和推理、自然語(yǔ)言理解、建模仿真、人機(jī)融合等方面的研究,突破人工智能基礎(chǔ)理論及核心技術(shù)。相關(guān)項(xiàng)目包括:“機(jī)器常識(shí)”,“終身學(xué)習(xí)機(jī)”,“可解釋的人工智能”,“可靠自主性”,“不同來(lái)源主動(dòng)詮釋”,“自動(dòng)知識(shí)提取”,“確保AI抗欺騙可靠性”,“自動(dòng)知識(shí)提取”,“加速人工智能”,“基礎(chǔ)人工智能科學(xué)”,“機(jī)器通用感知”,“利用更少數(shù)據(jù)學(xué)習(xí)”,“以知識(shí)為導(dǎo)向的人工智能推理模式”,“高級(jí)建模仿真工具”,“復(fù)雜混合系統(tǒng)”,“人機(jī)交流”,“人機(jī)共生”等。除此,DARPA近期發(fā)布的人工智能基礎(chǔ)研究項(xiàng)目廣泛機(jī)構(gòu)公告還包括:“開(kāi)放世界奇異性的人工智能與學(xué)習(xí)科學(xué)”,“人機(jī)協(xié)作社會(huì)智能團(tuán)隊(duì)”,“實(shí)時(shí)機(jī)器學(xué)習(xí)”等。
如果學(xué)問(wèn)不能教會(huì)我們?nèi)绾嗡枷牒托袆?dòng),那真是莫大的遺憾!因?yàn)閷W(xué)問(wèn)不是用來(lái)使沒(méi)有思想的人有思想,使看不見(jiàn)的人看見(jiàn)的。學(xué)問(wèn)的職責(zé)不是為盲人提供視力,而是訓(xùn)練和矯正視力,但視力本身必須是健康的,可以被訓(xùn)練的。學(xué)問(wèn)是良藥,但任何良藥都可能變質(zhì),保持時(shí)間的長(zhǎng)短也要看藥瓶的質(zhì)量。
俄羅斯人弗拉基米爾·沃沃斯基(Vladimir Voevodsky)的主要成就是:發(fā)展了新的代數(shù)簇上同調(diào)理論,從而為深刻理論數(shù)論與代數(shù)幾何提供了新的觀點(diǎn)。他的工作的特點(diǎn)是:能簡(jiǎn)易靈活地處理高度抽象的概念,并將這些要領(lǐng)用于解決相當(dāng)具體的數(shù)學(xué)問(wèn)題。上同調(diào)概念最初來(lái)源于拓?fù)鋵W(xué),而拓?fù)鋵W(xué)可以粗略地說(shuō)成是“形狀的科學(xué)”,其中研究沃沃形狀的例子如球面、環(huán)面以及它們的高維類(lèi)似物。拓?fù)鋵W(xué)研究這些對(duì)象在連續(xù)變形(不允許撕裂)下保持不變的基本性質(zhì)。通俗地說(shuō),上同調(diào)論提供了一種方法將拓?fù)鋵?duì)象分割成一些比較容易研究的片,上同調(diào)群則包含了如何將這些基本片裝配成原來(lái)對(duì)象的信息。代數(shù)幾何中研究的主要對(duì)象是代數(shù)簇,它們是多項(xiàng)式方程的公共解集。代數(shù)簇可以用諸如曲線或曲面之類(lèi)的幾何對(duì)象來(lái)表示,但它們比那些可變形的拓?fù)鋵?duì)象更具“剛性”。
DARPA戰(zhàn)略技術(shù)辦公室(STO)2017年提出的“馬賽克戰(zhàn)”概念認(rèn)為未來(lái)戰(zhàn)場(chǎng)是一個(gè)由低成本、低復(fù)雜系統(tǒng)組成的拼接圖,這些系統(tǒng)以多種方式連接在一起,可創(chuàng)建適合任何場(chǎng)景的理想交織效果。這個(gè)概念的一部分是“以新的令人驚訝的方式組合當(dāng)前已有的武器”,重點(diǎn)是有人/無(wú)人編組、分解的能力,以及允許指揮官根據(jù)戰(zhàn)場(chǎng)情形無(wú)縫召喚海陸空能力,而不管是哪支部隊(duì)在提供作戰(zhàn)能力。
簡(jiǎn)單地說(shuō),上面介紹的“馬賽克戰(zhàn)”和“機(jī)器常識(shí)”,都是對(duì)抗博弈人機(jī)環(huán)境系統(tǒng)的新型拓?fù)湎到y(tǒng),如同沃沃斯基創(chuàng)立的“主上同調(diào)”(motivic cohomology)理論。其中,真正厲害的不是那些基本的知識(shí)、條例和規(guī)則,而是應(yīng)用這些基本的知識(shí)、條例和規(guī)則的在實(shí)踐中獲得普遍成功能力的人,比如以毛澤東(湖南一師)、粟裕(湖南二師)等為代表的一大批非軍事名校畢業(yè)的戰(zhàn)略家和軍事家最終以自己的常識(shí)打敗了黃埔軍系校長(zhǎng)和將軍們的知識(shí)......
尾 聲
如果說(shuō)“邏輯是符號(hào)串的等同或包含關(guān)系”,那么非邏輯則是非符號(hào)的等同或包含關(guān)系。人工智能處理一些邏輯問(wèn)題較好,而人處理一些非邏輯問(wèn)題稍優(yōu),人機(jī)融合則能處理邏輯與非邏輯的融合問(wèn)題。
人工智能在對(duì)抗博弈中起重要作用需要幾個(gè)條件:首先是找到數(shù)學(xué)定量計(jì)算就能解決的部分,其次與人融合過(guò)程中使該AI部分找到適當(dāng)?shù)臅r(shí)機(jī)、方式和作用,最后,人做對(duì)的事,AI“把事情做對(duì)”。
最近,美陸軍未來(lái)司令部司令約翰·默里上將和陸軍其他技術(shù)領(lǐng)導(dǎo)人強(qiáng)調(diào)“人類(lèi)”必須最終作出重要決定并掌控“指揮和控制”系統(tǒng),同時(shí)還明確指出快速演化的人工智能武器系統(tǒng)應(yīng)用可以讓陸軍指揮人員“率先看到、率先作出決定、率先采取行動(dòng)”,當(dāng)然由此能夠更快地摧毀敵人。(人工智能的數(shù)據(jù)處理能力會(huì)讓人類(lèi)的決策速度呈現(xiàn)指數(shù)級(jí)的提高,即提速OODA環(huán)。)仔細(xì)想想,任何事物都不會(huì)無(wú)中生有,凡事都有苗頭和兆頭,人機(jī)融合就是能夠及時(shí)(恰如其分)地捕捉到這些零零碎碎的跡象和蛛絲馬跡,太快太慢都不好,“率先看到、率先做出決定、率先采取行動(dòng)”,不一定由此能夠更快地摧毀敵人。有時(shí),慢一點(diǎn)未必不是一個(gè)好的選擇,太快了也許更容易上當(dāng)受騙吧!
目前,人智與AI的失調(diào)匹配是導(dǎo)致目前人工智能應(yīng)用領(lǐng)域弱智的主要原因。人可以身在曹營(yíng)心在漢,是非、01同在:既是又不是,疊加態(tài)。危機(jī)管理呢?常常是疊加勢(shì):危險(xiǎn)與機(jī)會(huì)共生,危中有機(jī),機(jī)中有危,兩者糾纏在一起,如何因勢(shì)利導(dǎo)、順勢(shì)而為,則是人機(jī)融合智能中深度態(tài)勢(shì)感知的關(guān)鍵。
人機(jī)是非同構(gòu)的,即本質(zhì)是不同的兩者事物,一個(gè)受控實(shí)驗(yàn)部分不可重復(fù),一個(gè)受控實(shí)驗(yàn)普遍可重復(fù)。人的智慧也是由受控與不可受控部分、可重復(fù)與不可重復(fù)部分構(gòu)成的。色盲者認(rèn)為是無(wú)色的,對(duì)他是真的,對(duì)其它主體卻是假的,若色盲者比正常人多,則正常人會(huì)是色盲嗎?
科學(xué)的缺點(diǎn)在于否認(rèn)了個(gè)性化不受控不可重復(fù)的真實(shí)。所以基于這種科學(xué)性的基礎(chǔ)上必然會(huì)帶來(lái)一些缺陷。人,尤其是每個(gè)人都是天然的個(gè)性化不受控不可重復(fù)的主體,你不能說(shuō)他就是不存在的。從這個(gè)角度看,人機(jī)融合的實(shí)質(zhì)就是幫助科學(xué)完善它的不足和局限。
大數(shù)據(jù)的優(yōu)點(diǎn)是受控實(shí)驗(yàn)普遍可重復(fù)性,如此一來(lái)可以尋找共性規(guī)律——按圖索驥;但是,這也是大數(shù)據(jù)的一個(gè)缺點(diǎn),容易忽略新生事物——受控實(shí)驗(yàn)不可重復(fù)部分的出現(xiàn),表現(xiàn)出刻舟求劍效應(yīng)。有些受控實(shí)驗(yàn)不可重復(fù)之真實(shí)性也是存在的,但這不在科學(xué)范圍內(nèi)。以前是盲人摸象,現(xiàn)在是人機(jī)求劍。
無(wú)論多牛的數(shù)學(xué),都是人去發(fā)現(xiàn)、發(fā)明,脫離了人,就沒(méi)有數(shù)學(xué)和人工智能,但是人都有缺點(diǎn)和死角,都有轉(zhuǎn)不過(guò)來(lái)的時(shí)候,所以人機(jī)融合才是未來(lái)智能的方向和大勢(shì)!人工智能過(guò)不去的這三道坎,人機(jī)融合智能可以過(guò)去,究其因,也還是沒(méi)有人過(guò)不去的坎!
機(jī)器人招商 Disinfection Robot 機(jī)器人公司 機(jī)器人應(yīng)用 智能醫(yī)療 物聯(lián)網(wǎng) 機(jī)器人排名 機(jī)器人企業(yè) 機(jī)器人政策 教育機(jī)器人 迎賓機(jī)器人 機(jī)器人開(kāi)發(fā) 獨(dú)角獸 消毒機(jī)器人品牌 消毒機(jī)器人 合理用藥 地圖 |