與AI共生:從人工智能的三大流派到What-How-Why

1 評(píng)論 4788 瀏覽 10 收藏 12 分鐘

我們目前并不需要過(guò)多擔(dān)心被人工智能搶走飯碗,更應(yīng)該考慮的是:如何運(yùn)用人工智能幫助我們更高效的工作?我們是否需要更多的人工智能訓(xùn)練師,而不是醫(yī)生、工程師?如果人工智能預(yù)測(cè)錯(cuò)誤,誰(shuí)來(lái)承擔(dān)責(zé)任……

AlphaGo打敗李世石已經(jīng)有兩年多的時(shí)間了,在這兩年中,人工智能從各個(gè)角度入侵我們的生活,從各種語(yǔ)音助手到智能音箱,從智能手表到智能家電,從機(jī)器翻譯到刷臉支付。落地應(yīng)用一波未平一波又起,人們接觸得多了,了解了人工智能有多智障,便也不再擔(dān)心是否會(huì)被人工智能搶去飯碗了。

但,真的是這樣嗎?人工智能走什么時(shí)候能走出智障的圈子?

這還要從人工智能的三大流派說(shuō)起。

三大流派

符號(hào)學(xué)派

1956年,在達(dá)特茅斯學(xué)院,香農(nóng)(Claude Shannon,信息論創(chuàng)始人)和其他幾個(gè)年輕學(xué)者,一起討論了如何用機(jī)器來(lái)模仿人類在各個(gè)方面的智能,并在討論中提出“人工智能”一詞,這年就是人工智能的元年。此后的40年間,人工智能所取得的輝煌成績(jī)都與符號(hào)學(xué)派密不可分。

當(dāng)時(shí)人們認(rèn)為“機(jī)器要像人一樣思考才能獲得智能”,而人類的認(rèn)知都是基于符號(hào)的,思維只是在符號(hào)表示上的一種運(yùn)算。所以應(yīng)該先研究清楚人類的認(rèn)知系統(tǒng),進(jìn)而用機(jī)器模仿人類的認(rèn)知過(guò)程,并將代表認(rèn)知的符號(hào)輸入這些機(jī)器,來(lái)達(dá)到模擬人類智能的目的。

符號(hào)學(xué)派認(rèn)為人的物理能力和心智能力是分開的,而人工智能就是要用計(jì)算機(jī)程序來(lái)模擬心智能力,而不是物理能力。正因此,智能應(yīng)該是一種特殊的軟件,與實(shí)現(xiàn)它的硬件并沒(méi)有太大關(guān)系。這就好比一個(gè)會(huì)開車的人,他不能讓一個(gè)沒(méi)有輪子的車跑起來(lái),但你不能因此說(shuō)他不會(huì)開車。這個(gè)人具有的開車的能力,就是智能(軟件),與車能不能開(硬件)無(wú)關(guān)。

基于這些理念,符號(hào)學(xué)派在經(jīng)歷了一些波折后,在國(guó)際象棋上(1997年)和《危險(xiǎn)》(2011年)中戰(zhàn)勝了人類(《危險(xiǎn)》是一個(gè)美國(guó)電視節(jié)目,主持人會(huì)給參賽者一系列線索,參賽者要用最短的時(shí)間猜出主持人描述的人或事物)。

連接學(xué)派

智力活動(dòng)在符號(hào)學(xué)派看來(lái)是一款軟件,這款軟件的運(yùn)作需要從外界獲得大量的知識(shí)輸入,這樣的輸入在20世紀(jì)80年代相當(dāng)?shù)馁M(fèi)時(shí)費(fèi)力,成為了制約符號(hào)學(xué)派發(fā)展的瓶頸。另外一群人認(rèn)為,把智力看成是一款軟件是遠(yuǎn)遠(yuǎn)不夠的。

人類智力是在大腦的活動(dòng)下產(chǎn)生的,而大腦是由上百億個(gè)神經(jīng)元細(xì)胞通過(guò)錯(cuò)綜復(fù)雜的連接構(gòu)成的。所以人們很自然的想到,我們是不是可以模擬大量神經(jīng)元的信號(hào)傳輸方式來(lái)模擬大腦的智力呢?

連接學(xué)派通過(guò)算法模擬神經(jīng)元,并把這樣一個(gè)單元叫做感知機(jī),將多個(gè)感知機(jī)組成一層網(wǎng)絡(luò),多層這樣的網(wǎng)絡(luò)互相連接最終得到神經(jīng)網(wǎng)絡(luò)。我們可以根據(jù)要解決的實(shí)際問(wèn)題來(lái)構(gòu)建神經(jīng)網(wǎng)絡(luò),進(jìn)而用數(shù)據(jù)不斷訓(xùn)練這一網(wǎng)絡(luò),調(diào)整連接權(quán)重來(lái)模擬智能。

現(xiàn)在炙手可熱的深度學(xué)習(xí),可以看做是連接學(xué)派的延伸,已經(jīng)在語(yǔ)音識(shí)別、圖片處理、模式識(shí)別等領(lǐng)域取得突破性進(jìn)展。

行為學(xué)派

與上面兩個(gè)學(xué)派不同的是,行為學(xué)派把目標(biāo)聚焦在相對(duì)低等的生物身上,他們發(fā)現(xiàn)即便是昆蟲這種比人類簡(jiǎn)單得多的生物,也表現(xiàn)出了非凡的智能,比如可以靈活地行走并躲避障礙物,快速精準(zhǔn)地捕食獵物。從這點(diǎn)出發(fā),行為學(xué)派模仿動(dòng)物的身體,在不需要大腦干預(yù)的情況下,僅憑四肢和關(guān)節(jié)的協(xié)調(diào)來(lái)適應(yīng)環(huán)境。

另一方面,生命體在演化的過(guò)程中會(huì)不斷變異,而環(huán)境會(huì)對(duì)這些變異進(jìn)行選擇,讓更適應(yīng)環(huán)境的變異繁衍下去,同時(shí)淘汰不適應(yīng)環(huán)境的變異。在這一變異和選擇的過(guò)程中生物逐漸從簡(jiǎn)單走向復(fù)雜,從低級(jí)走向高級(jí)。

基于此,霍蘭(John Holland)提出了遺傳算法:在計(jì)算機(jī)中,用一堆二進(jìn)制串來(lái)模擬自然界的生物體,改變這些二進(jìn)制串來(lái)模擬基因突變,用適應(yīng)度函數(shù)來(lái)模擬大自然的優(yōu)勝劣汰,最終找到最優(yōu)解。

這一學(xué)派在機(jī)器人領(lǐng)域成果卓著,例如美國(guó)波士頓動(dòng)力公司研發(fā)的“big dog”,“開門機(jī)器人

What-How-Why:“是什么”、“該怎么”、“為什么”

舉一個(gè)醫(yī)療診斷的例子

有一種癌癥,叫黑色素瘤,這是皮膚腫瘤中惡性程度最高的瘤種,容易出現(xiàn)遠(yuǎn)處轉(zhuǎn)移,可以致死,所以早期的診斷非常重要。但是,它的初期表現(xiàn),跟皮膚上長(zhǎng)了一個(gè)普通的“色素痣”一樣。想要在早期診斷黑色素瘤,最穩(wěn)妥的方式是做活組織切片檢查,可你總不能每長(zhǎng)一個(gè)痣就去動(dòng)刀。

好在黑色素瘤和普通色素痣的外觀還是有區(qū)別的,總結(jié)說(shuō)來(lái),有以下四個(gè)特征:

  • 一般都非對(duì)稱
  • 邊緣不規(guī)則
  • 顏色可能不統(tǒng)一,更富于變化
  • 直徑通常大于6毫米

一個(gè)皮膚科醫(yī)生,要學(xué)習(xí)上面四個(gè)規(guī)則,來(lái)給患者進(jìn)行診斷。那計(jì)算機(jī)不是也可以學(xué)習(xí)這些規(guī)則,然后取代人類嗎?

“是什么”和“該怎么”

1945年,英國(guó)心理學(xué)家吉爾伯特·賴爾(Gilbert Ryle)在演講中提到了這兩種知識(shí):

一個(gè)孩子知道自行車有兩個(gè)輪子,輪子里面都是空氣,轉(zhuǎn)動(dòng)把手就可以拐彎……他只是知道了“是什么”,但還是不會(huì)騎車;如果一個(gè)孩子在幾次摔倒之后學(xué)會(huì)了騎車,這時(shí)候,他就知道了“該怎么”。知道“是什么”是基于事實(shí)和概念;而知道“該怎么”是基于技能和經(jīng)驗(yàn)。知道“該怎么”,可不一定知道“是什么”,你讓一個(gè)會(huì)騎車的人講解一下他是怎么騎車的,可能他根本說(shuō)不清楚。

我們要把一件事物“是什么”告訴計(jì)算機(jī),一種方法是把這個(gè)事物方方面面的描述都告訴計(jì)算機(jī),它就知道了“是什么”,至少理論上是這樣的。比如,你要讓計(jì)算機(jī)來(lái)判斷這是一個(gè)色素痣還是一個(gè)黑色素瘤,你只要把那幾個(gè)特征告訴計(jì)算機(jī)就可以了。

可事實(shí)遠(yuǎn)比這復(fù)雜得多,因?yàn)榘焉厦娴乃膫€(gè)特征翻譯成算法語(yǔ)言,本身就不太容易——到底多不對(duì)稱才叫“不對(duì)稱”?怎么不規(guī)則才算“不規(guī)則”?而且符合那四個(gè)特征的也未必是黑色素瘤,不符合的也可能是。所以最后算下來(lái),計(jì)算機(jī)的準(zhǔn)確度還是不如人類專家。

還有第二種方法,就是深度學(xué)習(xí)。通過(guò)深度學(xué)習(xí),我們甚至不用去制定規(guī)則,只要找出一套合適的模型,然后用大量的數(shù)據(jù)進(jìn)行訓(xùn)練,模型自己就能學(xué)會(huì)判斷。事實(shí)上,這種方式訓(xùn)練出的神經(jīng)網(wǎng)絡(luò),已經(jīng)在黑色素瘤的識(shí)別準(zhǔn)確率上遠(yuǎn)高于人類專家。

這樣說(shuō)來(lái),在“是什么”這一塊,計(jì)算機(jī)已經(jīng)可以超越人類了;而像騎自行車這類“該怎么”就是行為學(xué)派擅長(zhǎng)的東西,可能未來(lái)也會(huì)超越人類。但人工智能有個(gè)致命的問(wèn)題,就是不知道“為什么”。

“為什么”

神經(jīng)網(wǎng)絡(luò)可以在黑色素瘤的識(shí)別這件事上做得比人類好,但只不過(guò)是依靠算法給出輸入和輸出之間的對(duì)應(yīng)關(guān)系,它本身根本不理解病變。人類醫(yī)生不僅僅會(huì)告訴你這里有一個(gè)病變,他還會(huì)告訴你用藥的時(shí)候要注意周圍的危險(xiǎn)區(qū)域,他還會(huì)發(fā)現(xiàn)沒(méi)有癥狀、但是已經(jīng)產(chǎn)生的腫瘤……因?yàn)槿祟惸芾斫獠∽儭?/p>

人類比計(jì)算機(jī)更厲害的地方在于,我們不僅能理解,我們還會(huì)問(wèn)“為什么”。

為什么會(huì)有這些病變?為什么黑色素瘤邊緣是不規(guī)則的?為什么會(huì)變顏色?為什么容易出現(xiàn)遠(yuǎn)處轉(zhuǎn)移?正是因?yàn)槲覀兡軉?wèn)出為什么,我們才能不斷深入研究,不斷獲得新的知識(shí),不斷找到新的治療方法,不斷地知道新的“是什么”和“該怎么”。

人工智能只能解決一個(gè)問(wèn)題,但是不能創(chuàng)造一個(gè)問(wèn)題。

共生

盡管AlphaGo Zero可以在自我對(duì)弈的前提下戰(zhàn)勝所有人類,但AlphaGo Zero還是在有限的棋盤上,在有限的規(guī)則下計(jì)算。它只知道“該怎么”,而不知道圍棋“是什么”,更不知道“為什么”。

更何況真實(shí)的世界有無(wú)限多的自由度,沒(méi)有明確規(guī)則,你沿著任何一個(gè)方向深入下去都會(huì)碰到各種各樣新的可能性。這些新的東西,才更有價(jià)值。

我們目前并不需要過(guò)多擔(dān)心被人工智能搶走飯碗,更應(yīng)該考慮的是:如何運(yùn)用人工智能幫助我們更高效的工作?我們是否需要更多的人工智能訓(xùn)練師,而不是醫(yī)生、工程師?如果人工智能預(yù)測(cè)錯(cuò)誤,誰(shuí)來(lái)承擔(dān)責(zé)任……

我們需要人工智能,但拓展知識(shí)的邊界,還得靠我們自己。

參考文獻(xiàn):

[1]《科學(xué)的極致:漫談人工智能》. 集智俱樂(lè)部.

[2]The algorithm will see you now. Siddhartha Murherjee. The New Yorker. April 3, 2017. (https://www.newyorker.com/magazine/2017/04/03/ai-versus-md

 

本文由 @吹個(gè)大氣球 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉(zhuǎn)載。

題圖來(lái)自網(wǎng)絡(luò)

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 謝謝分享,科普了人工智能的知識(shí)!

    來(lái)自北京 回復(fù)