1. 首頁 > 生活百科 > 科技 > >

|人工智能想超越人類，就必須擁有所有變數，包括人類沒掌握的變數

|人工智能想超越人類，就必須擁有所有變數，包括人類沒掌握的變數

文章圖片

|人工智能想超越人類，就必須擁有所有變數，包括人類沒掌握的變數

文章圖片

|人工智能想超越人類，就必須擁有所有變數，包括人類沒掌握的變數

文章圖片


對人類的創造力 ， 很多人存在誤解 ， 認為創造力只是一種邏輯上的隨機組合的操作 ， 這是一種機械式的認知方法 ， 其結果是瘋言瘋語的狂魔 ， 或者是大力出奇跡的呆瓜 。 實際上 ， 人類的創造力還是有約束的 ， 它必須依托于既有的經驗知識及其認知范式（經驗知識抽象出來的一些基本準則） ， 要么是在大框架下的局部創新 ， 要么是跨領域的經驗遷移 ， 無論如何都不會脫離既定的認知范式 。

創新力與理解力非常相似 ， 都結合了抽象能力和遷移能力 ， 只不過是 ， 理解力是面對的是舊問題 ， 是在大框架下的局部創新 ， 而創造力面對的是新問題 ， 其目標是利用遷移能力對新問題的本質實施假設與驗證 ， 這種創新能力正是強人工智能的基礎 。 試想一下 ， 一個系統無論遇到什么新問題 ， 都能快速抓住問題的本質 ， 將是怎樣的系統呢？

細細思考 ， 抽象能力又是什么 ， 它需要怎樣的操作？遷移能力又是什么 ， 它需要怎樣的操作？這些操作目前計算機是否具備？當前的計算機系統是建立在人類認知范式之上的 ， 比如各種概念的定義、各種規則的預設、各種特征的標注 ， 計算機只是在一絲不茍的遍歷和嚴絲合縫的組合 ， 這是邏輯自洽的系統 ， 需要人工輸入一套經驗知識（蘊含認知范式） 。

它從未自發地從中抽象出認知范式 ， 并演繹出新的經驗知識 ， 比如在系統里自發增加一條“人類可信賴”的概念、規則、特征 。 也許有人會說 ， 深度學習已經看到“自學”的希望 ， 但細細分析也會發現 ， 深度學習學出的模型 ， 無論怎么疊床架屋 ， 不過是在建與任務相關的數據表征 ， 其本質上還是對分布特征的高維度表示 ， 遠遠談不上對任務性質的分解和抽離 ， 也就是說 ， 系統并不知道特征的意義 ， 無法解釋各部分的聯系 ， 自然不會總結認知范式 ， 這樣的系統缺乏遷移能力和學習能力 。

【|人工智能想超越人類，就必須擁有所有變數，包括人類沒掌握的變數】系統具備創造力 ， 至少還需要兩個更為基礎的準備：一是通過示教學習一些基本的世界范式 ， 為高級認知解釋奠定基礎 。 這些范式或許很難用語言描述 ， 但可以通過示例的比較來傳授 。 二是基于構式實現與理解活動有關的心理過程 ， 為機器與人類搭建良好的交流接口 。 機器無論如何創新 ， 最終都必須不能脫離人類的認知范式 ， 需要人類長期的教育干預 。 當然 ， 如果在硬件能源等物理屬性方面有了突飛猛進的發展 ， 人工智能的本意就是類人智能 ， 通過已有的經驗 ， 來解決未遇到的問題 。

在解決問題過程中就需要有一定的創造力 。 目前人工智能可以做到有規律的創造 ， 基于人設定好的 。 但是還沒有到人類的意識創造階段 ， 這個還需要在發展 ， 甚至是對腦科學的進一步研究 。 對于人類世界 ， 我們面對的問題 ， 不僅僅只有數學題 ， 而且哪怕數學題 ， 也不是每個問題都有解 。 只要清楚了這樣的邊界 ， 就不需要驚恐那些科幻片里面的情節 ， 能夠真實發生在現實生活中 。

人類善于發現總結規律 ， 人類現代科技文明靠著發現規律本質提升科技 。 但到了人工智能成為事實的大數據云計算技術背景下 ， 人工智能不需要像人類那樣發現總結出規律 ， 只需要通過動輒單位為10億次每秒的算力計算出事物相關性就可以發現可以應用實踐的“偽規律” ， 在這一點上 ， 他ＡＩ也有了某種創造力 ， 他可以算作在智力領域超級加強版的精英大腦 。 人工智能有創造力 。

相關經驗推薦