范文网后台-模板-公共模板变量-头部模板-自定义右侧文字

 > 范文大全 / 正文

人工智能战胜人类

coolhzh 2017-05-19 08:37:26 范文大全 0 评论
人工智能不能战胜人脑

人工智能不能战胜人脑 10德语(3)班 徐淑颖

我方观点:我方认为人工智能不能战胜人脑。人工智能机何许“人”也,它是人类运用其智力为自己大脑运行效率的增强和思维活动质量的提高所创造的一个工具和机器。它的性质就如同人类为了减轻自己的体力劳动强度而创造出来的挖掘机,为了扩大自己的活动范围和走行速度而创造出来的飞行器一样,它们同样都是人类智力的产物。它们同样都是人类某一器官的功能的扩展和延伸。正是因为人工智能机是人类智力和大脑功能的一种延伸,因此人工智能机的作用和功能也就仅仅体现在它扩大了人脑的运行效率和活动质量上,而不是体现在大脑的扩容和智力的提高方面,更重要的是它不能体现在代替人类的生命活动上。人脑创造了电脑,使之为人类服务,没了人的指令电脑是无法运作的。故我方认为人工智能不能战胜人脑。 人脑

功能:1)具有感知与认识事物、客观世界与自我的能力。2)联想、推理、判断、决策的能力。3)运用语言进行概括的能力4)发现、发明、创造、创新的能力。5)实时地、迅速地、合理地应付复杂环境的能力。

6)预测、洞察事物发展变化的能力。

结构:由10亿神经元通过神经突出连接而成的网络。

特点:1)能根据变化的情况,提出新的解决办法。2)对事物进行分析和综合的能力具有高度的可靠性。3)是社会影响的变化发展的多功能的活的物质系统。

电脑

构成:程序和数据

特点:1)处理信息和运算速度快2)记忆力强,操作准确。3)信息交流快/效率高。4)高容量储存。5)继承知识时间短,量大。

人工智能的本质:人工智能作为机器它实际上是用输入器模拟人的眼、耳、等感官,接受外界的信息;用存储器模拟人脑对信息的记忆功能,把信息积累起来,以便随时使用;用运算器模拟人脑对信息加工、分析、处理的过程;用控制器模拟人脑调节各方面信息,指挥其按各项指令正常运行;用输出器代替人的效应器官,用以输出信息。电脑又以机器装置模拟人的神经细胞运动:人脑中的神经细胞对信息接受或不接受是出兴奋和抑制两种状态进行的,电脑相应具有接通或断开两种状态;人脑的信息传递利用神经脉冲,电脑则利用电脉冲;人脑的神经脉冲传递按“有”和“无”的规律进行,电脑则采取“1”和“0”的二进制加以模拟。这些机制表明,人工智能并不是人的智能,更不会超过人的智能,只不过是类似于人的思维的“机器思维”,本质上是对人的思维的模拟。

“机器思维”同人类思维具有本质的区别:

其一,机器人毕竟是机器,电脑只是人脑的模拟物,它只是由一些电子管、晶体管、集成电路等电子元件和线路所组成的机械的、物理的装置,人工智能纯系无意识的机械的、物理的过程。而人类智能却主要是生理的和心理的过程。

其二,人工智能没有社会性。电脑在解决问题时,并不探求任务本身的社会意义,它只是执行命令而不顾后果。人类智慧却具有社会性,人在行动时,一般都考虑到由此引起的社会效果。

其三,人工智能没有人类的意识所特有的能动的创造能力。电脑可以储存巨大的“记忆”容量,但是它不会自动地提出问题,而且它对任务的解决是机械的,只有在逐一核对所有可能的途径之后,最后才找到正确的答案。人类思维则能够主动提出新问题,进行发明创造。人类记忆也有一个不同于机械装置的按意义去进行记忆纳系统,无需回忆全部信息就可以找出所需要的答案。

其四,电脑以它惊人的“记忆力”、敏捷的运算速度、精确的逻辑判断能力,可以代替甚至超过人类的部分思维能力,但是,它只能接受人脑的“指令”,必须由人预先把思维过程加以形式化和符号化,以

一定的信息输入电脑,它才能工作。二者的程序总是人脑的思维在前,电脑的功能在后。人类思维随着社会实践的发展而日新月异,每当人类把新的知识输入电脑时新的思想会在人脑中萌发。可见,思维模拟并非思维本身,人工智能是本来意义的人的智能。 案例及分析(破论):1997年5月11日在国际象棋“人机大战”最后一局较量中,IBM超级计算机“深蓝”仅用了一个小时便轻松战胜国际象棋特级大师卡斯帕罗夫,并以3.5比2.5的总比分赢得胜利和70万美元的奖金。这是否能说明人工智能可以战胜人类?当然不能。准确地说,卡斯

帕罗夫与“深蓝”之间的比赛不是“人机大战”,而是许多国际象棋大师在软件专

家的帮助下借助一台超级计算机联手对付他一个人。所以,他的对手并不是

“深蓝”,“深蓝”只不过是一个工具而已。他真正的对手是“深蓝”背后的棋坛高

手和计算机专家,甚至还包括他自己。■首次战胜电脑对手,戴着三维立体

眼镜的卡斯帕罗夫笑逐颜开

对比分析(立论):志得意满的IBM 巨头雄心勃勃,准备研制能与一流高手公平对弈的电脑围棋程序。 但当IBM 的研究开发小组在进行了一番深入细致的可行性研究后,他们彻底泄气了,因为他们发现,要让电脑和围棋高手公平对弈,要比让电脑战胜卡斯帕罗夫难上一万倍 !换句话说,如果能让围棋电脑程序战胜职业围棋高手,就等于人工智能获得最实质的突破——电脑胜人脑。但要实现这一目标,专家认为再过100 年亦未必能做到,围棋是对人工智能的最大挑战。由此可见人工智能是不可以战胜人脑的。

案例(立论) 一个有趣的例子就是电子计算机下国际象棋:在美国目前最好的电子棋手叫Belle,Belle在走棋子时能每秒检验15000棋子位置,但在正式棋赛所要求的两小时走四十步的速度下,是胜不过人的象棋大师!对棋的残局Bell能力尤低,胜不过一般进入棋赛选手的一半,虽然在开局时能胜过95%的选手。所以人到底比电子计算机强!据说电子计算机计算程序的弱点在于不能从全盘敌我双方棋子的布局中通盘估算形势;而这在残局子少时,人的这方面能力就十分突出。人不是靠算,而是靠认出形势。此例很好地说明了人工智能是不可以战胜人脑的。

总结:电脑不可能超越人脑;人工智能也永远无法代替人的意识。电脑只是人脑的延伸和补充,它不可能在整体上超越人脑,不可能完全取代人脑,更不可能反过来支配和统治人类;人工智能也只是人类智能在机器中的再现或复制,是人类智能某种属性的延伸,不可能取代人的意识。 就电脑的产生来说,它是认识主体创造的,是主体的目的和需求的产物;就电脑的作用形式而言,它是人脑的延伸物,属于主体的认识手段或认识工具,是主体认识能力的表现。所以,电脑仅仅是人类改进和完善自己生活的创造物,再高级的电脑也是人脑设计制造的,不可能代替人脑而成为独立的认识主体。从总体上看,因为电脑不是生活在社会之中,没有人那样长期的社会实践,不具备人的社会属性,因而也就不可能具有真正意义上的思维。所以,无论科技如何发展,电脑也不可能像人一样具有社会性,电脑本身的运作不具有任何的社会意义,当然也无法超越人类。不否认电脑给我们生活带来的诸多便利。电脑在人类社会生活的很多领域解决了用人力很难解决的问题。而且,人工智能的产生和发展也为人类智能提供了新的时间和空间尺度,给人类提供了一个新的创造领域。但是,如果因为电脑的广泛应用而认为其不存在一个技术性的界限,认为人工智能可以代替人的思维,则是没有根据的。,也是不可能的。

人工智能会替代人类吗——从AlphaGo的胜利谈起

四个月前,当谷歌公司宣布他们所设计的人工智能AlphaGo战胜了欧洲围棋冠军樊麾的时候,很多人相信,这不过是一个糟糕的巧合,樊麾并不能代表围棋,甚至就连这场所谓的胜利,也只不过是一场蹩脚的金钱交易。而就在几天前,AlphaGo以一种近似于屠戮的方式(谷歌公司的工作人员在检查AlphaGo的数据的时候,发现它认为自己在一场比赛中始终占据上风)战胜了人类围棋界最顶尖的高手之一,韩国围棋名将李世石,当然,接下来这两场比赛证明,AlphaGo对李世石的胜利的确是屠戮,没有意外的话,到3月15号,AlphaGo又将贡献一个砍瓜切菜般的5:0(今天出来的最终结果为4:1)。想想比赛开始之前世界棋坛对李世石战胜AlphaGo的自信,我们不由得会问,这到底发生了什么?老实说,对于围棋我并不太懂,但对于人工智能,我还是有一些话想说的。

问题一:AlphaGo的胜利意味着人工智能发展到了何种程度?

很早以前,人工智能就已经实现了国际象棋、五子棋和跳棋领域对人类顶尖水平的胜利,但是人类始终坚信围棋是人工智能的禁区,人工智能永远无法在这个领域取得成就。客观地讲,这样一个说法绝对不是空穴来风,因为无论是国际象棋、五子棋还是跳棋,它们实际上一个有穷步数的运算,也就是说,棋子在棋盘上按照某种既定规则进行程式化的运算,这种运算的结果是有穷的、必然的,甚至可以说存在某种算法使其必然获胜,对于这样的比赛项目,人工智能以其远远超过人类的运算和记忆能力,获胜只是时间的问题。但是,围棋并不是如此,一盘150回合的围棋比赛,可能出现的局面达到了惊人的10^171种,对于任何一台人工智能而言,这个数字都基本上等同于无穷,人工智能根本不可能在三个小时的时间里完全枚举出每一次落子的可能情况并对此做出计算。而且,围棋和其他棋类运动不同,它没有一套必须遵守的规则,而是在其从布局到

官子的全部阶段,以一种经验式的落子方式,实现在棋盘之上攻防转换,对于人工智能而言,它所需要的不仅仅是对落子可能的计算,更是对整个局势的掌控和理解。也就是说,与其他棋类运动相比,围棋所表现的是人类的一种直觉式理解性的不精确的思维方式,正如我们所认为的,这种思维不是一种常规的计算,它没有计算精确,却远比计算复杂。

因此,毫无疑问地,AlphaGo在围棋上取得的胜利意味着人工智能发展的巨大进步,很显然,人工智能在今天已经超出了我们一般意义上所理解的“输入-运算-输出”程序,甚至掌握了一定程度的学习能力,那么,AlphaGo到底达到了何种水平呢?前天比赛结束,我看到围棋界的人士指出,AlphaGo仿佛不会劫争,当时我得出的结论是,AlphaGo虽然看起来很智能,但它其实还不能代表人工智能在今天的最高水平,因为实际上AlphaGo完全不会下围棋,它所表现的所谓对围棋的理解和大局观不过是一种硬计算的极端表达,在这样一个哲学家早已对软计算做出定义和精准预言的时代,硬计算发展的再充分,也缺少了对整个人工智能科学的前瞻性,当时我就觉得,AlphaGo虽然现在看起来风光,但在人工智能史上地位是不如“深蓝”的。但是,今天的第三盘棋,AlphaGo展现出了高超的劫争实力,而众所周知,劫争的存在会使围棋不可能通过硬计算的方式得以完成,因为在硬计算中每一个棋子都是等值的,而劫争则要求棋手对棋子的地位作出判断。现在再看AlphaGo和李世石的这三盘棋,我觉得AlphaGo是会下围棋的,也就是说,它并不是在进行简单的输入和运算,而是在阅读了足够多的围棋棋谱之后,对这项运动的基本思路进行了模态,也就是说,它在模拟的不是我们理解的传统意义上的计算,而是一种更高级别的计算,一种基于模态算子的不精确运算,也就是今天计算机领域十分前沿的软计算,这种计算最大的特点是它的整体性和不精确性,显然,AlphaGo具备了这种整体性和不精确性。当然,AlphaGo现在掌握的这种软计

算还是一种非常低级的软计算,它不过是在硬计算的基础上增加了一定的系统性,其本质上还是对传统人工智能计算能力的发展,这种层次的软计算离软计算的最终形态——模拟人的思维意识——还相差甚远。因此,尽管AlphaGo在围棋领域显得无所不能,但它依然只是一种高水平的弱人工智能,或者说,一个强大了数万倍的专门下围棋的智能手机。

问题二:AlphaGo是怎么学会下围棋的?

这个问题是我们中国优秀的围棋运动员古力提出的,他很奇怪,为什么Google公司的设计者没有一个人会下围棋,而他们设计的AlphaGo却能战胜人类在这一领域的最强者。在思考这个问题的时候,我想起去年七月份我在和刘晓力老师讨论人工智能哲学的时候她讲的一句话,她说,“永远不要用人类的智能去类比人工智能”。的确,对大多数人而言,在理解人工智能的时候往往是需要类比人类智能的。对我们人类而言,如果要学会下围棋,就必须从最基本的落子开始,一点一点学习如何布局、如何收官、如何攻防,然后逐渐学习一些更高级的打法,因此我们觉得,AlphaGo也一定要如此才能学会下围棋。但是,我想请各位想一想,人类在实现自己的飞翔梦想的时候,是给每个人都装上翅膀吗?现在,我们可以设想,我们如何让人工智能变成一位优秀的现代派小说家。我们需要给人工智能讲解文学常识吗?我们需要它学习语文吗?事实上,完全没有必要这样。我们只需要将福克纳的所有作品输入给它,让它计算其中的写作方式,然后给它一个主题,它就一定可以输出一部看起来像福克纳的小说一样的小说了,如果我们继续给他输入普鲁斯特、卡夫卡、马尔克斯等等现代派小说家的小说,那么我们完全可以期待人工智能创作出一篇足以争取诺贝尔文学奖的世界名著了。

现在,让我们回到AlphaGo,它会下围棋吗?如果这个“会下围棋”是行为主义所理解的“会”,那么AlphaGo所表现出来的行为足以证明它会下围棋,但是,正如刚刚提到的会写小说的人工智能并不是我们人类意义上的会写小说,AlphaGo也不是在我们人类的意义上会下围棋。尽管在我们看来,AlphaGo已经有了专业九段围棋棋力,但对于AlphaGo自身而言,它根本不知道自己在下围棋,在它那里,所谓的下围棋只是一场按照一定公式不断进行的运算而已,至于它的输出结果在我们看来是围棋,这实际上和它是无关的。换句话说,AlphaGo并不知道自己是在下围棋,甚至可以说,对AlphaGo而言,下围棋也好,写小说也好,指挥交通也好,这些事情都是一件事情:运算。AlphaGo所做的只是运算,至于我们看到它在做什么,这只不过是人类对它运算能力的运用而已。至少到今天为止,人工智能还不能够认识到自己在做什么,它仍然只能被动地处理符号,至于所谓的学习功能,也只不过是一种更系统化和模糊性的计算而已。

问题三:真的有人工智能不能达到的领域吗?

毋庸讳言,AlphaGo的胜利的确带来了一定的恐慌,很多人在问,真的有人工智能达不到的领域吗?科幻电影里人工智能统治人类的场景真的可能吗?在回答这个问题之前,我们需要先了解一下对人工智能的三重划分。人工智能可以分为弱人工智能、强人工智能和超人工智能,今天所有的人工智能都是弱人工智能,因为它们除了计算以外没有别的能力,AlphaGo就是如此,它除了超强的计算能力以外与人类没有任何可比性,这样的人工智能根本不可能对人类的统治地位有任何的挑战,因为它所做的每一件事都是人类要求去做的。比弱人工智能高一级的就是强人工智能,一般而言,我们认为强人工智能是具有思维能力的,也就是说它除了运算以外,应当是具有情景模拟和判断功能

的,比如我们今天设计的无人驾驶汽车,它可以按照规划好的线路前进,但是却无法处理任何突发的情况,而强人工智能则可以在行驶过程中根据各种突发情况改变行车线路。换句话说,强人工智能是知道自己在驾车的,而弱人工智能不可能知道这一点。至于超人工智能,那我们只能说它应该是一种超越人类理智的存在,那它到底可以超越到什么程度,今天我们是无法知道的。

现在我们再回到问题本身,人工智能有没有无法模拟的东西和无法触及的领域。我认为,至少在超人工智能之前是有的,但这不是塞尔所说的“理解”,人工智能一定可以模拟出“理解”功能,甚至理解本身就是一种运算,难道AlphaGo不理解围棋吗?它只是不像人类那样理解围棋而已。人工智能真正不能模拟的,是感受性方面的东西,也就是我们常说的情感,比如人工智能一定无法模拟我们在考试和比赛之前的焦虑,我们的喜怒哀乐,我们的同情、恐惧、紧张,以及疼痛、兴奋。那么这是不是意味着人工智能将无法超越人类呢?我想不是的,因为客观的讲,感受性对我们人类而言实属多余,也许它可以让我们的生活更加的精彩和丰富,但由于感受性根本不可能拿出来被公共的检验,甚至于对于每一个个体,在面对完全相同的一个对象的时候,感受性也是完全不同的,因此这样一种情感方面的东西,实际上是无法成为我们人类在能力方面的加成的,至于由此产生的类似于灵感和创意之类的东西,正如前面举的小说家的例子,人工智能可能根本不需要这样的东西就能比人类做得更好。

人工智能可不可能像科幻电影展现的那样统治人类,我只能说,我不知道。人工智能超越人类是必然的事情,我们也需要人工智能在能力上对我们的超越,这也是我们人类研究人工智能的原因。但是我们必须要清楚,人工智能不同于其他的科技,我们不断地给予人工智能更强大的运算、分析、学习和理解能力,就必须面对着人工智能产生自我评

价和自我认知的风险,而且人工智能必然可以在不断地学习和理解当中认识自己。随着人工智能理解能力的提升,它们完全可能违抗人类的命令甚至自己给自己下命令,到了那一天,以人工智能的智力和能力,人类应该是没有任何胜算的。但是,这并不意味着人工智能一定会成为人类命运的终结,因为我们不可能知道,在那一天,人工智能是怎么看待我们人类的,它们的道德水平又已经达到了何种境界。也许人工智能将带给我们人类新的历史机遇,也许人工智能将把我们人类送入历史,我们只能像面对五月花号的印第安人那样,去迎接这样一个必然的意外,并祈求我们的命运与印第安人不同。 海德格尔认为,人类最终要被自己创造出来的科技所毁灭。我不同意这个观点,的确,科技是一辆没有刹车功能的赛车,一旦出发就不会停下,但我们始终应该对科技抱以乐观,我们的前人无数次预言我们将灭绝于某种科技,但显然,所有的预言都破灭了,所以,我依然相信,我们所谓的人工智能会灭绝人类的预言同样会破灭。不过,灭绝是任何事物最后的宿命,人类也不可能例外,人类如何在昨天战胜其他物种成为今天地球的统治者,明天就会有新的物种战胜人类成为新的统治者,而这一天一旦到来,我们也别无选择。

人类智能与人工智能

!!

沿海企业与科技

!""#$#主持人:廖大宁

科技视野

人类智能与人工智能

(广西大学

(摘要)分析人的智能如何产生%计算机的人工智能产生的条件和方法。

(关键词)人工智能*人类智能*计算机

计算机的人工智能如何实现,一直以来是计算机学术界讨论和研究最多的问题之一。有些计算机专家认为,计算机执行的都是人类事先编制好的程序,永远都是单调的"和+,不可能出现像人类那样的智能。还有一些则认为,正如在蚂蚁社会中,单个蚂蚁并不表现出任何智能,但是整个蚂蚁社会则表现出一定的群体性智能,如蚂蚁会建设蚁巢、蚁巢里有能调节温度的通风系统等等;由此可推论到计算机网络,当网络上的计算机数量超过了产生人工智能所需要的临界点后,人工智能就很自然地产生了。我认为,人工智能的产生必须由软件和硬件两个方面互相配合才会产生,只有当软件和硬件同时高度发达时,真正意义上的人工智能才可能出现。

让我们来分析一下人类智能产生的条件。人类智能产生的根源即物质基础是大脑,在这一点上,马克思是对的。大脑通过使用可以说是这个世界上最大约+’"亿的神经元来储存所需的信息,

的独立数据库。思想产生的关键就在这个海量数据库上。当外界输入信息时,如说话,大脑就搜索数据库,直到找到最合适的答案,然后就通过嘴巴将答案合成语音输出。思想有一个重要特点,就是有创造力,这个创造力其实也很好解释。当外界没有信息输入时,大脑就不断搜索自己的数据库,对各种信息进行关联组织,然后得出有意义的结论,这就是创造力。当然,并不是每次都有新的创造,但是考虑到人口的众多,东方不亮西方亮,总有那么一些人可以得出新的创造来。这个也可以用来解释为什么人类知识更新的速度出现爆炸性的情况,原因就是人口极度膨胀,同时闲人即有空闲时间的人大量增加。

我们要创造人工智能,可以模仿人脑的工作方式。比如说要实现人机对话,现在人机对话水平还很低,除了受到硬件条件的限制,还有就是还没有想到这一点,也就是软件方面的原因:当别人对你说话的时候,你要考虑的不仅仅是他的话,还要考虑许许多多其他因素,这些因素可能你没有意识到,但是你在潜意识里早就考虑到了,就是诸如表情、动作、服装打扮、天气、心情等相关因素,只有综合这些因素你才能得出正确的回答。例如你去别人家做客,临走时,主人问你“留下来吃饭吧”,这时你可以有两种合乎逻辑的回答“是”与“否”,至于选用哪种回答,你需要观察主人的表情、语调、动作、厨房里的动静,还有就是自己的意愿,这样你才能得出正确的回答。所以要实现人机对话,不能只输入语音信

!张云峰

财务处%广西南宁

"""’)

息,还需给计算机增加视觉、触觉、味觉、嗅觉,这样才能真正实现人机对话。

人机对话是实现计算机人工智能的第一步,下一步我们需要给它赋予创造力———人类最引以自豪的东西。有了第一步,这第二步似乎就相对好走了,我们所做的只是给计算机以空闲时间,让它没事的时候把各种可能会有联系的信息进行较有理性的组合,当然也要让它偶尔把一些看上去没什么联系的信息进行组合———天才灵感的来源方式,这样计算机就有了创造力。不过这个创造力可不是那么清楚地显现出来,这需要许许多多的计算机都具有创造力时才会显现出来。可能你对此会有怀疑,那我们可以来看看人类的创造力,人类的石器时代经历了几十万上百万年,人类的创造力相对于这么久远的岁月,几乎可以视而不见*接着人类进入铜器时代,然后就是铁器时代……每一个时代的更替都伴随着人口的急剧膨胀,而且每个时代的持续时间越来越短,这一切都说明了人的创造力对于单个人类个体来说是很难看出来的,但是对于数量庞大的人类全体来说,就显而易见了。所以说第“二步看起来容易,做起来难。说到这里有人可能会问:网络有足够大的数据量,给它装上视觉等传感器,能产生人工智能吗?”回答是否定的。首先网络的速度太慢、数据太分散;其次没有一个软件对网络上的数据进行智能化统一管理。这就决定了网络在可预见的将来不可能产生人工智能。

但是我们应该注意到,现在的计算机技术使得计算机在某些方面具有了一定的智能,比如说:,-.的深蓝计算机在国际象棋比赛中战胜了人类最厉害的棋手卡斯帕罗夫。下国际象棋需要非凡的记忆力和逻辑分析能力,计算机在记忆力方面占优,卡斯帕罗夫在逻辑分析能力上占优,综合起来,计算机略胜一筹。虽说计算机是胜在记忆力上,但是其本身必定具有相当的逻辑分析能力,如若不然,单凭记忆力是不可能战胜人类的。由此可见,计算机已经具有了不完全智能。

综上所述,人工智能产生的条件,是要有一个海量存储器,速度要绝对地快(问上一句话要等上半天才回答,估计你不会满意吧),容量也要绝对地大,至少和人脑的容量那么大,然后加上其他配件组装成一台电脑,赋予它人的五感及各种输出设备,做好控制软件,可以考虑把一些基本的控制软件用硬件固化,就像人类的本能一样*这样人工智能相信就可以产生了。由此可得出一个结论,现阶段人工智能不可能产生;但是人工智能终将会出现,不过那要等到硬件高度发展,对人的智能如何产生进行深入研究,集合许许多多软件专家的集体智慧后,才能实现。我相信,只要人类社会继续发展去,人工智能一定会出现。

人工智能PK人类智能

人工智能PK人类智能

人工智能(Artificial Intelligence) ,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器,该领域的研究包

近50年来,人工智能走的是一条曲折发展的道路。1990年代初,研究者深感人工智能理论及技术的局限性,从而从不同角度和层次进行反思。同时,人工智能有待于人类对人脑工作机理的深入了解,需要神经生理学、神经解剖学给出更加详细的信息和证据。

人工智能交融了诸多学科,与哲学更是密不可分。尽管事实上,新近的哲学进展基本上没给科学带来任何冲击,并且哲学的讨论对象往往是悬而未决的,但科学却在继续改变着我们对自己的认识。正如恩格斯所说(恩格斯. 自然辩证法. 北京: 人民出版社, 1972. 187):“不管自然科学家采取什么样的态度,他们还是得受哲学的支配。问题只在于:他们是愿意受某种坏的时髦的哲学的支配,还是愿意受一种建立在通晓思维的历史和成就的基础上的理论思维的支配。”着眼于更宽泛的视野和更远大的目标,要求从哲学角度寻求更加有效的人工智能研究方法。坚持物质决定意识的观点,辩证地看待已有的认识和方法,融合与集成各相关学科的成就和意见,是正确的出发点。

首先,人类智能与人工智能具有一定的内在联系。人工智能的本质是对人的思维的信息过程的模拟,是人的智能的物化。因此,人工智能可以模拟人脑的某些活动,取代人的部分脑力劳动,甚至在某些方面超过人脑的功能。其次,人工智能决不会成为人类智能,取代人的意识,人工智能和人类智能有着本质的差别:第一,人工智能不具备人的全部意识形式。人工智能属无意识的机械的物理过程,而人的意识活动却主要是生理的和心理的过程。第二,意识是社会的产物,意识活动要考虑社会后果。人工智能没有社会性。第三,意识具有主观能动性,人工智能不具有人的主观能动性。智能机器的自动性是受命于人的,是人的主观能动性的表现。人工智能的本质是对人的思维的信息过程的模拟,是人的智能的物化。它不能完全替代、全面超过人类思维,更不能控制、统治人类本身。意识是物质的产物,但又不是物质本身;意识是离不开物质的,但又不同于物质而具有精神的特征。意识是人脑的机能,是客观存在的主观映象。这是对意识本质的科学规定。意识的这一本质,体现了人对物质世界把握的能动性。

几千年来,人类习惯于拔高自己在生物界的地位,习惯凌驾于万物之上,把自己当成万物的神灵,把人类看成是不可逾越的。这种思想影响我们对人工智能的正确判断,认为人工智能不能逾越人类智能,

现实是,人类只不过是世界万物中的一员,在地球上,人类只不过是领先了一步,在茫茫宇宙中我们人类未必是最优者。如果我们平等的看待人脑思维与人工智能的关系,认识到人脑结构与计算机结构的区别只不过是俩种不同的结构,俩种不同的结构分别产生的人类智能和人工智能不会完全等同。当俩个互不包含的结构是静止的时,两者之间可能存在有层次差别,但当俩个互不包含的结构都处于发展状态时,我们是不可能确定谁的层次最终

会更高的。当我们在用人工智能模拟人脑时智能时,实际上是在寻求俩种结构在功能上的交集。由于至今我们没有搞清楚人脑结构,因而我们创造的计算机结构不太可能与人脑结构同构,故而俩种不同结构之间不可能存在谁先属谁的关系,因此,人脑思维和人脑结构是俩个结构不同的,平行发展的智能体系。人类智能是一种结构的产物,人工智能也是一种结构的产物,由蛋白质构成的结构产生的智能是智能,用硅片构成的结构产生的智能也是智能。人工智能这种新结构,新智能的产生,应该会伴随带来不同于人类智能的新思维。

比如这次的人机大战:

“机器最后获胜,应该为此高兴还是为此发抖?”法国国际广播电台称,对此科学家看法不一。巴黎人工智能专家卡纳斯亚分析说,机器与人脑对决胜出,将是一个重要时刻。而随着人工智能的进一步开发,当然存在着潜在的巨大危险,倒不是技术本身的问题,而是使用这种技术去做什么。

谷歌高级研发人员迪恩在人机大战前试图打消人们的担忧:“人工智能有好处也有坏处,究竟如何使用人工智能,需要人类社会自己做出决定。在健康方面的人工智能有助于改善人的生命状态”。美国全国广播公司称,“阿法狗”和李世石的对决正在拓宽人工智能的边界。深度思维公司设计“阿尔法围棋”的最终目的是建立一种通用的人工智能,在医疗和老年看护机器人方面进行应用。

“机器人取代不了人类,”王飞跃对《环球时报》说,当年原子弹造出来的时候,觉得世界要被毁灭;现在世界上有多少枚原子弹,人类还不是好好地在发展。张颐武对《环球时报》说,现在科学技术走在了前面,这就要求社会文化跟上,对哲学、社会学、伦理学、心理学等诸多方面都提出前所未有的挑战,“但这不是坏事,人类需要未雨绸缪”。

“‘阿法狗’抛出的话题绝对不轻松”,韩国《中央日报》评论称,虽然只是限制在围棋这一领域,但人工智能已经到了与人类进行平等对决的程度。 “无法断言人工智能的未来,但如果想对此做出判断,必须充分了解人工智能”。该报提出一种思路,希望人机大战引发的关注能成为韩国人工智能产业发展的契机。文章指出,“除去三星电子公布与脸谱的相关技术合作外,韩国企业在人工智能领域的存在感并不大”。

庄子与惠子有如下的对话。庄子与惠子游于濠梁之上,庄子曰:“倏鱼出游从容,是鱼之乐也。”惠子曰:“子非鱼,安知鱼之乐?”庄子曰:“子非我,安知我不知鱼之乐。”惠子曰:“我非子,固不知子矣,子固非鱼矣,子之不知鱼之乐全矣。”庄子曰:“请循其本,子曰‘汝安知鱼乐’云者,既已知吾知之而问我,我知之濠上也。”(庄子·秋水)

人类智慧与人工智能孰高孰底、熟胜孰负,智能的复杂和神秘,如同这段文字本身的内涵和后代的种种解析那样,引人入胜,令人悠然神往。 人工智能在更多领域的成功应用,依赖于对人类大脑的彻底解读,而这 还有相当漫长的路要走。目前,我们已经看到,通过深度学习,计算机可以很好地识别图像、语音、语言。当我们用计算机来进行别的工作时,比如文学创作或者终身学习,我们会发现计算机还不够智能而已。

我的观点是:通用人工智能将会在基本工作原理和人类大致相当,既不更高也不更低。如果这种系统真能造出来,那说明我们已经基本搞清了智能是怎么回事。在那以后即使计算机在大量具体问题的解决能力上超过人类,

并且可以通过学习进行自我提高,人类仍然可以根据其工作原理寻找用其利避其害的办法。人工智能是人类智能的延伸,所以人工智能会有人类智能的局限,如果用集合表现的话人工智能应该从属于人类智能,也就是说人工智能是人类智能的一种表现,也可以说属于人类智能的范畴,因此,人工智能超越人类智能在哲学上讲是一个错误的理论,虽然李世石最终输给了阿尔法狗,但是阿尔法狗是人类工程师制造的,其所有棋步与验算来自全世界的国际象棋棋手,可以说是李世石跟全世界顶尖的国际象棋棋手下棋而阿尔法狗只是一个媒介,归根结底他还是输给了人类智能,再厉害的人工智能无限接近于人的智能,而不能超越人的智能,但是从宏观和具体的应用方面,人工智能确实比人厉害,因为在控制设备方面它可以面面俱到,而人可能会有忽略,但是人工智能缺少智能最基本也是最重要的三个能力,那就是创造.思考和情感,所以人工智能是不会战胜人类智能的。

电脑如果取代了人脑,那他再好又有什么意义呢。就像生物存在的意义就是繁衍后代,电脑存在的意义就是为人类服务,如果他取代了人本身,他就没有任何意义了。而且人类是不会允许这件事发生的。

而且,电脑应该本着为人服务而不是取代人,况且电脑复杂的编程难道不需要人来输入? 别忘了,现在的高科技追根问底,可都是来自人类文明. 像克隆人这些违人本的东西,人类不会创造的,即使创造了也是为自己服务而已。

我的观点是:通用人工智能将会在基本工作原理和人类大致相当,既不更高也不更低。如果这种系统真能造出来,那说明我们已经基本搞清了智能是怎么回事。在那以后即使计算机在大量具体问题的解决能力上超过人类,并且可以通过学习进行自我提高,人类仍然可以根据其工作原理寻找用其利避其害的办法。人工智能是人类智能的延伸,所以人工智能会有人类智能的局限,如果用集合表现的话人工智能应该从属于人类智能,也就是说人工智能是人类智能的一种表现,也可以说属于人类智能的范畴,因此,人工智能超越人类智能在哲学上讲是一个错误的理论,虽然李世石最终输给了阿尔法狗,但是阿尔法狗是人类工程师制造的,其所有棋步与验算来自全世界的国际象棋棋手,可以说是李世石跟全世界顶尖的国际象棋棋手下棋而阿尔法狗只是一个媒介,归根结底他还是输给了人类智能,再厉害的人工智能无限接近于人的智能,而不能超越人的智能,但是从宏观和具体的应用方面,人工智能确实比人厉害,因为在控制设备方面它可以面面俱到,而人可能会有忽略,但是人工智能缺少智能最基本也是最重要的三个能力,那就是创造.思考和情感,所以人工智能是不会战胜人类智能的。

参考文献:

[1]周以真.计算思维[J].中国计算机学会通讯,2007,(3).

[2]周晓东,刘雪梅.信息时代的计算机人工智能[J].硅谷,2010,(1).

[3]杜文静.人工智能的发展及其极限[J].重庆工学院学报,2007,(1).

[4]李大社等.计算与计算哲学[J].山东工商学院学报,2009,(5).

人工智能会超过人类智能吗?

作者:王黔玲

社会科学研究 1996年07期

  我们应当怎样判定人工智能的历史地位?怎样估计人工智能的发展前景?怎样认识人工智能和人类智能的相互关系?与其说是技术问题,不如说是哲学问题。我们必须突破具体科学的局限性,从哲学和世界观的高度俯瞰人工智能,建立起一种有别于传统智能观的新观念来。  (一)  长期以来,人们一直把人工智能仅仅看成是人的产物,但是人工智能不仅是人的产物,在更广泛、更深刻的意义上,它是自然进化到一定阶段的产物,即进化到智能生物阶段的产物。列宁说:“对于那种看来完全没有感觉物质如何跟那种由同样原子(或电子)构成但却具有明显的感觉能力的物质发生联系的问题,我们还需要研究再研究。”[1] 这个思想很重要,它表明列宁并不认为智能是自然界给予人类的一种突如其来的恩赐,而把智能看成自然进化的结果。虽然他在这里仅仅提到了感觉问题。  在辩证唯物论看来,一切发展变化,都是物质的发展变化。从最简单的机械位移到最复杂的社会运动都遵循统一的客观规律。因此,由人类引发的包括人工智能在内的一切变化(即所谓“第二自然”),同样是自然界进化过程的一部分。它可能是其中的一个环节,也可能是其中的一个分支,但决不可能独立于自然的客观进化过程之外。  从控制论和信息论的观点来看,自然界的进化过程并不是从一种物质形态或物质结构向另一种物质形态或结构的进化。就其本质来说是一定量信息对物质、能量进行的组织和控制方式的进化过程。控制论从热力学第二定律中引入了关于熵的概念,把信息定义为负熵。在热力学中,熵是混乱性和无序性的度量。而在控制论和信息论中,负熵是组织性和有序性的度量。自然界的进化过程,也就是从混乱到组织,从无序到有序的发展过程。把组织与混乱,有序与无序作为哲学范畴,可以准确地描述包括生物和非生物系统、技术系统、人类社会乃至人类思维在内的任意客观存在的物质系统的发展变化。人类之所以比其它动物具有更高的进化水平,并不是由于两者在物质材料和能量需求方面有什么本质区别,而在于人类拥有更多的信息,因而导致了对物质和能量的不同的组织和控制方式。使得物质、能量和信息能够统一成为具有更高有序性的生物系统。美国科学家卡尔·萨根曾经仔细地研究过DNA 中的信息含量同生物的发展程度之间的关系。他发现,越是高级的生物,DNA 的信息量就越大。细菌的DNA信息量约为几百万比特,而人类DNA的信息量却在二百亿比特以上。[2]而包含在DNA中的遗传信息仅仅是人类所拥有的信息中的极小一部份。所以我们常说人脑是高度组织起来的物质。

  毋庸置疑,以人类为标志的,以蛋白质为载体的智能是自然界进化的最高物质系统。但是,从智能的进化进程来看,这种蛋白质智能却只是智能发展过程的最初阶段。在自然界进化的过程中,虽然智能首先表现为蛋白质智能,但并不意味着蛋白质是一种神秘的特殊物质,更没有理由把它看成是智能存在和发展的唯一载体和最高形式。既然没有感觉能力的“原子(或电子)”可以构成蛋白质这样的智能形式,为什么又不能构成另一种智能形式呢?因此,这里所坚持的仍是辩证唯物论而不是“特创论”!  人工智能系统目前以硅磁材料作为信息载体,在计算机软件的组织和控制下运行。但这还远远不够,现在的人工智能系统尚未具备一个进化系统所必须的自我更新和自我复制特性。其原因在于第一,信息载体的信息记录密度还不够高,因而信息量离一个进化系统仍有很大距离。第二,对一个进化系统所需要的巨量的信息本身,还缺少一个相应的强有力的组织手段,否则大量的信息不能被有效利用。这两个问题能不能在可以预见的将来得到解决呢?答案是肯定的。事实上,当前正在兴起的纳米技术和自生软技术已经使我们看到了人工智能系统自我进化的曙光。  纳米技术是在微电子技术的基础上发展起的新兴技术。[3] 纳米技术使人类能够直接把握单个原子。美国科学家已经用单个原子排列成了“IBM”字样。[4]这就是说纳米技术的诞生使得人工智能系统有可能以原子的密度来进行信息存储,使人工智能系统的信息记录密度达到甚至超过人脑的记录密度。  人工智能系统不仅需要拥有巨量的信息资源,还要具有信息不断延续的特性。否则,便不能实现遗传和进化。人工智能理论认为,生物作为一种可以自我进化的系统是由信息(DNA )指示蛋白质生成器(ribosome)去制造出蛋白质(protein)而形成的。由于它能自我生成与更新,所以可以永久生存,不断进化。而大量的人工产品如汽车、飞机、以及非人工智能计算机等,由于产品本身缺少传递再制造的信息与生成器,所以损坏以后不能再自我生成,更谈不上自我进化。要使它们具有不断进化的生命力,就必须用软件的方式实现信息的遗传和继承,使其象生物系统一样自我繁殖,自我进化。具有这种特征的软件系统就是自生软件系统。[5]  自生软件不仅为人工智能系统的自我进化开辟了道路,而且还把人工智能系统纳入了同其它自然种群没有区别的物竞天择、优胜劣汰的进化过程,从而把智能进化乃至生命进化的自然过程推向一个崭新的发展阶段。

  如果我们从直接的因果关系上看,人工智能确实是人类的创造物,作为结果,它依赖于作为原因的人类智能。但如果我们追溯智能发展的历史,展望智能发展的未来,人工智能显然又是其中承先启后的环节。我们没有任何理由认为这两个物质过程之间存在有不可逾越的鸿沟。不管人类创造这个神奇东西的目的是什么,人工智能的发展结果都是人类无法按照自己的主观愿望进行控制的。它只遵循它自身固有的客观规律。就像资本主义创造了强大的生产力但却没有办法控制它的发展方向一样。人类自以为主宰着世界,其实这只是一种肤浅的幻觉。了解西方哲学史的人都知道黑格尔先生的宇宙发展观:在辩证法的原则支配下,绝对精神把自己外化为自然,自然又通过人的意识回归绝对精神,进程完全由内在规律支配。如果把这种头足倒立的辩证法颠倒过来,我们是不是可以从这位伟大哲人的智慧中获得一些发人深省的启示呢?  (二)  人脑作为思维的器官,是一切思维和智能的源泉。然而,由于人脑结构的极其复杂,其功能不仅与脑的静态结构有关,还与神经细胞的动态结构有关。因而对思维和智能进行微观层次的研究十分困难。使思维和智能被蒙上了一层神秘主义的面纱。虽然人们普遍承认思维和智能都是大脑的机能,但却又同时假定在思维和智能中存在着一个人类独有的主观世界,它不能归结为纯粹的自然过程,如不能归结为人脑的物理和化学的活动过程。直到目前为止,这种人类思维和智能的超自然论思想,仍然是许多人科学地理解思维和智能问题的严重障碍,也是许多人为人工智能的发展设定最终界限的基本依据。这种观点认为,即使人工智能系统能够实现对人类智能的模拟,它也不能实现对人类智能的全面模拟。很明显,这种超自然论思想实际上是不可知论在思维和智能研究领域里的表现。  辩证唯物论认为,不管人的思维活动和智能活动如何复杂,归根到底,仍然是物质的运动的一种形式。和其它任何一种物质运动形式一样完全是可以被认识的。因而也是可以被模拟的。精神的东西不仅是由物质的东西产生的,而且完全可以用物质的东西再现出来。只有这样地认识问题,才能真正把唯物主义贯彻到底。从这一意义上讲,人工智能将肩负起把不可知论从思维领域中彻底逐出的历史重任。  脑电生理学的研究表明,人脑神经细胞不论大小,形状如何,都全部采用两类电信号——动作电位和分级电位来处理和传导信息。而神经化学的研究则证明,人脑神经元的突触之间的信息传递是靠化学信号完成的。这类传递化学集中的物质大约有20多种,基本上可以分成兴奋性物质和抑制性物质两大类。人类的各种心理现象都和以上两种物理变化和化学变化相关。[6]

  上述科学发现告诉我们,人类思维和智能活动中的那些原本以为非常神秘的特性,如社会性、主观能动性以及各种情感特性都是在普通的生物电过程和生物化学进程中实现的,都是信息处理的宏观反映。人脑不过是一个精密而复杂的天然信息处理系统。尽管这个系统的许多规律还没有被充分地了解和认识,但它的一切活动都是物质的运动,却再一次在科学上得到了证明和肯定。既然我们认为世界是可知的,那么人类为什么不能象认识其它客观事物一样实现对思维和智能的认识呢?为什么不能把思维和智能活动的结果按照它的条件再产生出来呢?  有一种看法认为,用这些物质过程来解释人的思维和智能活动,是把高级运动归结为低级运动,把生命运动归结为物理的或化学的运动,因而是一种倒退。这种看法是非常片面的。运动形式的高级与否,并不是由物质结构的层次来规定的。不同层次的运动,如原子的运动和分子的运动之间,并无高低之分。运动的高级或低级(简单或复杂)是按系统的有序程度的高级或低级来划分的。电子的、机械的、化学的或是其它的非生命的系统,只要它们承载着足够的信息,具有高度的有序性,就同样是一种复杂的高级运动形式。  诚然,恩格斯在上个世纪曾经说过:“终于有一天我们可以用实验的方法把思维‘归结’为脑子中的分子和化学的运动;但是难道这样一来就把思维的本质包括无遗了吗?”[7]在恩格斯生活的那个时代, 人类对大脑的认识几乎等于零,对分子和原子一级的生理过程闻所未闻,对控制论、信息论等科学更是一无所知。我们不应当忽略了这一点。恩格斯在当时能预见到对脑的研究有可能发展到微观层次,这已经是非常了不起的了。对一百多年以前的人,我们还能苛求些什么呢?  (三)  在人工智能目前的发展水平上讨论人工智能同人类智能的相互关系似乎还为时过早,但只要我们承认人工智能的自我进化,承认人类智能的非神秘性和可模拟性,这一问题终究是不可回避的。  就我们目前已有的宇宙知识来说,人类是最高级的智能系统。而且人类的智力随着每个个体人的不断学习和整个人类的不断进化,还会不断地提高和发展。这种发展事实上可以被看成是没有止境的。但是,这只是问题的一个方面。从另一方面来讲,我们又不得不承认地球上的人类,就宇宙的时空范畴讲仅是局部的、瞬时的现象,它不是宇宙发展的极限。大量事实已经表明,无论是一个个体的人还是一定时期内的整个人类,他的自然智力(即一个不使用任何工具的裸人所表现出的智力)是存在许多局限性的。自本世纪以来,人类的自然智力的这些局限性,已经使人类在大量信息的世界中手忙脚乱,力不从心。并且由于进化的本质是信息的增加。进化的程度越高,产生的信息量就越大,人类智能信息处理能力同等待处理的信息之间的矛盾将会更加尖锐,如果不能有效地缓解这一矛盾,后果是极其严重的。在这种历史背景下,在人工智能的当前发展水平上,人类同人工智能系统的关系只能是一种共存共荣,唇齿相依的关系。通过人工智能系统突破人的自然智力的局限性,达到对人脑的部分代替、延伸和加强的目的,使人能够去完成单靠人的智力无法完成的复杂任务。因此在某些方面,人工智能系统超过它的生物原型,这是理所当然的,也是人类所期望的。

  目前的人工智能系统当然是十分幼稚的,在处理意外事件和具有组合爆炸性质的问题方面的能力离实际要求差距甚远。美国在越南战争中依靠机器去决定国策和军事行动,就是滥用人工智能的一个声名狼藉的例子。因此,在目前和今后相当长的时间内,人类智能和人工智能作为智能运动的两个矛盾方面,将按照对立统一的原则构成人—机复合系统。在这一系统中,它们相互促进,共同解决在发展的过程中所遇到的困难。但人仍将是主要的矛盾方面。这种人—机复合智能,我国的一些学者把它称之为“大成智能”,意即集人类智能和人工智能之大成。[8]  如果在稍微遥远一些的将来,人工智能系统进化到了十分高级的阶段,按照《新华文摘》1994年第7期苟志效的一篇文章的说法, 由于智能科学和仿生学的发展,2030年就有可能出现劳动型的智能动物。这种说法有可能过于大胆了一些,但将来的人工智能系统不仅有与人类相当的智能和自我意识,甚至就连外部形态也足以乱真,真的以“人”的身份和面貌参与到人类社会之中则是完全可能的。到那时候,它们和人类之间的关系究竟会如何变化呢?具体的细节现在我们很难预料,甚至连设想也是很困难,因为这种关系的确定并非仅仅取决于人类,它同时也取决于人工智能系统。截至目前为止,科幻小说或电影中的机器人,许多都会作出背叛人类的举动。最典型的情节是:机器人由于受到自我意识和死亡等问题的困扰,为了延长已被人类设定的有限生命,而不惜一切代价向人类发动进攻。以至著名科普作家阿西莫夫在50多年前就提出“机器人三法则”来规范人类和机器人之间的关系。[9] 这些科幻作品和阿西莫夫的机器人法则也许不太严肃,但其思想背景是值得深思的。它们反映了人类的一种心态,隐含着对具有自我意识和独立人格的非人类智能系统的承认。我们不能否定这是现代人类对自身前途的一种看法,不能否定它们在一定的程度上反映了人类的某些深层的忧虑和困境,反映了人类对自身是“万物灵长”的信念的动摇。  (四)  现在,我们正站在21世纪的门槛上。在我们跨进新世纪的时候,特别需要仔细地审视我们已有的观念,哪怕它们看起来是如此的合情合理,令人赏心悦目。否则,在新的世纪到来的时候,观念和现实的冲突将有可能使我们自己将自己置于一个尴尬甚至是痛苦的境地。像人工智能这样直接涉及到人类在自然界中的地位的问题,更是尤其应当引起重视,我们不能背负着人类沙文主义的包袱跨进一个新的时代。即使将来有一天,人类智能在竞争中不幸失败,这对于一个彻底的唯物主义者来说又有什么关系呢?凡是现实的,都是合理的;凡是合理的东西,都注定要转化成现实,不管它现在看起来是多么的不可思议。

  100多年前, 赫胥黎在同威尔伯福斯特大主教进行的那场著名的人猴论战中说:一个人没有理由因为猴子做他的祖先而感到耻辱。同样,人类也没有理由因为有了另一种比他高级的智能系统而耿耿于怀,更没有理由因为自己的智能也同样受到自然规律的支配而寝食不安。人类的伟大,并不在于它的超自然性,也不在于它的不可愈越性,而在于它作为自然进化过程中的一个普遍环节,破开荒地有可能孕育出超过自己甚至取代自己的东西来。还有什么样的成就能比创造出比创造者还要完美的东西而更加崇高和伟大的呢?  注释:  [1]《列宁选集》第2卷,第41页。  [2]参见(美)卡尔·萨根《伊甸园的飞龙》。  [3]参见《计算机的发展仍深具潜力》,1995年2月15日《计算机世界报》。  [ 4] 参见《量子元件将导致一场电子技术革命》, 《新华文摘》1993年第7期。  [5]参见《自生软件系统的理论和方法》,1993年2月6 日《计算机世界报》。  [6]、[7]参见《科学智慧面临自我挑战》,《新华文摘》1994年第7期;《神经科学——生命科学的排头兵》,《新华文摘》1995年第3期。  [8]参见《我们正面临第五次产业革命》,1994年2月23日《光明日报》。  [9]参见《有意识的机器人》,《奥秘》1994年第9期。

作者介绍:王黔玲 四川联大〔成都科大社科系〕

人类的智能和人工智能

一、

1、研究人工智能,定位于一种像智能的东西进行研究,尽管它有些像智能,但是毕竟比智能差得多。智能的很多其他方面的问题它都不必考虑。因此它只能在这有点像智能的东西上有所收获,有所成功。

而模拟人类智能则不同,它必须考虑人类智能的一切情况,甚至要包括意识、情感、需要、个性心理对智能的影响,模拟出这些与智能密切相关的心理活动来。这样,模拟人类智能就会考虑到比人工智能多得多的问题,并且要解决这些问题。因此,从研究人工智能的路上绝对走不到模拟人类智能上来,从研究人类智能的路上也不可能回归到人工智能上去。它们在思路上具有强烈的“互斥性”。

2、人类智能与人工智能具有一定的内在联系。人工智能的本质是对人的思维的信息过程的模拟,是人的智能的物化。因此,人工智能可以模拟人脑的某些活动,取代人的部分脑力劳动,甚至在某些方面超过人脑的功能。其次,人工智能决不会成为人类智能,取代人的意识,人工智能和人类智能有着本质的差别:第一,人工智能不具备人的全部意识形式。人工智能属无意识的机械的物理过程,而人的意识活动却主要是生理的和心理的过程。第二,意识是社会的产物,意识活动要考虑社会后果。人工智能没有社会性。第三,意识具有主观能动性,人工智能不具有人的主观能动性。智能机器的自动性是受命于人的,是人的主观能动性的表现。人工智能的本质是对人的思维的信息过程的模拟,是人的智能的物化。它不能完全替代、全面超过人类思维,更不能控制、统治人类本身。意识是物质的产物,但又不是物质本身;意识是离不开物质的,但又不同于物质而具有精神的特征。意识是人脑的机能,是客观存在的主观映象。这是对意识本质的科学规定。意识的这一本质,体现了人对物质世界把握的能动性。

二、 人工智能的发展历程 人类的智能和人工智能

1、人工智能是指用人工的方法和技术,模仿、延伸和扩展人的智能,实现机器的智能化,人工情感指用人工的方法和技术,模仿、延伸和扩展人的情感,使机器具有识别、理解和表达情感的能力。从广义的角度来看,情感是一种特殊的认知,意志又是一种特殊的情感,广义的人工智能包括人工智能、人工情感与人工意志三个方面,因此人工情感的发展历程实际上就是广义的人工智能的发展历程。

2、一、算术运算阶段

1614年苏格兰人John Napier发表了一篇论文 ,其中提到他发明了一种可以进行四则运算和方根运算的精巧装置.

二、数学运算阶段

在以机械方式运行的计算器诞生百年之后,随着电子技术的突飞猛进,计算机开始了真正意义上的由机械向电子时代的过渡,电磁学、电工学、电子学不断取得重大进展,在元件、器件方面接连发明了真空二极管和真空三极管,电子器件逐渐演变成为计算机的主体,而机械部件则渐渐处于从属位置。

三、逻辑推理阶段

1950年图林发表了一篇划时代论文《计算机与智能》(后来改名为《机器能思维吗?》),引起了巨大的震动,他认为,与人脑的活动方式极为相似的机器是可以制造出来的。

四、专家系统阶段

费根鲍姆(E.Feigenbaum)在1977年第五届国际人工智能大会上提出了“知识工程”的概念,标志着AI研究从传统的以推理为中心,进入到以知识为中心的新阶段。

五、模式识别阶段

模式识别是近30年来得到迅速发展的人工智能分支学科。但是,对于什么是“模式”,或者什么是机器(也包括人)能够辨认的模式,迄今尚无确切的定义。

六、情感计算阶段

人们一直期盼着能拥有并使用更为人性化和智能化的计算机,只有这样,才能实现从人操作计算机转变为计算机辅助人,才能实现从人围着计算机转变为计算机围着人转,才能实现计算机由认知型转变为直觉型。“情感计算”研究就是试图创建一种能感知、识别和理解人的情感,并能针对人的情感做出智能、灵敏、友好反应的计算机系统。

八、人工情感的最终归宿

情感在人的思维活动中占据极为重要的地位,决定和制约着人的行为活动和其它思维活动的基本框架与总体方向,人工情感的全面实现,不仅可以使计算机具有友好的、人性化的人机界面,更重要的是能够使计算机具有更高的信息处理速度与效率,具有独立的决策能力和行为控制能力,具有创造性和开拓性的思维能力。

三、

1、智能控制 人工智能的应用领域

2、机器人学

3、语言

4、图像理解

5、遗传编程

名人的读书经验_凭借智慧战胜对手

龟兔赛跑是个讲了一遍又一遍的老故事,乌龟真的跑也不可能跑过兔子。寓言永远只是寓言,寓言的目的只是为了说明某个道理,而并不是说明真实、客观的事理。就好像守株待兔、刻舟求剑、削足适履这些故事一样,是虚构的,但故事却是有积极意义的。

从乌龟胜兔子中,人们可以总结出很多人生智慧,比如不要像兔子那样骄傲,要像乌龟那样有毅力等等。但或许很少有人想过这个问题:乌龟的胜利其实是智慧的胜利!

1984年,东京国际马拉松邀请赛中,名不见经传的日本选手山田本一出人意料地夺得了世界冠军。有人问他是如何取得如此惊人的成绩时,他说了这么一句话:凭智慧战胜对手。许多人都认为他在故弄玄虚。马拉松赛是体力和耐力的运动,只要身体素质好又有耐力就有望夺冠,爆发力和速度都还在其次,说用智慧取胜确实有点勉强。

两年后,意大利国际马拉松邀请赛在意大利北部城市米兰举行,山田本一又获得了世界冠军。有人又请他谈经验。山田本一回答的仍是上次那句话:用智慧战胜对手。大家对他的智慧很是不解。

后来,在他的自传中总算解开了这个智慧之迷:起初,我把我的目标定在40多公里外终点线的那面旗帜上,结果我跑到十几公里时就疲惫不堪了,我被前面那段遥远的路程给吓倒了。后来的每次比赛之前,我都要乘车把比赛的线路仔细地看一遍,并把沿途比较醒目的标志画下来,比如第一个标志是银行;第二个标志是一棵大树„„这样一直画到赛程的终点。比赛开始后,我就以百米的速度奋力地向第一个目标冲去;等到达第一个目标后,我又以同样的速度向第二个目标冲去。40多公里的赛程,就被我分解成这么几个小目标轻松地跑完了。

山田本一靠查看地形、分解目标、自我激励等巧妙地取得了最后的胜利,这不正是智慧的胜利吗?

在人生的旅途中,只要稍微具有一点山出本一的智慧,一生中也许会少许多懊悔和惋惜。因为聪明的竞争者总会在任何时间用上适当的智慧,从而取得胜利!

说到智慧、计策、谋略等名词,人们总会联想到历史上的管仲、陈平、张良、诸葛亮等等用智取胜的高人;而有关著名的空城计、苦肉计等许多用智取胜的方式,也在后人的生活与生意场中,用得层出不穷。

中国股神杨百万之所以为股神,就是学习了龟兔赛跑中的乌龟的智慧。他说:“人性有两个弱点:贪婪和恐惧。在股市上,一跌人们就恐惧;一涨人们就贪婪。我的原则就是保本就好,稳步前进,相信乌龟一定会跑过兔子,风险意识第一。每次大跌的时候我都能够逃离,就是因为我有这样的风险意识。要培养这样的风险意识,首先要认识自己,其次要认识社会环境。就像我自己,经过了这么多年的股票市场的磨炼和熏陶,所以别人都称我为股市常青树。”

虽然是有“股神”的美誉,但杨百万十分清醒:“我感到自从改革开放以来,我们赶上了这样一个千载难逢的好机会。但是我更喜欢把自己放在天平上称一称。无大学文凭,没有专业特长,也没有发明专利,能走到今天这一步,我认为已经将自己的能力发挥到了极致。改革开放给了我机会,让我的生活发生改变,只要抑制贪婪,我就可以抓住这个机会。如果年轻一点,或者有更高的文化水平和专业特长,那可能会选择更多的投资渠道,把握更多的投资

机会。但是看清自己后,我不会盲目行事。生活中很多的例子证明,欲速则不达。假如史玉柱不去做房地产,而是专心做好保健品,那么他一定会比现在好得多。还有很多人跌得更惨,很难再有机会爬起来,比如牟其中。”

杨百万的言谈虽然朴素,但充满了睿智与哲学味道,也许是他的人生智慧引导着投资哲学;也许是因为投资而参悟了人生;也许是两者相互影响、相互渗透。

古人云:足智多谋者昌,少智寡谋者亡。在竞争日益激烈的社会,生意场就是战场,竞争就是战争。上兵代谋、先谋后战,是成熟的商人之高招。商战竞争智慧先行,经营者要想获得最后的胜利,就必须注重商战谋略。成事在谋,谋事在人,是否能因地制宜、因时制宜地制订经营谋略,其关键就在人。

在复杂变化的市场中,愚笨的经营者看到的只是经营中的困难和阻力;而智慧的经营者则能透过困难和阻力看到成功的机会,并用智谋克服困难,把握机会取得成功。

生意人没事读读《战国策》、《左传》、《史记》这些书,将观念变成现代化的,将古人的智慧变成自己的智慧,灵活运用谋略,那么一些看似不可达到的事,自然就迎刃而解!善于“运筹于帷幄之中,决胜于千里之外”的人,万事也自会如龟面对跑步高手的兔子时,胸有成竹,在商战中屡屡获胜、一路凯歌。

强者胜人,智者胜己

强者胜人,智者胜己

人,最了解自己的是自己,最不了解自己的也是自己。世界上做的最 最了解自己的是自己,最不了解自己的也是自己。 久且最可靠的朋友就是你自己, 而最被人忽视又最无法躲避的朋友还 久且最可靠的朋友就是你自己, 是你自己。这样说来,最悲苦的孤独不是身边没有知己, 是你自己。这样说来,最悲苦的孤独不是身边没有知己,而是心中遗 弃了自己,同样,我们最需要的帮助也不是来自别人的关怀, 弃了自己,同样,我们最需要的帮助也不是来自别人的关怀,恰恰正 是实在而顽强地自助。 连自己都不肯接纳自己, 便无法需求这个世界 是实在而顽强地自助。 连自己都不肯接纳自己, 给你一个位置,连自己都不敢正视自己,便无法到红尘中寻找理解。 给你一个位置,连自己都不敢正视自己,便无法到红尘中寻找理解。 其实,你是自己人生历史的作者,更是自己的读者, 其实,你是自己人生历史的作者,更是自己的读者,你是自己社会 角色的演员,更是自己的观众,也许你做读者的境界深些, 角色的演员,更是自己的观众,也许你做读者的境界深些,你的历史 才会更有档次 也许你做观众的水准高些,你的角色才会更见功力, 才会更有档次,也许你做观众的水准高些,你的角色才会更见功力, 而我们有时常常不在意这些, 于是我们学会了自我标榜, 而很不乐意 而我们有时常常不在意这些, 于是我们学会了自我标榜, 自我批判, 自我批判, 学会了自我掩饰而很难主动自我曝光。 学会了自我掩饰而很难主动自我曝光。 最大的欺骗是自我 欺骗,而自我欺骗最大的受害者正是想逃避受害的自己。 欺骗,而自我欺骗最大的受害者正是想逃避受害的自己。 为什么不给自己一点信任, 搞明白自己到底一顿吃几两干饭, 一天 为什么不给自己一点信任, 搞明白自己到底一顿吃几两干饭, 能赶多少里路, 究竟手下能操持什么活计?和自己坐个对面, 不妨把 能赶多少里路, 究竟手下能操持什么活计?和自己坐个对面, 自己当个陌生人, 冷眼看看自己的梦想是不是妄想, 不带偏见地听听 自己当个陌生人, 冷眼看看自己的梦想是不是妄想, 自己的誓言是不是谎言,甚至还可能站起来和自己掰掰腕子较较劲, 自己的誓言是不是谎言,甚至还可能站起来和自己掰掰腕子较较劲, 感觉感觉自己的把式是不是把戏。 特别是你更要闭上只想炫耀自己推 感觉感觉自己的把式是不是把戏。 特别是你更要闭上只想炫耀自己推 销自己的嘴巴,静静的有耐心地倾听一下,作为反方辩手的自己, 销自己的嘴巴,静静的有耐心地

倾听一下,作为反方辩手的自己,不 中听又不无道理不好接受又不难理解, 中听又不无道理不好接受又不难理解,不想去做又不做不行的慷慨陈 辞。

当然这个时候你是享有最终裁判权和最后决定权, 只是你不要独断 当然这个时候你是享有最终裁判权和最后决定权, 地排斥更不要武断的拒绝, 地排斥更不要武断的拒绝, 你对自己也要民主。 你对自己也要民主。 不能站在对面换个角 度推敲自己反驳自己,那他永远无法完善自己。和自己坐个对面, 度推敲自己反驳自己,那他永远无法完善自己。和自己坐个对面,不 是为了否定自己,而是为了防止片面从而寻求到真谛共同否定谬误, 是为了否定自己,而是为了防止片面从而寻求到真谛共同否定谬误, 和自己坐个对面, 也不是为了泄自己的气, 而是为了平抑偏激从而领 和自己坐个对面, 也不是为了泄自己的气, 略到理智,一起鼓荡清醒的志气。 略到理智,一起鼓荡清醒的志气。 自己本身不是敌人, 自己本身不是敌人, 自己身上的错误、 自己身上的错误、 虚伪和偏见却是你做人的大 虚伪和偏见却是你做人的大 对于大敌的熟视无睹和视而不见, 终将为自己埋下了悲剧的种子 敌, 对于大敌的熟视无睹和视而不见, 和失败的隐患。更多的时候,自己是你假想的对手, 和失败的隐患。更多的时候,自己是你假想的对手,多和自己较量几 个回合,才会有准备去和别人较量,有时可怕的不是被别人击败, 个回合,才会有准备去和别人较量,有时可怕的不是被别人击败,而 是明知自己实力不足技术欠缺又不去与自己试练, 做些调整和改进状 是明知自己实力不足技术欠缺又不去与自己试练, 态已无力改变而一败涂地。 态已无力改变而一败涂地。 和自己坐个对面, 尤其是在自己得意的时候和平安无事的时候, 这 和自己坐个对面, 尤其是在自己得意的时候和平安无事的时候, 样你才保持了赢家的姿态, 你才不愧为自己心灵最忠实的朋友。 认识 样你才保持了赢家的姿态, 你才不愧为自己心灵最忠实的朋友。 自己中认识一切,一切认识中认识自己,而后自己认识自己。 自己中认识一切,一切认识中认识自己,而后自己认识自己。

人工智能与棋类

从“算”到“学”,人工智能的进化

1997年,IBM的“深蓝”战胜了卡斯帕罗夫(全名加里·基莫维奇·卡斯帕罗夫(ГарриКимовичКаспаров),俄罗斯国际象棋棋手,6岁开始下棋,13岁获得全苏青年赛冠军,15岁成为国际大师,16岁获世界青年赛第一名,17岁晋升国际特级大师,在22岁时成为世界上最年轻的国际象棋冠军,是第十三位国际象棋世界冠军)。在“深蓝”设计者许峰雄看来,“深蓝”主要依靠强大的计算能力穷举所有路数来选择最佳策略:“深蓝”靠硬算可以预判12步,卡斯帕罗夫可以预判10

步。

2006年,超级计算机浪潮天梭与中国象棋特级大师许银川的较量最终以平局收场,然而许银川在赛后感慨道:“整个比赛感觉很吃力,因为电脑一步可以算16个变化,而我只能凭借经验和理解与它对抗。而跟我下棋的对手不是真人,这让我感觉很寂寞,我想我还是习惯和有表情交流的真人对弈。” 凭借超越特级大师对后续变化的计算能力,人工智能在此前的多场棋类人机大战中占据上风。但在围棋,人工智能始终无法战胜人类高手。为什么?

要想在围棋上战胜人类顶尖棋手,必须先要让电脑学会像人一样

思考。为此,谷歌为AlphaGo设计了两个神经网络:“决策网络”(policy network)负责选择下一步走法, “值网络”(value network)则预测比赛胜利方,用人类围棋高手的三千万步围棋走法训练神经网络。与此同时,AlphaGo也自行研究新战略,在它的神经网络之间运行了数千局围棋,利用反复试验调整连接点,完成了大量研究工作。

而这种超强的学习能力,正是AlphaGo

在战胜职业二段樊麾5个月之后,就可以挑战人类顶尖棋手并“战而胜之”的关键所在。 如果说20年前的超级计算机还在依靠穷举这种有些粗暴的手段才能战胜人类,那么今天AlphaGo在与职业棋手的两场对弈中,所表现出来智慧和超强学习能力则更加让人惊叹。

深度学习,人工智能的未来

AlphaGo的连续胜利让人更加确信,深度学习确实是当下最有希

望实现人工智能的技术。 深度学习的概念源于人工神经网络的研究,其动机在于建立、模拟人脑进行分析学习的神经网络,让机器能够像人一样思考。

从本质上来说,深度学习是一项“大数据工程”,需要通过建立有效的学习模型,让机器从数以百万计的图像、声音和文本数据中,自行总结出某种特定事物的特征,从而实现自主学习。因此,实现机器像人一样思考的一个关键前提是,需要有计算速度可以媲美人脑的高性能计算集群,来快速完成海量数据的“学习”。据说,AlphaGo的“单机版”性能至少是当年“深蓝”的1000倍。

2045人工智能与人脑之战?

  人工智能、机器人、纳米材料、合成生物等科学技术,将使人类在未来20年内获得远远大于以往200年之所得。那么,拜科技发展所赐,人类的体验在30年后会达到怎样的新高度?

  日前,全球“最聪明的大脑”荟萃北京,试图用顶尖的头脑风暴告诉我们:若能弄明白“远虑”,“近忧”自会迎刃而解。
  在一批中外知名科学家、科技领袖齐聚的北京“未来论坛”,本刊记者体验了一场杰出的智力盛宴。科学家们纵论时空,描绘未来。
  2045年,人工智能PK人脑,将如何展开?
  奇点临近
  美国未来学家、谷歌公司工程主管雷・库兹韦尔(Ray Kurzweil)在他《奇点临近》一书中预言:2045年,奇点来临,人工智能完全超越人类智能,当这个临界点到来的时候,旧的社会模式将一去不复返,新的规则开始主宰世界,人类历史将彻底改变。
  在未来论坛的主旨演讲中,库兹韦尔指出,通过对大脑进行加速设计,可以大幅度提高智慧和能力。但他认为不应该把人和机器对立。他预测:“5~10年之后,可能每一个人都会利用人工智能,人工智能和人类社会实现很好的整合,将使我们变得更加强大。”
  “我们现在已经有了生命的编码,可十年前并不完全了解编码是怎么运作的,这十年间我们已取得了很大进步。我们已经可以改变基因编码,能够关掉一些基因,增加新的基因。”
  库兹韦尔说,他们能够编成干细胞,生长新的器官。“比如一个小女孩的气管有问题,可以使用非切入性扫描,先扫描她的喉咙,利用计算机辅助设计,用生物可降解材料3D打印出气管,和她的干细胞结合,从而生长出新的气管。”
  “把生物技术作为一种信息技术来看待。我们正在开展化疗手法杀死癌细胞的实验。众所周知,放疗和化疗会杀死癌细胞,但是不会杀死癌症的干细胞。所以只要我们识别出了这些干细胞,就能够彻底杀死癌细胞。”
  “纳米科技,能够为你身体中添加纳米机器人,使你身体更加强壮。”
  其实,关于纳米机器人,科学家已成功开发出可以精准投送药物的纳米机器人。试验中,研究人员成功地让只有20微米长的机器人进入一只活着的小鼠体内,并通过机器人将一些纳米粒子投送到小鼠的胃部。纳米机器人由高分子材料制成,外层镀上锌,当它进入动物的胃部时,锌就会与胃酸发生反应,产生氢气泡,从而推动机器人在胃部前行。机器人在完成任务后会不留痕迹地自动毁灭。
  据悉,这项技术适合用来治疗胃溃疡等胃部疾病,通过高效的药物投送,可降低药物使用量,减轻副作用,加速疾病痊愈。不过,这项技术离真正的临床应用还有一段距离。
  百度公司首席科学家吴恩达认为,如果我们能够远离对人工智能的炒作(如电影里描述的机器人与人类的对立),其发展会比较健康。“人工智能创造的挑战并不是机器会掌控世界,而是让其替代繁杂的劳动。”
  AI还是“伪智能”
  但北京生命科研究所资深研究员饶毅不赞成所谓“未来学家”的说法,他开玩笑地戏称人工智能(AI)为“伪智能”。在他看来,“未来学家都是伪科学家”。
  “人脑是已知世界最奇妙的物体,我们了解得太少,研究人工智能不表明你真正懂得大脑。”他提到,现在关于人脑的很多信息都是不准确甚至错误的,如“普通人的大脑只开发利用了10%”等观点。
  饶毅对AI不以为然,“我们连动物大脑都还没搞清楚,AI达不到动物大脑的标准,更不要说人脑”。但他还是很期待继续看到人脑和计算机、互联网的合作。
  库兹韦尔在随后的讨论中回应饶毅:“我们并不是要详细模拟大脑,大家都不知道如何模拟大脑工作。但在我们真正建造出人工大脑前,先要了解大脑是如何工作的。”
  美国通用人工智能会议主席本・格策尔(Ben Goertzel)也认为,“(AI和人脑)彼此之间不是一个比另外一个更好的问题,而是我们需要和这些不同的人工智能共存。”
  英国《卫报》不久前发表了著名天体物理学家斯蒂芬・霍金的署名文章。这篇文章称,霍金认为技术终将产生自我意识并取代人类,因为技术的发展速度要快于生物的进化速度。
  霍金说:“我们已经掌握的处于初期形式的人工智能被证明非常有用。但我认为,当人工智能发展完善后,可能会导致人类的灭亡。”
  英特尔公司首席工程师拉马・纳赫曼近日给霍金试用该公司研发的软件。“以前打开一份文件需要三四分钟,而这套新系统使用一个特殊的符号,只需要10秒左右。”
  这款软件采用了组件化设计方式,通过触摸、眨眼、动眉毛或其他细微动作来操作。这就意味着可以对软件进行量身打造以满足用户具体需求。
  同霍金一样,全世界约有300万人罹患运动神经元病和四肢瘫痪。纳赫曼表示:“这款软件能够为多得多的残疾人提供帮助。为了实现这一目标,我们决定开放软件的源代码,从2015年1月开始免费提供。”
  无法用已知了解未知
  如何用有限已知手段、有限的方法,去探索未知的世界,包括时空?
  “我们现在了解的世界不是客观的。你用眼睛能看到的东西,能感受到的能量存在形式加在一起,只不过是我们这个宇宙空间4%的存在形式,也就是说96%你既看不到也感觉不到,但都是客观存在。”清华大学生命科学学院院长施一公说,“没有时间概念,宇宙中从来不存在时间,时间就是运动。”
  知识碰撞,火花四溅。
  未来论坛咨询委员会代表衣锡群说:“我们提出的问题多于答案。变化越来越快,我们用原来的工具、认知方式、基础逻辑,已经很难辨识。未来通过什么途径影响着我们现在,对即将到来的境界和场景我们是否做好足够的准备。”
  未来论坛创始理事首任主席、金沙江创投董事总经理丁健说,有种说法是“思想的边界就是语言的边界”,那么我们试问,“如果攻克了自然语言处理这一最难关,人工智能是否还有下个难关?”
  库兹韦尔回答――没有了。
  丁健回忆了不久前他同物理学家杨振宁的对话。在杨振宁的生日会上,丁健问:“你是华人中最聪明的人之一,你今年90岁,和40岁时候相比,怎么看待科学与宗教的关系。”
  杨振宁说,40岁时认为科学无所不能,人类无所不能,“给我时间我什么都能知道”;但是到了90岁,发现或许我们人脑,我们的基因,我们的智慧,可能对于这个宇宙来说是不够的,有些东西是永远不知道的,“这一点上和宗教某些观点有殊途同归之处”。
  北京八中11岁的蔡佳济小朋友问库兹韦尔:“您向我们展示了一个让我们感到非常惊讶的未来和世界,这样的未来是好的,还是不好的?”
  “一些人会辩论,活得更久是否是好的?当人们生病他们会痛苦,如果我们能治疗他们的疾病这当然是好的。我看到已经出现了这样的趋势。”库兹韦尔回答。

人类思维与人工智能

人类思维与人工智能

班级:08艺设 姓名:张苓苓 学号:2008041377 摘要:人工智能就其本质而言,是对人的思维的信息过程的模拟。对于人的思维模拟可以从两条道路进行,一是结构模拟,仿照人脑的结构机制,制造出“类人脑”的机器;二是功能模拟,暂时撇开人脑的内部结构,而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟,是对人脑思维的信息过程的模拟。人工智能不是人的智能,更不会超过人的智能。 关键词:人工智能 人类思维 发展

20世纪40年代以来,随着现代控制论、信息论和思维科学的发展,出现了运用机械和电子的装量模拟人工脑思维活动的电脑,即电子计算机或人工智能。几十年来,人工智能迅速发展,已经更换了四代,即电子管计算机、半导体计算机、集成电路计算机和超大规模集成电路计算机。目前,正处于第二次计算机革命和第五代计算机的历史转折时期。

人工智能的诞生发展,有着极其重要的哲学意义。这主要表现在两个方面:第一、人工智能及其发展有力地证明了辩证唯物主义的正确性。一方面,它打破了精神活动的神秘性,人脑思维活动之所以可以模拟,就在于它有其一定的物理机制和运动规律,证实了意识来源于物质的唯物主义原理;另一方面,人工智能及其发展进一步丰富了意识能动性原理。第二、人工智能强化了思维形式、思维功能过程在意识活动中的作用,提出了哲学和科学研究的新方向、新问题,如思维形式的相对独立性及其与思维内容的复杂关系、智能机与人类的关系等。

在人工智能的研究中,伴随着思维模拟的巨大成就,出现了所谓的乐观派和悲观派。二者的错误是一致的:看不到人工智能与人类智能,“机器思维”与人类思维的本质区别:

首先,人工智能只是对人的部分意识活动、思维活动的模拟。通常人工智能模拟人脑的思维过程可分为五个相应的部分:用机器的输入器模拟人的眼、耳、鼻、舌、皮肤等感官、接受外界的信息;用机器的存储器模拟人脑对信息的记忆功能,把已接收的信息积累起来,以供随时使用;用机器的运算机模拟人脑对信息加工、分析、处理的过程;用机器的控制器模拟人脑的调节、指挥作用,以调节各方面信息,指挥各项指令正常进行;用机器的输出模拟人的效应器官,用以输出信息。但由于人脑的极端复杂性,人工智能智能模拟人脑的部分功能。其次,人工智能没有社会性。人类意识是社会的产物,具有社会性。人在行动时要考虑

到由此引起的这样或那样的效果,人工智能只执行特定的指令,并不探求任务本身的社会意义,不会考虑到社会后果。再次,人工智能不具有人类思维的心理素质。人类意识是物质世界长期发展的产物,是人类在生理基础上的心理过程,是由人类的情感、直觉、想象、猜测等心理活动所构成的精神世界。机器思维是人们利用电子管、晶体管、集成电路等电气元件和线路所组成的机械的、物理的装置,并用软件方法等模拟人的思维活动,机器思维不是人类的精神活动,而是纯属无意识的机械的物理的过程。 一、人工智能的本质 人工智能是相对于人的智能而言的。正是由于意识是一种特殊的物质运动形式,所以根据控制论理论,运用功能模拟的方法,制造电脑模拟人脑的部分功能,把人的部分智能活动机械化,叫人工智能。人工智能的本质是对人思维的信息过程的模拟,是人的智能的物化。尽管人工智能可以模拟人脑的某些活动,甚至在某些方面超过人脑的功能,但人工智能不会成为人类智能而取代人的意识。

二、人类思维

意识是人脑的机能,但人类意识一经产生,其发展并不或并不完全依赖于人脑的自然进化。事实上,人类在探索和认识自身意识活动的本质和特性的基础上,已经通过人工的手段大大地拓展了意识活动的领域、延伸和放大了自身的意识结构。这突出地表现在人工智能的产生和发展上。

人工智能就其本质而言,是对人的思维的信息过程的模拟,即结构模拟与功能模拟。这种模拟反过来对人的意识结构产生了重要的影响,形成了人——机互补的新的放大的意识结构。可以说,人工智能机就是人脑的扩大。人工智能不仅能帮助人完成一部分意识活动,而且在某些方面还大大地优越于人脑,如快速准确的计算能力、超大海量的记忆能力等。同时,人工智能机还能代替人完成许多操作性工作,特别是在人无法直接到达的宇宙、深海、高温有毒等环境条件下代替人进行某些探测活动。如果说电脑作为对人脑的模拟离不开人脑,那么今天人脑在很大程度上也依赖于电脑。因此,人工智能的发展已形成了人——机互补系统,大大地扩展了人的意识结构。

三、人工智能与人类思维的本质区别

人工智能是思维模拟,并非人的思维本身,决不能把“机器思维”和人脑思维等同起来,认为它可以超过人脑思维是没有根据的。(1)人工智能是无意识的机械的、物理的过程。人的智能主要是生理的和心理的过程。

(2)人工智能没有社会性。人类智慧具有社会性。

(3)人工智能没有人类意识特有的能动性和创造能力。人类思维则主动提出新的问题,进行发明创造。

(4)电脑可以代替甚至超过人类的部分思维能力,但它同人脑相比,局部超出,整体不及。智能机器是人类意识的物化,它的产生和发展,既依赖于人类科学技术的发展水平,又必须以人类意识对于自身的认识为前提。因此,从总体上说;人工智能不能超过人类智慧的界限。关于电脑能够思维,甚至会超过人的思维,电脑、机器人将来统治人类的观点是完全没有根据的。

四、人工智能产生和发展的哲学意义

(1)人工智能的产生和发展,有力地证明了意识是人脑的机能、物质的属性,证明马克思主义关于意识本质的观点的正确性。

(2)人工智能的产生和发展深化了我们对意识相对独立性和能动性的认识。机器思维即人工智能表明,思维形式在思维活动中对于思维内容具有相对独立性,它可从人脑中分化出来,物化为机械的、物理的运动形式,部分地代替人的思维活动。

(3)随着科学技术的发展,人工智能将向更高水平发展,反过来推动科学技术、生产力和人类智慧向更高水平发展,对人类社会进步将起着巨大的推动作用。

结论:人工智能没有人类意识所特有的能动创造性。人脑的思维活动是一种能动的创造性活动,它能不断地提出新问题,发现新事物,并通过实践创造出属于人的新世界。人工智能只能按照人事先为它设计好的程序来运行,机械的模拟人的意识活动,却毫不理解这一活动,更不会提出新的问题来。

总之,人工智能可以代替甚至超过人脑的部分思维能力。但是,人工智能绝不会取代、超越人的意识。人类意识与人工智能有着本质的区别,二者是创造与被创造、支配与被支配、操纵与被操纵的关系。

参考文献:《人工智能的研究和应用》——翁继东

《人工智能:进展与挑战》——钟义信

作者:中国免费论文资料网 来源:中国免费论文资料网

人工智能会不会威胁人类?

  当我们谈论人工智能时,一定不能避开两个时间节点,一个是1997年5月,另一个则是2016年3月。1997年5月,俄罗斯棋王、国际象棋世界冠军卡斯帕罗夫在与IBM公司的深蓝计算机第6次交手时,誓要捍卫人类尊严的卡斯帕罗夫在仅走了19步棋的情况下就眉头紧锁,向深蓝“拱手”称臣。当时人们还会说,幸好还有围棋。他们说,围棋是“人类智慧最后一块高地”。2016年3月,一场举世瞩目的“人机围棋大战”开战,谷歌旗下的人工智能软件“阿尔法围棋”挑战世界围棋冠军李世石,最终李世石以1∶4告负。人工智能技术的发展在给人类带来憧憬的同时,也带来了一些抹不去的担忧。如果机器变得和人一样甚至比人还要聪明,那么人类是否会受到威胁?

  英国科学协会展开的一项调查显示,在2000名被调查者中,三分之一的人相信人工智能将在下世纪给人类带来严重威胁,超过60%的受调查者认为机器人将在未来10年抢夺人类的工作。四分之一的受调查者则预计,在20年内机器人将成为人们日常生活中的一部分。就好似任何一种新生事物的出现都会有支持派、反对派和观望派一样,目前人们对于人工智能的看法也分出了“支持”“不支持”和“看不明白”几大阵营。
  许多科学家担忧:
  人工智能是人类生存的最大威胁
  事实上,许多科学家对人工智能表示担忧。著名物理学家霍金曾与多位科技界名人发表联署公开信,表示人工智能对于人类的威胁更甚于核武器。他认为:“对完全人工智能的发展可能会招致人类历史的终结。”他警告称人类正面临来自智能技术的威胁,随着技术体自身开始学会自我思考,并学会适应环境,我们人类将面对不确定的未来。他表示:“成功制造出一台人工智能机器人将是人类历史上的里程碑。但不幸的是,它也可能会成为我们历史上最后的一个里程碑,除非我们能学会如何去规避这种风险。短期来看,人工智能产生何种影响取决于谁在控制它;而长期来看,这种影响将取决于我们还能否控制它。”
  霍金并不是唯一一个对人工智能表示担忧的人。特斯拉汽车的首席执行官马斯克的看法更加引人注目,他用个人推特账号发布警示,称人工智能是人类遇到的最严重的“生存风险”。既然人类可以进化出文明,人工智能为什么不可以建立自己的文明?既然机器有了自己的意识和思维,那它是否会拥有自主意识,就如同“奴隶”意识到自己是“人类”。在人类不长的历史中,确实存在过长达千年的“奴隶社会”时代,那时候的“奴隶”根本没有人的权利,只能被称为“会说话”的工具。英国数学家欧文・约翰・古德把超智能机器的发展形容为“人类需要做的最后一项发明”,因为在超智能机器出现后,人类会把创新与技术研发的工作让给超智能机器这位更为智慧的继任者。
  机器人会伤害人吗?
  1950年,阿西莫夫提出了著名的《机器人学三大法则》:
  第一法则:机器人不得伤害人类,或坐视人类受到伤害;
  第二法则:除非违背第一法则,机器人必须服从人类的命令;
  第三法则:在不违背第一及第二法则下,机器人必须保护自己。
  在阿西莫夫创作一系列机器人短篇科幻小说并提出“机器人学三大法则”时,世界上还没有机器人。而随着人类社会的发展,人工智能与人类的关系发展也将产生阶段性的变化,我们可以先暂且简单分为如下阶段:
  第一阶段:机器人还没有自我认知,只是服从人类编写的程序。
  第二阶段:机器人知道自己是机器人,并可以自我学习,但还未超越人类。
  第三阶段:机器人可以自主升级迭代,全面超越人类。
  无论在哪一个阶段,阿西莫夫的“机器人学三大法则”都充满了“种族歧视”。
  规定机器人不可伤害人类,难道人类就可以随意伤害机器人吗?机器人在阿西莫夫的科幻小说中,因为三大法则的制约,被描述成为人类的忠仆与朋友。但如果真按这套法则去执行,估计到了第三阶段,机器人就会完全被人类教坏。当机器人自主升级迭代时,他们大概也会思考人类有无存在的必要性。
  链接2
  人类能够控制机器人的善恶吗?
  显然,在目前的科技及计算机领域,我们已经看到了部分类似人工智能的应用形式,可以模仿人类的大脑来思考,达到某种目的。但真正像科幻电影中具备自主思考能力、学习能力甚至是情感的人工智能什么时候会出现,暂时还很难说。但可以肯定的是,人类是一种擅于不断挑战极限的生物,从整个人类的发展史来看,我们已经创造了太多奇迹,如果有一天人工智能真的出现,也不足为奇。首先,它们正变得越来越聪明和强大;其次,目前很难通过编程或设计来保证它们的无害性。那么,人们真的无法设计出一个友善的人工智能程序吗?科学家表示这是极为复杂和不确定的,因为人工智能会模仿人类思考方式,人性本身便是复杂的,可善可恶,我们无法来制定一个不变的标准。
  人工智能将使人类丧失斗志?
  还有一些科学家认为,人工智能最大的威胁不是毁灭人类,而是将取代人类。李开复认为:大部分人类工作可被机器取代。他表示,虽然机器在逻辑分析推算方面的能力会远超人类,但是依然是属于人类操控的工具。“阿尔法围棋”这类的“人工智能”机器真正可能带来的危机,不是奴役人类,而是让人类丧失斗志,无所事事。“阿尔法围棋”是一个能深度学习的机器人,经过专家的调节,它能在任何可以纯凭逻辑分析推算的问题上,把人类远远地抛在后面。基于深度学习的人工智能将带来什么改变呢?我们将看到无数的商机和产品,能够解决问题、拯救生命、产生巨大的商业和用户价值。这些技术可能辅助专家,也可能取代专家。很多非专家的工作者将面临失业。未来十年,大部分今天的人类工作可被机器取代。人类最应该担心的是:一旦当机器供养着人类,人类达到了马斯洛需求的基本需求,人类真的还会有动力去追求更宏伟的目标?还是醉生梦死、无所事事?人工智能让人类越来越缺乏思考,而其自身则有可能越来越聪明,从而威胁到人类的生存。   乐观派科学家认为:人工智能将为人类服务
  在支持者看来,人工智能的发展并不会给人类带来威胁,而之所以会引发恐慌则是因为人们对于人工智能的工作原理并不了解。从科技发展史上看,并没有因为汽车和轮船的出现而使田径、游泳这些体育项目消失。他们坚信,人工智能的未来是要给人类带来更加高效、便利的生活。就在“人机围棋大战”的前一天,谷歌董事长施密特在发布会上表示,这场比赛李世石无论输赢都代表着人类的胜利,因为是人类的努力才让人工智能取得了这样的突破。谷歌不只是想做一个棋类程序,而是希望打造一个通用的智能计算系统,用于灾害预测、风险控制、医疗健康和机器人等复杂领域。英国著名人工智能科学家、智能机器人Cleverbot的发明者罗洛・卡朋特表示,他相信人类在相当长一段时间内将保持对人工智能技术的掌控,而且未来将实现利用人工智能技术解决众多世界性难题。
  前人工智能发展尚处在早期阶段
  当然,我们现在谈论“人机大融合”可能还为时尚早,人工智能的发展目前仍处于早期阶段。既然现在机器的计算能力已经完胜人类,学习模式也在逼近,为什么还说人工智能处在发展早期?主要原因或者说难点有三:
  第一,机器在信息输入端还望尘莫及。人类的感官对世界的感知是目前机器最为缺失的。比如人有视觉、听觉、嗅觉、触觉、味觉,这些人类大脑的“输入设备”是经过几亿年的进化而来,极其精良。以最容易数字化的视觉为例,目前为止还没有电子设备在生活场景中可以赶上人类的眼睛对信息的快速捕捉。更别说人类还有同情心和好奇心,同情心是对他人情感的感知和共鸣,好奇心是对陌生信息的获取、处理、存储的动力。机器对这些信息的捕捉能力还有待发展。
  第二,机器在输出端同样捉襟见肘。机器人要如何赶上人类的身体构造呢?“阿尔法围棋”仍然需要一个替身去代它和李世石下棋,而不能自己去潇洒地持子。人类一个看似简单的动作,机器模仿起来都很困难,更别说去满足机器人保姆之类的工作需求。
  第三,人类大脑的复杂性恐难企及。人类的大脑神经元是一种生物化学构造的树状结构,对信息的存储、检索、缓存和分析的效率极高。计算机要想全面赶上,可能在硬件结构和算法设计上还需要一些突破。
  新知识的产生往往需要站在前人的肩膀上。在互联网时代,人类信息和知识获取的成本在不断降低,这极大地促进了新知识的产生,继而整个人类科学的发展应该是在不断加速的,你看,原本想也不敢想的自动驾驶现在也近在眼前。随着技术的不断突破,未来十年一定会是人工智能的黄金十年。
  【责任编辑】蒲 晖
  链接1
  机器人下棋为何会战胜人类?
  有些人描述“阿尔法围棋”是“和人一样的方式思考,但是比人快无数倍”。这么说并不精确。“阿尔法围棋”确实比人快无数倍,但是“阿尔法围棋”的思考只能说是“被人的大脑启发”,而并非和人类一样思考。机器运算速度会越来越快,学习能力会越来越强,数据会越来越多。谷歌的“阿尔法围棋”之所以能战胜职业棋手,借助的是模仿人类大脑的神经回路、被称为“深度学习”的最尖端人工智能技术。谷歌采用这项技术,在2015年推出了一边玩电子游戏一边找出新战术的人工智能“DQN”,创造了超过人类的高分,展现了人工智能在深度学习领域的实力。以“阿尔法围棋”为例,首先输入协助开发的职业棋手的3000万种围棋下法让其学习,达到能够以57%的概率预测与其对阵的人类行动的水平。在此基础上,人工智能将自己的对战重温数百万次,在不断积累胜负经验的过程中,掌握取胜方式。它在观察围棋棋子的整体布局的基础上选择最佳下法,这一方式接近于带着直觉和第六感做出判断的人类大脑的功能。
  链接3
  哪些工作会被人工智能代替?
  随着人工智能的发展,机器确实可以通过深度学习来代替人类做越来越多的工作。根据一项报告,到2025年,约有25%的工作将被人工智能或是机器人所取代。具体而言,内外科医生、编舞、教师、作家、律师、人力资源经理、科学家、工程师和记者属于比较安全的、不容易被替代的职业;司机、技工、建筑工人、裁缝、快递员、抄表员、收银员、保安和洗碗工则属于比较危险的、有可能被替代的职业。
  链接4
  人类将与机器融合
  科学家预言,未来很有可能在人脑中加入人工智能成分,以此来增强它的性能,如更高的记忆、更快的计算速度等,甚至有可能通过基因工程技术来改变人类的DNA,并且以此来改变人类的外表和行为。人类可能会拥有可以生长、繁殖、分化、可移动、自我装配、自我测试、自我修复等的人工细胞,生物学和技术将融合在一起。美国作家雷蒙德・科兹威尔曾提出观点:2045年,人类将会通过与计算机结合而获得“永生”,计算机智能将取代人脑,永久改变人类的命运。届时,人类和计算机智能将无法区分,人类也将不再是人类,而是“与机器融合成为另一种物种”――听起来这有点像科幻小说中的情节,但是越来越多的人开始认真假想这种可能性。

人工智能会取代人类吗

人工智能会取代人类吗?

科技的进步给人们的生活带来极大的方便,科学技术的不断发展必将使人类的未来更加美好。现如今人们的生活中人工智能的出现就是一个很好的例子,但是最近的科技论坛中却在辩论着这样一个问题:人工智能会取代人类吗?

人工智能作为计算机科学的一个分支并不神秘,现代科学技术对其应用早已充斥人们的日常生活。例如,2011年应用于医疗领域的沃森已收录了肿瘤学研究领域的42种医学期刊、60多万条医疗证据、150万份患者记录和200万页文本资料,只需几秒钟就能为医生提供对应的治疗方案。2014年微软code大会上,skypetranslator通过识别不同用户的口音和说话方式,实现两个不同语种之间的无障碍交流。2015年腾讯dreamwriter机器人发布的8月CPI资料新闻从抓取资料到撰稿发布仅耗时1分钟。人工智能已经将触手伸向了各个领域,代替人类完成各种工作,业内人士预测,现今50%的职业会在2025年消失。牛津大学研究人员还分别列出了20种最可能被替代的工作。所以,你永远也猜不到下一秒谁的工作消失。

那么人工智能真的如一些人想象的那样会衍生出机器文明并最终取代人类吗?我们先不急着回答,先来看一下相关的资料:首先谈一下计算机语言,计算机语言在历史发展上经历了机器语言、汇编语言和高级语言,我们把最低级、最原始的计算机语言称为机器语言。机器语言是用二进制代码表示的计算机能够直接识别的指令集合,它反映了计算机“思维”的原理,也反映了人工智能的原理。0和1两个数字能构成世间万物的一切逻辑,却无法创造灵感、拥有直觉、获得情感。也许现在你会看到互联网给人工智能发展带来极大帮助,现如今处于大数据时代的科学家开始运用大数据来丰富AI的拟人化表现时,人类和机器的界限似乎变得日趋模糊,这让人联想到著名的图灵测试。但人工智能在表现人类情感和行为时,其背后是在复制和模仿,而不是想象和创造。网络上客观存在的数据和人类主观能动的想象力是两码事。

说到模仿,我们发现机器不仅模仿人的思维,而且模仿人的生理行为。但是模仿的终究是人们一些外在的行为习惯,人工智能只是按照人的想法依据人设定的程序来完成任务,他们的智力是会很高,会根据我们所设定的程序办事,而且办起事来效率又高又有质量,但是他们还是机器,冷冰冰的,是没有情感的,也许你会说在欧美大片中我们看到过有情感的人工智能机器人,但是现实生活中这可能吗?人之所以叫人那是因为人有灵魂、有感情,我不排除出现超级人工智能的可能,随着科技的发展,科学技术的革新、进步,超级人工智能也不是没有可能会出现,但就其根本讲它还是没有灵魂、没有情感的机器,只是它的能力会更加全能。

人工智能只是人类生活中的辅助品,它能够代替我们工作,它能给我们带来快乐,在我们孤独的时候陪伴我们,它的存在使得人类的生活更加美好,所以我们应该妥善对待,不能随心所欲,每种事物的出现都有它存在的意义,我们不能太过随意,应该认真对待,而且对于能够提供给予帮助的实体,无论是有生命的还是没有生命的,我们都应该学会感恩。因为你是人,不是机器。最后,不论今后的科学技术发展到何种地步,哪怕真的会出现人工智能有取代人类的可能,我相信人类也会战胜它的,那是因为人类面临新的技术革命时都会遭受恐慌,当人工智能逐渐进化、成熟,我们也需要做好准备来应对,相信最终人类的智慧是能够战胜一切的。人类的文明需要科技,但是不能因为害怕而放弃。

人工智能是否终将超越人类智能

作者:龚怡宏

学术前沿 2016年07期

  [中图分类号]TP18 [文献标识码]A  [DOI]10.16619/j.cnki.rmltxsqy.2016.07.002  2016年3月9日~15日,谷歌公司研发的AlphaGo围棋软件与韩国棋圣李世石进行了五场人机对决,AlphaGo以4比1的比分取得了压倒性的胜利。这个比赛结果不仅震惊了整个围棋界,也让人工智能领域的许多专家学者跌破眼镜,更让人工智能走出象牙塔,成为许多普通百姓茶余饭后的热点话题。这场人机围棋巅峰对决不仅向全世界展示了人工智能的强大实力与巨大应用潜力,也在人类社会引起了不小的恐慌和忧虑。人们开始认真思考以下这些问题:机器智能最终会超越人类智能吗?人工智能将会如何改变人类社会?未来的智能机器会像电影《终结者》里所描述的那样试图主宰人类、甚至消灭人类吗?要想回答这些问题,我们首先需要了解人工智能的本质及其基本原理,进而讨论其发展的规律和前景。当前,人工智能领域最前沿的分支学科当属机器学习分支。本文首先对机器学习分支中最受世人瞩目的研究成果——深度学习卷积神经网络——做一个简单综述,进而围绕机器学习的本质及其基本原理进行探讨。接下来,通过对人脑认知机理最新研究成果的概括介绍,揭示机器智能与人类智能的本质差异,比较两种智能的优势与劣势。通过机器智能与人类智能的优劣势比较,试图找出上述几个问题的答案。  深度学习卷积神经网络  过去几年里,深度学习卷积神经网络所取得的成就足以使它成为人工智能王冠上最光彩夺目的明珠。基于深度学习卷积神经网络的语音识别系统把语音识别的精度提高到了产品级的精度,从而为人类与计算机及各种智能终端之间提供了一种崭新的、更为便捷的交互方式。将深度学习卷积神经网络应用于图像内容及人脸的识别,科学家们取得了能够与人类视觉系统相媲美的识别精度。战胜韩国棋圣李世石的谷歌围棋软件AlphaGo能够取得如此辉煌的战绩,深度学习卷积神经网络也发挥了关键性的作用。接下来,我们对深度学习卷积神经网络的起源及其原理做一个简单介绍。  脑神经科学领域的大量研究表明,人脑由大约个神经细胞及个神经突触组成,这些神经细胞及其突触构成一个庞大的生物神经网络。每个神经细胞通过突触与其它神经细胞进行连接与信息传递。当通过突触所接收到的信号强度超过某个阈值时,神经细胞便会进入激活状态,并通过突触向上层神经细胞发送激活信号。人类所有与意识及智能有关的活动,都是通过特定区域神经细胞之间的相互激活与协同工作而实现的。

  早于1943年,美国心理学家W.S.McCulloch和数学家W.A.Pitts就在他们的论文中提出了生物神经元的计算模型(简称M-P①模型),为后续人工神经网络的研究奠定了基础。M-P模型的结构如图1(a)所示,它包含n个带有权重的输入,一个输出,一个偏置b和一个激活函数f(·)组成。n个输入代表来自下层n个神经突触的信息,每个权重代表对应突触的连接强度,激活函数f(·)通常采用拥有S-型曲线的sigmoid函数(参见图1(b)),用来模拟神经细胞的激活模式。  早期的人工神经网络大都是基于M-P神经元的全连接网络。如图2所示,此类网络的特点是,属于同一层的神经元之间不存在连接;当前层的某个神经元与上一层的所有神经元都有连接。然而,人们很快发现,这种全连接神经网络在应用于各种识别任务时不但识别精度不高,而且还不容易训练。当神经网络的层数超过4层时,用传统的反向传递算法(Back Propagation)训练已经无法收敛。  1983年,日本学者福岛教授基于Hubel-Wiese的视觉认知模型提出了卷积神经网络计算模型(Convolution Neural Network,简称CNN)。早在1962年,Hubel和Wiesel通过对猫视觉皮层细胞的深入研究,提出高级动物视觉神经网络由简单细胞和复杂细胞构成(如图3所示)。神经网络底层的简单细胞的感受野只对应视网膜的某个特定区域,并只对该区域中特定方向的边界线产生反应。复杂细胞通过对具有特定取向的简单细胞进行聚类,拥有较大感受野,并获得具有一定不变性的特征。上层简单细胞对共生概率较高的复杂细胞进行聚类,产生更为复杂的边界特征。通过简单细胞和复杂细胞的逐层交替出现,视觉神经网络实现了提取高度抽象性及不变性图像特征的能力。  卷积神经网络可以看作是实现上述Hubel-Wiesel视觉认知模型的第一个网络计算模型。如图4所示,卷积神经网络是由卷积层(Convolution Layer)与降采样层(Sampling Layer)交替出现的多层神经网络,每层由多个将神经元排列成二维平面的子层组成(称为特征图,Feature Map)。每个卷积层和上层降采样层通常拥有相同数量的特征图。构成卷积层x的每个神经元负责对输入图像(如果x=1)或者x-1降采样层的特征图的特定小区域施行卷积运算,而降采样层y的每个神经元则负责对y-1卷积层的对应特征图的特定小区域进行Max Pooling(只保留该区域神经元的最大输出值)。卷积运算中所使用的卷积核系数都是通过学习训练自动获取的。卷积层中属于同一个特征图的神经元都共享一个卷积核,负责学习和提取同一种图像特征,对应Hubel-Wiesel模型中某种特定取向的简单细胞。卷积层中不同的特征图负责学习和提取不同的图像特征,对应Hubel-Wiesel模型中不同类型的简单细胞。而降采样层y中神经元的Max Pooling操作等同于Hubel-Wiesel模型中复杂细胞对同类型简单细胞的聚类,是对人脑视觉皮层复杂细胞的简化模拟。

     图1 M-P神经元计算模型与激活函数    图2 全连接神经网络架构     图3 人脑视觉通道神经网络  上世纪90年代初期,贝尔实验室的Yann LeCun等人成功应用卷积神经网络实现了高精度手写数字识别算法,所提出的系列LeNet,都达到商用级识别精度,被当时美国邮政局和许多大银行用来识别信封上的手写邮政编码及支票上面的手写数字。然而,受制于90年代计算机有限的内存和弱小的运算能力,LeNet网络采用了较浅的网络结构,每层使用的特征图数目也很少。尽管它在小规模图像识别问题上取得了较好的效果,但与传统机器学习算法(如SVM,AdaBoost等)相比,优势并不十分明显。此外,由于卷积神经网络拥有很高的自由度,设计出一款性能优异的网络需要灵感并配合丰富的经验积累,是一项极具挑战性的工作。因此卷积神经网络在被提出后的很长一段时间里并未得到足够的重视和广泛的应用。  2012年,加拿大多伦多大学Geoffrey Hinton教授的团队提出了一个规模比传统CNN大许多的深度卷积神经网络(简称AlexNet)。该网络拥有5个卷积与降采样层、3个全连接层,每个卷积与降采样层拥有96384个特征图,网络参数达到6000多万个。利用AlexNet,Hinton团队在国际上最具影响力的图像内容分类比赛(2012 ImageNet ILSVRC)中取得了压倒性胜利,将1000类图像的Top-5分类错误率降低到15.315%。在这次比赛中,获得第二、三、四名的团队均采用了传统机器学习算法。三个团队的Top-5图像分类错误率分别是26.17%、26.98%和27.06%,相差不到1个百分点,而他们的成绩和第一名相比却低了超过10个百分点,差距十分明显。当前,深度卷积神经网络(Deep CNN)相对传统机器学习算法的优势还在不断扩大,传统学习方法在多个领域已经完全无法与Deep CNN相抗衡。

  机器学习算法的基本原理及其本质  在几千年的科学探索与研究中,科学家们提出了许多描述自然界及人类社会中各种事物与现象的数学模型。这些模型主要可以被归纳为以下三大类别。  归纳模型:由少数几个参数(变量)构成,每个变量都具有明确的物理意义。这类模型能够真正揭示被描述对象的本质及规律,许多数学和物理定律都是典型的归纳模型。  预测模型:用一个拥有大量参数的万能函数来拟合用户所提供的训练样本。万能函数的参数一般不具备任何物理意义,模型本身往往只能用来模拟或预测某个特定事物或现象,并不能揭示被描述事物或现象的本质及内在规律。当代的大多数机器学习算法都是构建于预测模型之上的。例如,单隐层全连接神经网络所使用的数学模型是:    上式中,x代表神经网络的输入,代表神经网络的参数集,M是隐层神经元的个数。这个数学模型如同一个橡皮泥,可以通过变换它的参数集被塑造成任何形状。给定一个训练样本集,其中分别代表训练样本i以及人工赋予该样本的标签(标签表示样本的类别或某种属性),通过利用T进行训练,我们就能够得到一个优化的参数集,使神经网络能够很好地拟合训练样本集T。当新的未知样本x出现时,我们就能够利用训练好的神经网络预测出它的标签y。显而易见,神经网络的参数集规模与神经元的数目及输入x的维数成正比,所有参数没有任何物理意义,模型本身也不具备揭示被描述对象的本质及内在规律的能力。

    图4 深度卷积神经网络构造图  直推模型:没有明确的数学函数,利用所采集的大数据预测特定输入的标签。此类模型认为针对某个事物或现象所采集的大数据就是对该事物或现象的客观描述。大数据的规模越大,对事物或现象的描述就越全面和准确。当新的未知样本x出现时,我们可以在大数据中找到x的K近邻,根据K近邻的标签或属性来决定x的标签或属性。显而易见,由于不需要定义明确的数学模型,与其它模型相比,直推模型最简单直接,但因为依靠大数据来决定未知样本的标签,直推模型往往需要较高的计算量及使用成本。同样,直推模型也不能被用来揭示事物或现象的本质及内在规律。  应当指出,随着互联网用户数量的不断增长以及互联网技术的快速进步,利用互联网获取内容或用户大数据变得越来越简单廉价,利用直推模型来预测某个事物或现象也变得越来越普及。例如,许多互联网搜索引擎利用每个网页的用户点击率来改进搜索网页的排序精度,就是直推模型在互联网内容搜索领域的一个成功应用。  综上所述,机器学习算法的本质就是选择一个万能函数建立预测模型。利用用户提供的训练样本对模型进行训练的目的,就是选择最优的参数集,使模型能够很好地拟合训练样本集的空间分布。通过训练得到的预测模型,实际上把训练样本集的空间分布提取出来并编码到其庞大的参数集中。利用这个训练好的预测模型,我们就能够预测新的未知样本x的标签或属性。当今大多数机器学习算法都是基于这个原理,谷歌公司的AlphaGo也不例外。  针对某个事物或现象所采集的训练样本,是对该事物或现象的直观描述,蕴藏着大量与之相关的先验知识。例如,ImageNet ILSVRC国际图像内容分类比赛所提供的训练样本集拥有1000类、总共一百多万张彩色图像。每一类都对应自然界中的一种常见物体,如汽车、飞机、狗、鸟,等等,包含大约1000张从不同场景及不同角度拍摄的该种物体的彩色图像。利用这个训练样本集训练出来的深度卷积神经网络,实际上是将每类物体的共性特征及个体差异等进行信息提取与编码,并记忆到其庞大的参数集中。当新的未知图像出现时,神经网络就能够利用已编码到参数集中的这些先验知识,对输入图像进行准确的识别与分类。  同样,谷歌公司在训练AlphaGo时,收集了20万个职业围棋高手的对局,再利用AlphaGo不同版本间的自我对弈生成了3000多万个对局。3000多万个围棋对局包含了人类在围棋领域所积累的最为丰富和全面的知识与经验。当新的棋局出现时,AlphaGo利用被编码于其庞大参数集中的这些先验知识,预测出胜率最高的一步棋,以及这步棋所产生的最终胜率。由于AlphaGo针对3000多万个对局进行了学习与编码,它对每一步棋的胜负判定甚至比九段棋手还要准,人类棋圣输给AlphaGo也就不足为奇了。

  人类智能的本质与特性  对于人脑及其高度复杂的智能,人类至今还所知甚少。关于“智能”这个名词的科学定义,学术文献中就存在着许多个版本。即使是少数几个被深入研究的认知功能(如人脑的视觉认知功能)的工作机理,也还存在着各种各样的假说和争议。在这里,我们列出若干较具代表性、认可度相对较高的关于人脑智能的假说及阐述。  人类智能的本质是什么?这是认知科学的基本任务,也是基础科学面临的四大难题(Simon)中最后、最难解决的一个。每门基础科学都有其特定的基本单元,例如高能物理学的基本粒子,遗传学的基因、计算理论的符号、信息论的比特等。因此,“人类智能的本质是什么”这个问题在某种程度上取决于“什么是认知基本单元”。众所周知,适合描述物质世界的变量并不一定适合描述精神世界。因此,认知基本单元是什么这个问题,不能靠物理的推理或计算的分析来解决,根本上只有通过认知科学的实验来回答。大量实验结果显示,认知基本单元不是计算理论的符号,也不是信息论的比特,而是知觉组织形成的“知觉物体”。例如,实验表明,当人的视觉系统注意一只飞鸟的时候,它所注意的是整只鸟(即一个知觉物体),而不是鸟的某个特性(形状、大小、位置等)。尽管在飞行过程中鸟的各种特征性质在改变,但它是同一个知觉物体的性质始终保持不变。诺奖得主Kahneman认为,知觉物体概念的直觉定义正是在形状等特征性质改变下保持不变的同一性。中科院陈霖院士领导的团队在发展了30多年的拓扑性质知觉理论的基础上,提出大范围首先的知觉物体拓扑学定义:知觉物体的核心含义,即在变换下保持不变的整体同一性,可以被科学准确地定义为大范围拓扑不变性质。应当指出,上述大范围首先知觉物体的概念,与人工智能领域广为认同与采纳的由局部到整体,由特征到物体,由具体到抽象的认知计算模型是完全背道而驰的,因而在人工智能领域并没有得到足够的重视及应用。  大量认知科学领域的实验研究表明,人类智能具有以下几个特性。  人类智能的目标不是准确。人类智能并不追求在精神世界里客观准确地再现物理世界。上帝设计人类智能时,不假思索地直奔“生存”这一终极目标而去:用最合理的代价,获取最大的生存优势。人类大脑的平均能耗大约只有20瓦,相对于庞大的计算机系统来说只是九牛一毛。尽管人脑的重量只有1400克左右,约占人体重量的2.3%,但它的血液供应量却占到了全身的15.20%,耗氧量超过全身的20%,对于人类已经接近其生理可以负担的极限。在这种资源极其有限的条件下,人脑通过以下几种方式实现了最有效的资源调配,由此来保障最有意义的生理和智能活动。

  第一,主观能动的选择性。精神世界不是对物理世界的简单映射,而是非常扭曲和失真的。体积相对较小的手指、舌头等重点区域,在感觉运动中枢里却占据大部分的皮层区域。同样,在视觉上只有对应中央视野的视网膜具有很高的空间、颜色分辨率,而更广泛的外周视野只对物体的突然出现或消失,以及物体的运动更敏感。人类视觉处理的通常方式是,外周视野的显著变化会在第一时间被捕获,做出应激反应,然后再把中央视野移动到目标上进行后续的处理。  人类通过知觉组织的选择性注意机制,直接感知输入信号中的大范围不变性质,而忽略大量的局部特征性质。大量视而不见的现象,在实验室研究中表现为注意瞬脱、变化盲视等等。比如,尽管可以清晰地分辨出霓虹灯中的色块颜色、形状各不相同,甚至在空间和时间上都不连续,人脑仍然把这些色块看成是同一个物体,从而产生运动的感觉。研究表明,这种运动错觉本质上不是运动,其生态意义在于对知觉对象进行不变性抽提。另一方面,人脑会主动把忽略的部分补充回来。而通过经验知识,上下文关系等补充回来的信息,难免有错。所谓错觉就是精神世界和物理世界的错位。这些错觉的生态意义在于在有限资源条件下,快速直接地形成稳定的感知。这种机制既是人类天马行空的联想能力和创造力的源泉,同时也是各种精神心理疾患的生物学基础。  第二,模块化的层次结构和分布式表征。当前认知科学越来越依赖于脑成像技术的发展。功能模块化假设认为,大脑是由结构和功能相对独立、专司特定认知功能的多个脑区组成。这些模块组成复杂的层次结构,通过层次间的传递和反馈实现对输入信号的主动调节。大量脑成像的研究实验也支持了这一假设,特别是视觉研究发现了非常详细而复杂的功能模块及其层次结构。另一方面,分布式表征的假说认为,认知功能的神经机制是相对大范围的分布式脑状态,而不是特定脑区的激活与否。当前研究认为,人脑是模块化和分布式表达共存的自能系统。  第三,反应性活动和内生性活动。人脑不是一个简单的刺激—反应系统,大量的内生性活动甚至比反应性活动还多。人脑在所谓的静息状态下的耗氧量与任务状态下相比差别很小。然而几乎所有的经典认知科学研究都是建立在刺激反应实验范式的基础之上。这种实验范式是让实验对象在特定的条件下完成特定的认知任务,收集并分析实验对象的行为或生理反应,通过对实验数据的充分比照,建立人脑某种活动模式或认知机理的假设。内生性活动因其往往只能通过内省的方式进行研究,而被长期排除在认知科学的研究主流之外。随着脑成像技术的发展,功能连接成为分析静息态大脑自发活动的有力工具。特别是默认网络的发现,创立了强调内生性活动的全新脑功能成像研究范式。默认网络被认为涉及警觉状态、自我意识、注意调控以及学习记忆等心理认知过程,已被广泛应用于社会认知、自我、注意、学习、发育、衰老机制的研究,有力推动了各种脑生物指标的完善和脑疾病的治疗,这些疾病包括阿尔兹海默病、帕金森病、抑郁症、精神分裂症和自闭症等等。

  因此,整合现有研究中有关分布式表达和内生性活动的最新研究成果,可能会带来对人脑活动模式(人类智能的物质基础)一种全新的理解。  人类智能的本质不是计算。人类智能体现在对外部环境的感知、认知、对所观察事物或现象的抽象、记忆、判断、决策等。然而,这些智能并不是人类所独有。许多高等动物,如狗、猴子、猩猩,也或多或少具有类似的能力。同时,计算并不是人类智能的强项。真正将人类与其它动物区分开来的,是人类的逻辑推理能力、想象力、创造力以及自我意识。人类利用这类能力能够想象并且创造出自然界中不存在的东西,如汽车、飞机、电视、计算机、手机,互联网。这类能力是推动人类社会不断发展与进步的源泉,是生物智能的圣杯。  而对代表生物智能最高水平的上述能力,人类目前还所知甚少,对其机理的研究还处于启蒙阶段。研究表明,这些能力不是依靠计算得来的,而似乎是与联想记忆及人类丰富的精神世界有关。基于脑信号的分析实验发现,人脑的海马回、海马旁回、杏仁核等脑区中存在着大量专司特定联想记忆的神经细胞。例如,上述脑区中存在单个或一小簇神经细胞,会被与美国前总统克林顿相关的所有刺激信号所激活,无论刺激信号是关于克林顿的图片,还是Clinton这个英语单词,还是克林顿本人的语音回放。显然,这些神经细胞并不是被某个模态的特定特征所激活,它们所对应的是克林顿这个抽象概念。此外,脑成像研究表明,围棋专业棋手相对于业余棋手更多的是依赖联想记忆系统,而非逻辑推理来下棋。实际上,围棋界训练棋手的最常用方法就是将高手对局中的关键部分拆解成许多死活题,棋手通过大量死活题的解题训练来提高自己联想记忆的经验和效率。  机器智能与人类智能的优势与劣势  当代的计算机拥有强大的存储与运算能力。伴随着计算技术的不断发展与进步,这些能力的增长似乎还远没有到达尽头。早在1997年,IBM的“深蓝”超级电脑就战胜了国际象棋冠军卡斯帕罗夫。但这次胜利在人工智能领域并没有产生太大的反响,原因在于,“深蓝”几乎纯粹是依靠强大的运算能力遍历所有的可能性,利用“蛮力”取胜的。“深蓝”所遵循的,就是“人工智能即是计算加记忆”这个简单法则。由于围棋的搜索空间比国际象棋大很多,“深蓝”的这种制胜策略针对围棋是行不通的。与“深蓝”相比,AlphaGo的最大进步就是从“计算加记忆”进化到“拟合加记忆”法则。它利用深度卷积神经网络这个万能函数,通过学习来拟合两千多年来人类所积累的全部经验及制胜模式,并将其编码到神经网络的庞大参数集中。对于当前棋局的任何一个可能的落子,训练好的神经网络都能够预测出它的优劣,并通过有限数量的模拟搜索,计算出最终的获胜概率。这样的战略不需要对棋局的所有可能性做遍历搜索,更像人类棋手所使用的策略。然而,由于AlphaGo对每个落子以及最终胜率的预测,是建立在围棋界两千多年来所形成的完整知识库之上的,它的预测比人类最优秀的棋手更准确。与其说李世石输给了机器系统,不如说输给了人类棋艺的集大成者。由此推断,AlphaGo取胜也是情理之中的事。

  与机器相比,人类智能的最大优势当属它的逻辑推理能力、想象力、创造力及其高效性。人脑功耗只有20多瓦,处理许多感知及认知任务(如图像识别、人脸识别、语音识别等)的精度与拥有庞大内存、运算速度达到万亿次的超级电脑相比却毫不逊色。尽管机器智能很可能在不远的将来在棋牌类竞赛中全面超越人类,但现有的机器学习框架并不能模拟出人类的想象力和创造力。因此,在当前情况下,机器智能全面超越人类智能的预测是不会成为现实的。  随着机器学习算法的不断发展与进步,计算机借助强大的存储与运算能力,学习人类几千年来发展与进化过程中所积累的完整知识的能力越来越强,借助完整知识库对复杂事务进行预测与判断的准确度将会全面超越人类。由此推断,在未来几十年里,不仅是那些简单重复性的体力劳动将会全面被机器取代,而且那些需要对复杂事务进行评估与判断的工作,如金融投资、企业管理、军事指挥等,也有可能被让位于机器智能。甚至大到整个国家,也可能会越来越依靠机器智能预测政治、经济、外交发展趋势,制定最优的政策方针及发展规划。实际上,许多发达国家的智囊机构已经在利用各种评估及预测模型为政府提供对各种事物的预测与判断,提出政策建议或解决方案。  然而,当前的机器学习框架无法模拟人类的想象力及创造力,科学研究与发明创造仍将是人类的优势所在。不难预测,在未来人类社会的发展进程中,将有越来越多的人从事科学研究以及新产品的设计研发工作。社会对每个人的知识能力、智慧以及发明创造力的要求将会越来越高,不具备这些能力的人们将会无法找到满意的工作,逐渐成为处于社会底层的贫困阶层。了解并解决科技迅速发展所带来的社会挑战,仍然是人类需要面对的任务,而机器是无法替代人类解决这些问题的。  (中科院生物物理所脑与认知国家重点实验室周天罡、西安交通大学电信学院韩劲松对本文亦有贡献)

作者介绍:龚怡宏,西安交通大学人工智能与机器人研究所教授,博导,中组部“千人计划”教授,国家973项目首席科学家,视觉信息处理国家工程实验室首席科学家,研究方向为多媒体内容分析,机器学习,模式识别,主要著作有《Intelligent Image Databases-Towards Advanced Image Retrieval》《Machine Learning for Multimedia Content Analysis》等。

简述人工智能与人类智能

  关键词:人工智能;人类智能;超越;代替
  中图分类号:TP389.1
  文献标识码:B
  1.关于人工智能
  什么是人工智能呢?在 1956 年 Dartmouth 学会上,人们初次提出了“人工智能”这一术语。尽管人工智能没有确切的定义,但基本概念就是人工智能(Artificial Intelligence),英文缩写为AI。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,是计算机科学的一个分支。就人工智能的本质而言,就是运用目前的人工智能技术去模拟实现人脑基本的思维,也就是模拟人脑处理信息的过程。但目前的人工智能仍大都是在电脑中储存众多的解决办法,然后通过分析面对的问题以及当前的环境信息,通过计算机得到最优的解决办法,其核心思想在于具有优越的算法。
  2.人工智能发展现状以及驱动因素
  目前,所有国家都十分看重人工智能这个产业,因为人工智能可以利用它自身快速准确的运算能力以及惊人的记忆力和巨大的存储空间等,为人类提供各种各样的服务。虽然我们生活中的人工智能机器正在逐渐增多,但是其应用方法仍十分原始。
  正因为人工智能的前景十分广阔,也使得各种因素持续推动着人工智能的发展。当然,最核心的因素在于算法,人们的不断思考与努力持续推动着语法的进步。
  3.人工智能与人类智能的关系
  关于人工智能与人类智能的关系,知道什么是人类智能是了解人工智能与人类智能关系的前提条件。人类智能是人类与生俱来的自然智能,它主要包含感知能力、思维能力和行为能力三个方面。
  现在我们从哲学的角度去理解人工智能与人类智能的关系。两者是对立统一的关系,因为人工智能是人类智能的实际体现,人类智能又凭借人工智能的优点而加强,所以人类智能与人工智能相互依存,谁也离不开谁,并且两者相互促进,共同推动人类社会的发展。人工智能和人类智能之间又存在对立的关系,正是通过这种对立的关系,人们才能够不断地对人工智能加以创新,促其发展。
  4.人工智能与人类智能的区别
  人工智能与人类智能两者的关系十分密切。且这两者之间的区别也非常大:第一,两者的优点十分不同,比如人工智能计算能力强,而且拥有人脑无法涉及的计算速度,另外,人工智能机器可以在特殊环境条件下正常地工作。但是人脑能提出新问题,对新事物进行分析研究,得到解决新事物的办法。第二,两者起源不同。人类是自然界长期发展的结果,人工智能是由人类创造的。第三,两者思维方式不同。人类智能拥有自己跳跃性的思维,但人工智能要严格遵循所设计好的思维程序。第四,两者语言形式不同。人类拥有自己的自然语言,而人工智能只能依靠人类去创造人工语言。
  5.人工智能能否超越人类智能
  关于人工智能能否超越人类智能这个问题,人们的看法都大不相同,而且每个人的看法都有自己的合理解释。但我认为,在整体上人工智能是不可能超越和代替人类智能的。因为人工智能是由人类所创造,只是人类智能的拓展和实现途径。它没有办法去替代人类智能,更不可能像电影里的情节一样,由人工智能来统治人类。
  从社会环境来看,人工智能无法像人脑一样去面对现在复杂的社会环境。从实际应用来看,人脑拥有超强的容错率,而且可以在众多信息中提取关键信息,并且耗能低,但目前的人工智能需要有完全正确的程序才能正常运行,而且需要投入的资源量巨大。
  由此,我认为,人工智能是无法超越人类智能的,但我们要承认人工智能给我们的生活带来了许多方便。虽然人工智能帮助我们在很多方面解决了依靠人力解决不了的很多问题,而且因为人工智能的快速发展,使人类智能可以无视时间和特殊环境进行研究和实践。但是,如果因为科学技术的发展和电脑的广泛应用,就认为人工智能可以代替和超越人类智能,这是没有依据的。
  参考文献:
  [1]常 宁.人工的人工智能[J].科技创业,2011,(9).
  [2]李 琼.人工智能的哲学思考[J].软件,2012.(10).人工智能能否超越人类智能?

108832-3

学校代码:10475

学号:104753040012

河南大学研究生硕士学位论文

人工智能能否超越人类智厶匕V-,勺-

WhethertheArtificialIntelligenceSurmount

theHumanIntelligenceorNot?

专业名称:马克思主义哲学

专业代码:01910l

研究方向.唯物史观与社会发展

7¨・。.................................一—------———--———一船.二Oo四级

研究生姓名:室查夏

导师姓名、职称:郑慧子鲨

论文主题词:肛智村人剡塑幽堑塑螋完成日期:.三9里主!墨望Y

中文摘要

人工智能的发展趋势问题从20世纪80年代在国内外就进行了非常激烈的辩论。既有认为人工智能只能作为人的工具的延长而不可能取代人的大脑的工具论,他们认为:人工智能诞生的初衷是作为人类工具的延长,其作用从其诞生的那一天就已经定性,人工智能只能作为人类智能的附庸和补充,而不可能对人类智能构成挑战,更不可能取代人类智能;也有认为人工智能一定会战胜人类智能的观点,他们从达尔文的进化论进行类比推断,对比人类智能和人工智能相对发展的速度和加速度,认为人类智能虽然在短时期内还占有绝对的优势,但是从人工智能近些年突飞猛进的发展速度和加速度来对比人类智能对等时间发展来看,人工智能战胜人类智能绝对只是时间的问题。

当对间进入2l世纪,计算机硬件和软件更新的速度越来越快,计算机这个以往总给人以冷冰冰机器的形象也得到了彻底的改变。人机交互的情况越来越普遍,计算机由于需要的缘故被人类赋予了越来越多的智能因素。伴随着人类把最新的计算机技术应用于各个学科,对这些学科的认知也进入了日新月异的发展阶段,促使大量的新的研究成果不断涌现。例如:“人机大战”中计算机轻松的获胜、人类基因组排序工作的基本完成、克隆人理论实质性的突破、人类大脑结构性解密和单纯器官性克隆的成功实现等等。而且随着计算机这个人类有史以来最重要的工具的能力不断发展,伴随着不断有新理论的涌现,大量的已经似乎应当盖棺定论的理论受到了越来越严峻的挑战,人类必须从全新的角度对它们一一进行分析和审视。由于近几年生物学和神经生理学许多新的研究成果的出现,对于人工智能与人类智能之间的关系也有了进行再次讨论分析的必要。

本文通过综合最新与人工智能相关的理论和成果对以往的工具论和纯进化论进行分析和探讨,并且从马克思主义哲学的角度再次去分析人工智能与人类智能的关系,并尝试着给出新的结论:人类对人脑的功能会不断她进行认识,从而人

工智能会不断的迫近人类智能。但从动态分析上,即人类智能也在不断的进化和发展,人工智能作为人类智能主体客体化的产物,其作用和功能受到人类智能的制约所以要低于人类智能。

关键词:人工智能;人类智能;模仿;进化;思维Ⅱ

Abstract

Theproblemoftheartificialintelligencedevelopmenttrendswaswidelydiscussedandarguedsinceeightygenerationsoflastcentury.Therenotonlyexistedtools-thenWwhoinsistedthattheartificialintelligencewasconsideredjustastheextensiontoolsofhumanthattheartificialintelligence

thattheartificialintelligenceWaS

ofartificialintelligencewascan’treplacingthehuman。Sbrain,Theirthillldngisforenhancedcreatedjusthuman’Sabilityandthellsealready缸ed她which

humanbeing’Sappearing.Theartificialintelligenceonlytobetheassistance,itcouldu’tchallengethe

mankind’Sintelligencebutalsoexistedothercontraryopinionsthattheartificialintelligencewouldbeathuman'sintelligenceinthefuture.Withthecontrastofthespeedandaccelerationofmankind'sintelligenceandartificialintelligencedevelopment,theydeducedfromtheTheoryofEvolutionthatalthoughmankind'sintelligencestilloccupiedabsoluteadvantageintheshortperiod,theseal'el"yearsdevelopmentsoftheart/tic/a[intelligenceshowedtheartificialintelligencewinsmankind'sintelligenceabsolutelyjust

Sincetheamatteroftime.ninetygenerationsoftwentyc.nturytheinformationtechniqueenteredthehigh—speeddevelopmentperiod,therenovationofhardwareandsoRwamofthecomputerismoleandmorequick,andthecomputerchangedtheimageoftheicymachineforperson,theexchangesbetweenpe塔∞themachineisfiloreandmorewidely,computerisgivenmoreandmoreintelligencefactorsbythemankind,Accompanywithappliesofthelatestcomputertechniqueineachaspect,italsochangedthedevelopmentsofthesestudies.Iturgesthemassivenewresearchresultsunceasinglytoemerge.Forexample:thecomputerwinsinthe‘man-machinewar'easily;thearrangementofthehumangenomeiscompletedbasi幽substantivebreak(tbroughⅢ

ofthetheoryofhuman-clone;humancerebrumconstitutivepropertydeciphered;thesuccessfulrealizationofpureorgancldoneandso0n。More

theoverwiththeabilityofhistoryunceasinglycomputerwhichisthegreatesttoolthroughouthuman

developingthenewtheoryemergingfollows

alreadyunceasingly.Alotoftheorieswhichhuman

onedefinitefacethemoreandmorechallenge,thetocarryonhashadfromtheabrand-newaspectanalyzesandcarefullyexaminesbyone.Asresultof

recentthebiologyandtheNeurophysiologymanynewresearchresultedappearancein

years,itisnecessitytodeterminetherelationbetweentheartificialintelligenceandthehumanintelligencethroughdiscussesandanalyzesoncemore.

Sothisthesisiscomprehensivethelatesttheories

togetaaadstudiestoanalyzeshowtheartificialintelligenceispossible,andthenny

Marxistphilosophy:Based

undertheverysmall

bytheartificial

thepossibilityto

Basedononnewconclusionfromtheaspectof110thestaticanalysis,ifthehumanbrainislongerordevelopment.AfterpCTSOBunderstandinghumanbrainthoroughly,intelligencefinallyhasintelligenceunceasingpromoted,theartificialbc删toorevenmustbehigherthanthehumanintelligence.Butthedynamicanalysis,followwiththeartificialintelligenceunceasing

evolutionpromoted,thehumanintelligencealsointheunceasinganddevelopment,

duringalongperiodtheartificialintelligencejustasthehumanintelligencesupplement,itsfunctionisrestrictedbythehumanintelligenceandthereforeitmustbelowerthanthehumanintelligence.

Keywords:Artificialintelligence;

ThinkmgMankind'sintelligence;Mimicry;Evolution;

关于学位论文独立完成和内容创新的声明

本人向河南大学提出硕士学位中请。本人郑重声明:所呈交的学位论文是本人在导师酌指导下独立完成的,对所研究的课题有新的见解。据我所知,除文中特别加以说明、标注和致谢的地方外,论文中不包括其他人已经发表或撰写过的研究成果,也不包括其他人为获得任何教育、科研机构酌学位或证书而段保存、汇编学位论文(纸质文本和电子文本)。

(涉及保密内容的学住论文在解密后适用本授权书)

学位获得者(学位论文作者)签名:

20

学位论1_-i日导教师釜名:20

引言

人工智能是资本主义工业化的产物,人类发明人工智能的初衷是资本家为了追求利润最大化,丙不断改进技术和更新工具以节省人力资源,能替资本家节省生产成本。但就是当初简单的思想客观造就了人工智能在当今的历史地位,直至今天人类的每个生活细节几乎都有人工智能的参与。近几年来更是借助计算机的飞速发展使人工智能实现了以前古代人类的梦想和幻想,并且借助功能强大的尺工智能使人类对微观世界和宏观世界的了解得到了以前难以想象的成果。

但与此同时人类开始担心自己是不是在作茧自缚?担心这种自己创造的工具将来会不会取代人类智能本身。于是大量有关人工智能与人类智能关系的文学作品和影视作品诞生。从‘终结者>到‘黑客帝国',人类对人工智能发展的前景的恐惧可见一斑。当然,这其中也不乏对人工智能不会超过人类本身的看法。但是对于人工智能和人类智能的关系的探讨已经进入了发展期。

人工智能与人类智能的关系在理论上已经超出了纯技术的层面。它不仅关系到人类对未来世界的构成的推测,而且关系到对人类自己未来命运的把握。其重要性不言而喻。例如对克隆人的探讨就是这样。不仅是技术层面上的分析,更有伦理学的考虑。‘

人工智能对于伦理学的传统也许是一次强烈的震撼,相信看过‘黑客帝国》的人都有这种体验。但是对于技术本身的进步而言,不过是逻辑的必然。也许有人认为现在就开始讨论人工智能问题的为时尚早:因为即使撇开目前人类伦理的弹性不论,人工智能的发展也超出了现有技术的张力,现在讨论有点杞人优天的味道.相对于人工智能的尚难预料的未来,也许我们不必现在就心事重重。况且,人类伦理的限度是否允许人工智能超越人类智能现在人类并无信心.但是,技术的进步不会止步不前,适当必要的前瞻不仅使技术前进的方向更加明朗,也可以使对未来人类伦理调适的尺度更加清晰和自然。何况,谁又能保证在不可预见的未来真的不会出现人类所担心的结果昵?因此,尽管入工智能的前景难以预言,

对其的解读的尝试在此时的开始就是不可回避和延误的。

对于这样一个复杂深刻并且时至今日科技的进程与伦理的争议都远远没有结局的问题,本文并不能肩负起有关分析和判断的最终论证的作用。但是本文的意义不在于此。在这样一个似乎是纯技术的社会里,人们需要的不是一个结论的提供,而是一种观念的梳理和信念的表达,并且力求通过不断的反思和求证,以一种鲜明的主体意识去把握未来的世界。

一、人工智畿的兴起

人工智能是信息社会中最重要的促进人类智能进化的技术手段之一。1997年5月的“人机大战”。国际象棋世界冠军卡斯帕罗夫以2.5/3.5的总分败给了名为“深蓝”的计算机。消息传来,举世震惊。如何正确认识和评价“深蓝”的胜利,一时成为人们普遍议论的话题。但是在2004年6月12日在中国首次人机对弈中诸宸以2:0输给“紫光之星”。重现了人工智能战胜人类智能的一幕。电脑的胜利预示着人工智能在理论和技术上已经取得了极大的成功。2002年8月16日,从事烧伤研究的徐荣祥教授在京通过新闻发布会的形式向外界宣布:他所领导的科研小组发现了一种具有特殊功能的人体细胞——潜能再生细胞,并利用这一细胞完成了55个组织器官的人体原位复制或动物实验的体外复制。再过5年,他们将有望完成人类206种组织器官的原位复制,这一震惊世界的科研成果,是他们采用与传统的干细胞技术完全不同的方式获得的。2006年11月29日日本著名的机器人“村田神童”亮相北京喜来登饭店,表演了令人咋舌的绝技,通过模拟人类骑白行车的平衡能力和对环境的判断能力,“村田神童”即使是在轨道的顶端长时间停下也不会摔倒,表现出来的骑车技能远远超过人类。

上述只是人工智能在某些方面表现出来的远胜人类的特长,就已经引起了人类自身的警觉。于是对于人工智能未来的走向成了人类研究的方向之一.2

(一)人工智能的概念解析

要解析人工智能的定义,必须对智能这个概念进行澄清。

智能:智能及智能的本质是古今中外许多哲学家、脑科学家一直在努力探索和研究的问题。但是至今仍然没有完全了解,智能的发生与物质的本质、宇宙的起源、生命的本质一起被列为自然界的四大奥秘.有人认为智能是多种才能的总和.Thusteme认为智能由语言理解、用词流畅、数、空间、联系性记忆、感知速度及一般思维七种因子组成。‘新华字典》给出的解释是智慧和能力。一般认为;智能是指个体对客观事物进行合理分析、判断及有目的的行动和有效的处理周围环境事宜的综合能力。

人工智能(ArtificialIntelligence),英文缩写为AI,是一门综合了计算机科学、生理学、哲学的交叉学科.“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能的概念由于智能概念的不确定因此没有一个统一的标准。童天湘在‘从。人机大战”到人机共生)中这样定义人工智能:“虽然现在的机器不能思维也没有‘直觉的方程式’,但可以把人处理问题的方式编入智能程序,是不能思维的机器也有智能,使机器能做那些需要入的智能才能做的事,也就是人工智能。”∞

入工智能酶研究课题涵盖面很广。从机器视觉到专家系统,包括了许多不同的领域.现在,人工智能专家们面临的最大挑战之一是如何构造一个系统,可以模仿由上百亿个神经元组成的人脑的行为去思考宇宙中最复杂的问题。衡量机器智能程度最好的标准是英国计算机科学家阿伦・图灵的试验。他认为,如果一台计算机能骗过人,使人相信它是人而不是机器,那么它就应当被称作有智能。电子计算机的发明为人工智能的实现提供了~种媒介和技术基础,NorbertWiener是最早研究反馈理论的学者之一.最熟悉的反馈控制的例子是自动调温器,它将收集到的房qt天湘.‘从。人机大战”到人机共生)啪.自然辩证法研究。1997(9).3

间温度与希望的温度比较并做出反应将加热器开大或关小,从而控制环境温度。这项对反馈回路的研究重要性在于所有的智能活动都是反馈机制的结果,而反馈机制是有可能用机器模拟的。这项发现对早期AI的发展影响很大。

(二)人工智能的发展现状

目前,AI技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司,已经为加州劳伦斯・利佛摩尔国家实验室制造了号称具有人脑的千分之一的智力能力的“ASCIIWhite”电脑,而且正在开发的更为强大的新超级电脑——“蓝色牛仔”bluejean,据其研究主任保罗・霍恩称,预计于4年后诞生的“蓝色牛仔”的智力水平将大致与人脑相当。麻省理工学院的^I实验室进行一个的代号为cog的项目。cog计划意图赋予机器人以人类的行为,该实验的一个项目是让机器人捕捉眼睛的移动和面部表情,另一个项目是让机器人抓住从它眼

前经过的东西,还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。

由于人工智能有着广大的发展前景,巨大的发展市场被各国和各公司所看好。除了IBM等公司继续在AI技术上大量投入,以保证其领先地位外,其他公司在人工智能的分支研究方面,也保持着一定的投入比例。微软公司总裁比尔・盖茨在美国华盛顿召开的AI(人工智能)国际会议上进行了主题演讲,公开了微软在舡方面的研究进展情况.微软研究院目前正致力于AI的基础技术与应用技术的研究,其对象包括自我决定、表达知识与信息、信息检索、机械学习、数据采集、自然语言、语音笔迹识别等。

我国人工智能的研究现状;长期以来,机械和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。技术实力雄厚的中国国际科技大学,在国家863计划和自然科学基金支持下,一直从事两足步行机器人、类人性机器人的研究开发,在1990年成功研制出我国第一台两足步行机器人的基础上,经过10年攻关科研,于2000年11月,又成功研制成我国第一台类人性机器人。它有4

人一样的身躯、四肢、头颈、眼睛,并具备了一定的语言功能。它的行走频率从过去的每六秒一步,加快到每秒两步;从只能平静地静态不行,到能快速自如的动态步行;从只能在已知的环境中步行,到可在小偏差、不确定环境中行走,取得了机器人神经网络系统、生理视觉系统、双手协调系统、手指控制系统等多项重大研究成果。

(三)人工智能的学派

人工智能在发展过程中形成了几个学派,最主要的两个学派是符号主义和连接主义,行为主义是后来形成的一个学派.

符号主义,也叫逻辑主义,代表人物是纽厄尔(A.NewelD和西蒙(H.^.Simen,也译作司马贺)。主要思想是“物理符号假设”:对于一般智能行为来说,物理符号系统具有必要和充分的手段。大量传统的人工智能研究是在这个学派的思想推动下进行的.早期的入工智能主要研究下棋、逻辑和数学定理的机器证明、文体求解、机器翻译等问题。后来发展起来的专家系统和知识工程则是人工智能的重要应用领域,陆续开发出许多著名的专家系统,为工矿数据分析处理、医疗诊断、计算机设计、符号运算和定理证明等提供了强有力的工具。但是,专家系统在发展过程中遇到了3大难题。首先,在研制专家系统时,知识工程师要从各自然学科领域专家那里获取知识,这是一个非常复杂的个人到个人的交互过程,没有统’一的方法。因此知识获取是专家系统研究中公认的“瓶颈问题”。其次,知识工程师在整理、表达从领域专家获得的知识时,用。if,then”之类的规则表达,局限性太大,知识表达又成为一大难题。再有,人类专家的知识是以拥有大量的尝试为基础的,例如,在白天战斗行军中,当战场指挥员看到有鸟从森林中被惊起时,就会推测可能有敌人埋伏。但最好的军事专家系统也很难顾及到这种信息。常识的运用成为第三个问题。为解决这类问题,激起学习和常识推理成为重要的研究课题。.联结主义主要研究人工神经网络。40年代神经生理学专家卡洛克

(W.s.McCulloeh)与数学家皮兹(w.Pitts)合作,对神经系统特别是神经元的活动机理、图灵的可计算数理论、罗素和怀特海的命题逻辑理论进行综合研究,提出形式神经元的数学模型。50年代末罗森布拉特(Rosenblatt)设计了感知机,试图用人工神经网络模拟动物和人的感知和学习能力,形成人工智能的一个分支一模式识别,并创立了学习的决策论方法。但是由于受到计算机水平的限制,许多理论设想未能实现。60年代末明斯基(Minsky)和帕坡特(Papert)从数学上分析了感知机的原理,指出它的局限性。这个打击使人工神经网络的研究走入低谷,研究队伍迅速解体。从80年代开始,经典符号主义人工智能的局限性逐步明朗化,而当年推出人工智能领域的神经网络的一些学者及其后继者经过多年潜心研究,取得重要的突破,加上计算机硬件突飞猛进的发展,使神经网络的实现成为现实。80年代末神经网络迅速崛起,在声音识别、图像处理等方面取得很大成功。

行为主义学派的代表人物是布鲁克斯(R.Brooks),他认为智能行为可以在没有明显的推理系统的情况下产生.智能系统应该属于具体的环境之中,应该有躯干、眼镜等感官,应该与环境交互作用,只能是系统的各个部件交互作用、系统与环境交互作用所涌现出来的总的行为。布鲁克斯等人认为,既然人工智能的终极目标是复制人的智能,那么可以从复制动物的智能开始。其代表性的工作是布鲁克斯研制的有6条腿的“机器昆虫”。

(四)两种截然不同的论断

人工智能从上世纪五十年代诞生起就表现出了极强的生命力,它在上世纪八十年代后期得益于计算机软硬件发展的日新月异而得到迅猛发展。主要表现在军事、医疗、科技等等领域。而对人工智能这种发展速度的担心也引发了关于人工智能和人类智能关系的讨论,并由此出现了针锋相对的两种论断:

l、人工智能只能作为人类工具而不可能超过人类智能的论断

主张人工智能由于先天性的不足,也就是人工智能的设计原理和动力是作为人类智能的辅助和补充而不是作为将要取代人类智能。人类智能从诞生的那一天6

起就决定了它将来的命运,只能作为人类智能的工具,无论其功能如何强大、其智能化程度有多高,人工智能和人类智能之间存在着不可逾越的鸿沟,人的主体地位是无法动摇的.做出这种论断的代表人物有以下几人:

著名科技哲学教育家钱俊生(全国党校系统自然辩证法研究会理事长、博士生导师),他认为:“演唱和增强人脑的智能,提高主体认识能力,是研究人工智能的目的。要达到这个目的,就要认识人脑及思维规律。在局部功能上,人工智能已经可以代替超过人工智能,但在全局上,造出一个与人一样能够思维的机器来,是不可能的。人的认识能力是无限发展的,人的智能水平处于进化之中,作为人类认识工具的人工智能也在不断发展,但人工智能与人的智能的差距始终存在着,人的主体地位是改变不了的”。;孙鹏文、赵永红、富秀荣等人运用马克思主义自然辩证法的观点从人工智能和人类智能的起源、思维方式、认识方式、语言形式四方面论述了二者之间的关系,得出“人工智能虽能延长人的大脑、扩大人的智能、放大和部分代替人类脑力劳动,但却不可能完全代替,更不可能超过人类智能”o;四川大学哲学系教授李亚宁做出论断:“在严格意义上,机器智能只能部份放大而不能取代人的思维。人类思维有多种形式:逻辑思维、直觉思维、形象思维、辩证思维,在人脑中结成网络并不断发展.人工智能仅能放大人的悟性活动中的演绎方法,它是有极限的,不可能取得真正的主体性,更不能超越人的理性思维和价值主体性界限”o;湘潭大学哲学与历史文化学院教授杜雄柏也提出:“人工智能机能表现出某些如同人类的智能,完成一些由人脑难以完成的工作,但它不可能完成所有由人脑完成的工作,也不可能像人的大脑一样地完成这些工作”o;现任生物所副所长张菩信指出“人工智能机是人类根据社会需要而研制的人工物。人工智能凭借特有的载体、资源和工作条件必然会发展出自身独特的方法和系统,但它不可能完全等价于人的生理神经智能。人工智能既在无。钱俊生.人工智能问是的哲学分析.‘理论月刊'1985年第3期

・孙鹛文、赵永红、t秀荣.浅析人工智能和人类智能的关系.‘内蒙古工业大学学报'(人文社科版)1999年第5期

。李亚宁.关于人工智能极限研究的哲学问题.‘四川大学学报'1999年第6期

・桂堆柏.人工智能问恿的认识论分析.‘湘潭大学学报)(哲学社会科学版)1999年第3期7

限可能的前提条件下发展着,也在永恒的质的差异条件下受到局限”气博士研究生钱铁云发做出了“计算机永远不能摆脱作为人类工具的命运,人工智能也永远不能超越人类智能”。的论断。

2、人工智能必将战胜人类智能的论断

人工智能虽只是作为人类智能的补充,但由于其发展速度极快,远远超越了同时期人类智能的发展速度,也就是说人工智能的进化速度远远超过了人类智能的进化速度。只是由于人工智能的起步较低,在现阶段人工智能虽然无法和人类智能相媲美,但其表现出了在局部超越了人类智能的现实使一些人相信人工智能超越人类智能只是时间上的问题。作出人工智能必将战胜人类智能的论断的代表人物有:

四川大学(西区)社科系教授王黔玲从世界观的角度做出了“人工智能将超越人类智能”的论断・;华东师范大学哲学系教授郦全民认为“在人的好奇心的驱使下,在不前进就会落后的‘象棋皇后’效应的作用下,人类不会停止对于比自身更高的智能系统的探索.而进化的法则又难以违背,它将使得进化之链朝超越于人类的方向伸展。因此,有朝一日在地球上出现超越于人类的新的智能物种绝非天方夜谭,而恰恰是人类进化的必然结果”。;代维借伦敦帝国理工医药学院神经系统工程负责人伊格尔・亚历山大之口做出大胆的预测:“人工智能将在不远的将来战胜人类智能,但会有人工智能自己的生活方式,并会去寻找新的知识,不会对人类构成威胁”・。

二、人工智能能够超越人类智能吗?

通过分析王黔玲、郦全民等人关于人工智能必将战胜人类智能论断,可以得。张善信.人工智能课履及其认知意义.‘中目矿业大学学报'2001年3月第一期

・饯铁云.人工智能是否可以超越人类智能7.‘科学技术与辫证法'2004年10月第5期

・王黔玲.人工智能会超过人类智能吗7.‘社会科学研究'1996年第3期

。鄙全民.人工智能中的达尔文主义.‘自然辩证法研究'1098年第7期

。代维.人工智能vs人类智能。20年后谁称雄.‘青年探索’2002年第5期8

出他们推出这种论断的论据有三点:一是达尔文的进化论;二是类比人类的创造性即由于人类智能的不断的探索欲会把自己独有创造幸福与人工智能,这将导致人工智能战胜人类智能;三是“量变质变定律”即不断的人工智能某些方面超越人类智能的积累最终会导致人工智能在质的方面超越人类智能.

下面我就针对这三点来一一论证上述人工智能必将战胜人类智能理论的荒谬。

(一)反对所谓进化学说的理论依据

认为人工智能必将战胜人类智能的理论依据之一是达尔文的进化论,即人工智能在人类的主动帮助下能够完成不断地进化.这种进化尽管是被动的,但是总的来说,人工智能仍然可以得到实质上的发展和飞跃。并且可以凭借人工智能在某些方面的优势在“进化”的速度和加速度上超越人类智能。

但是这种依据显然是错误的。

首先,我们来看进化的定义:

“进化(evolution)这个概念指的是事物的演化或发展。它的含义极其广泛,包括天体的消长、生物的演变、社会的发展等等。狭义地说,指生物的进化。”。,从此处可以看出人工智能进化不会包含在狭义的生物的进化之中,毕竟就现在的人工智能的程度而言,人工智能还不具备生命的特征.

那么人工智能是不是包含在天体的消长及社会的发展之中呢?看来也不会,毕竟人工智能现阶段的进化还离不开人类智能的指导和帮助。不能完成独立的进化进程。因此,人工智能的所谓的“进化”确切的讲应该称作“升级”,这一点就像计算机软硬件的井级。

人们通过对人类智能的探索和发现,得到相应的理论,在通过人工智能进行模仿来验证,最后可以完成对理论的确认.人工智能在这一系列的过程中客观上得到了升级。诸宸在输给“紫光之星”后感慨道:“电脑本身并不聪明,电脑背。李难.进化论教程叫.北京:高等教育出版社,1990年.第1页9

后有很多聪明的人。我今天战败了,并不是真正输给了电脑”。

计算机软硬件的升级换代近几年出现了越来越快的趋势,于是就有人认为人类智能在间接地实现人工智能的进化。但是每一次的升级都是在人类智能理论和技术上的突破之后才得以实现的,例如:计算机中央处理器(cpu)近几年出现了飞速的发展,从1992年8086微型机lOOM的主频到2005年个人电脑3G(IG=1024M)的主频,在十三年的时间里实现了30倍的升级,但是不可忽视的是由于采用了全新设计及新技术(0.13微米)才实现了这种变化,其实这种升级实际上仍然应当看作是人类智能的进化。

人工智能的出现只是最近几十年的事,当人类对于像信息处理例如简单计算这类能力愈来愈达到人类智能极限时,人类发明了人工智能,用以代替人类去做那些繁琐和难以为继的工作。从人类创造人工智能这个目的上,人工智能必然在某些方面上超越人类智能。而且由于人工智能的扶助,人类智能获得了解放,人类智能由于得到了解放,进化方向出现了结构的转向,人类智能的进化更多的转向了逻辑思维。而把低级智慧交给人工智能去完成。人类智能可以更多更好地投入到创造领域中去。举例来说:人类智能放弃了科研创造中的大量数据运算和整理,转向了逻辑思维和判断,而把简单计算交给计算机完成。人类智能再简单计算方面不是进化而是退化了。从这个意义上来说,人工智能已成为人类智能的补充和一部分,是人类智能的辅助和延续。

人类为了更好地把自己有限的精力投入到只能由人类智能完成的领域,就把某些人脑的功能赋予了人工智能,间接的帮助人工智能完成了进化。由于人类不断的这种进化完善和加强。人工智能的升级速度也越来越快。尤其随着计算机的更新速度日新月异,人工智能的升级速度越来越快。人类智能在越来越大的领域不得不让位于人工智能。出现了人工智能不断蚕食人类智能的局面。这正是人类智能自己努力进化的必然结果。

其次,人工智能就算是可以勉强纳入进化的概念中也不可能实现。

进化的必要条件人工智能仍不具备,这其中包括生命特征、进化的外因和进lO

化的目的即内因。

1、生命特征:。生命是由核酸与蛋白质组成的、具有自我更新和自我复制能力的多分子体系。”o由于人工智能目前和可以预见的将来仍不具备生命所必需的特征,遗传和变异无从谈起,因此,缺少生命特征,就不具备进化的先决条件。

2、进化的外因:进化的外因是引起进化的必要条件。人工智能和外部环境的联系是通过人类间接来完成的,没有直接和外部环境紧密关系,无法纳入生物链,和别的种群无法关联。也就是说外部环境的变动对其不会产生直接的影响。即使是出现星体的聚变恐怕对人工智能都不会有影响.人工智能作为相对独立于外部环境的非生命的东西显然不会对外界环境的变化产生相应的适应性变化。

3、进化的目的:进化的内因是进化的动力。当外因不能引起进化时,内因就成了唯一的动力了。但是,人工智能由于缺乏适应性进化,其内因也不具备。人工智能不会因为自己的需要而去特意的“用进废退”,其发展和升级取决于人类智能的价值取向j因此,人工智能不可能自己主动去完成“进化”.

综上所述,人工智能必将战胜人类智能的进化论依据不成立。

(二)反对类比人类智能创造性的理论依据

人类智能的创造性根源于人类大脑的思维判断和推理。‰・到了高等灵长类,判断和推理的能力不断增强。只有人类才真正从动物中提升出来。e.e”0霍但是由于缺乏对人类大脑的彻底解构,所以到现在为止人类智能的创造性产生的机理和过程还无从得知。

因为人类大脑作为人类反映中枢太过于复杂,即使是物理的、静态的对大脑的全面了解也无法给出彻底的答案,更何况我们都知道,大脑是一个活体的系统,首先是活体,然后是系统。从伦理学的角度来说,对活体的大脑进行研究违背了伦理学的底线,科学界是禁止此类研究活动的,即便是对克隆人大脑机理的研究。o李难.迸化论教程凸妇.北京:高等教育出版社。1990年.第40贞

。事难.进化论教程【耵.北京:高等教育出版社,1990年.第139页ll

其次,对大脑系统的完全的了解也不太容易,抛开其复杂性的结构不说,单是系统工作的原理就不好解决。毕竟部分的单纯的相加不等于整体。这就是说对人类智能创造性产生的机理尚不了解,何来评价人工智能的创造性呢?

比如:当代机器人的最高境界也不过是具有人工识别系统和简单的语音系统,以及对简单事件的反映,但这一切都离不开软件的支持,而软件的支持却是由人类智能不断的更新来完成的。实际上不过是人类智能的外在表现。简单的人类智能尚且如此难以完成,更何况作为人类智能独有的创造性!

因此,现在谈论解密人工智能的创造性为时尚早。只有等到对人类大脑的结构和工作的机理完全掌握之后,才可以设想对人工智能赋予其类似于人类智能的的研究而停止。因此,从哲学上来讲,就进入了一个悖论。而要解决这个悖论,

(三)反对量变质变论的理论依据

人工智能在本世纪初的发展速度相较于上世纪末的发展可以用爆炸来形容。能在不久的将来就可以很轻松地战胜人类智能。这种想法是相当幼稚和错误的。因为他们根本不懂马克思主义哲学辩证法的量变质变定律。

马克思在<反杜林论》中,就量变质变定律同杜林就进行过同样的论战。杜林嘲笑马克思说:。例如:由于引证黑格尔关于量转变成质这个混乱的模糊观念,多么滑稽!”o。但是这种嘲笑受到马克思的驳斥:“…只是在做了这些说明之后,马克思才指出:‘在这里,也象在自然科学上一样,证明了黑格尔在他的(逻辑学>中所发现的下列规律的正确性,即单纯的量的变化到一定点时就会转化为质的差别。’而且还迸一步阐明论证了下述事实j不是任何一个微小的价值额都足以

12创造性.但不要忘记:人类大脑还在不停的进化,这种进化不会因为人类对自己在可见的预期内无法完成。人工智能不断表现出来的某些方面超越人类智能的现象促使某些人预测:人工智所以预付款项达到一定界限时就会单单由于这种量的增加而成为资本,一这显得o‘马克思恩格斯全集'第20‘卷.北京:人民出版社,1965年第137页

转化为资本,而是每一发展时期和每一工业部门为实现这一转化都有自己的一定的最低限额”。母

在这里马克思说明了量变到质变的关键是“最低限额”,这个“最低限额”相对于不同事物的不同时期和不同环境都不会相同,那么人工智能要想追上甚至超过人类智能实现质的转变,这个“最低限额”是什么7首先要解决这个问题,才能谈论人工智能的未来走向。我想就相比较人类和其他动物的智能一样,人工智能首先要具有可比性,即它首先要有和人类相类似的特征:生命。如果人工智能/

无法实现生命特征,无法和自然界发生联系,无法融入生物圈。那么人工智能永远和人类智能没有可比性,也就不会存在谁超越谁的问题,人工智能只能作为人类智能外化、作为人类智能的辅助和工具。

而如果想让人工智能具有生命特征确实很难,尤其以现在的科技水平。然而似乎还有克隆人这条路可走,试想一下:人类智能通过克隆创造出一种新的类似于人类的生命,然后再赋予它以独立的生存方式,融入生物圈,而且它们可以实现批量的繁殖和再生。进化是采用芯片植入和软件升级的方式进行.这时的人工智能才能在真正意义上和人类智能一较高下。从这个意义上来说,克隆人不再是人,而是“生物机器人”.但这种实现方式已经被人类智能所禁止,因此从理论上来讲,这种可能不会存在l

单纯的人工智能的量变难以实现到超越人类智能的质变!

o‘马克思息格斯全集)第20眷.北京:人民出版社,1965年第137—138页13

三、对人工智能的几点思考

(一)人工智能实现突破的理论途径

1、自我进化的突破

人工智能系统目前以硅磁材料作为信息载体,在计算机软件的组织和控制下运行。但这还远远不够,现在的人工智能系统尚未具备一个进化系统所必须的自我更新和自我复制特性。其原因在于第一,信息载体的信息记录密度还不够高,因而信息量离一个进化系统仍有很大距离。第二,对一个进化系统所需要的巨量的信息本身,还缺少一个相应的强有力的组织手段,否则大量的信息不能被有效利用。这两个问题能不能在可以预见的将来得到解决呢7.事实上,当前正在兴起的纳米技术和自生软件技术已经使我们看到了人工智能系统自我进化的曙光。

纳米技术是在微电子技术的基础上发展起的新兴技术。纳米技术使人类能够直接把握单个原子。美国科学家已经用单个原子排列成了“IBM”字样。这就是说纳米技术的诞生使得人工智能系统有可能以原子的密度来进行信息存储,使人工智能系统的信息记录密度达到甚至超过人脑的记录密度。人工智能系统不仅需要拥有巨量的信息资源,还要具有信息不断延续的特性。否则,便不能实现遗传和进化。人工智能理论认为,生物作为一种可以自我进化的系统是由信息(DNA)指示蛋白质生成器(ribosome)去制造出蛋白质(protein)而形成的。由于它能自我生成与更新,所以可以永久生存,不断进化。而大量的人工产品如汽车、飞机、以及非人工智能计算机等,由于产品本身缺少传递再制造的信息与生成器,所以损坏以后不能再自我生成,更谈不上自我进化.要使它们具有不断迸化的生命力,就必须用软件的方式实现信息的遗传和继承,使其象生物系统一样自我繁殖,自我进化。具有这种特征的软件系统就是自生软件系统.自生软件不仅为人工智能系统的自我进化开辟了道路,而且还把人工智能系统纳入了同其它自然种群没有区别的物竟天择、优胜劣汰的进化过程,从而把智能进化乃至生命进化的自然过程推向一个崭14

新的发展阶段.

2、人脑思维方式研究的突破

目前人工智能的发展方向主要有两个,~是从生理和心理角度了解思维的性

质:还有一个是利用已知的对大脑功能的了解研制越来越复杂的计算系统——智能机器,来模拟人脑的功能,帮助人们摆脱望而却步的繁琐计算工作。

和“紫光之星”就是第二种意义上的一种比较复杂的计算系统。IB“深蓝”M的一位科学家指出:谁胜谁负并不重要,重要的是进一步理解人脑的思维方式,以便将这类成果应用于研究开发处理能力更强的计算机,使之成为能够帮助人们决策的辅助工具。这也是制约人工智能发展的一个瓶颈。,

人工智能要模拟人的智能,而是最能体现人的智能特征的能动性和创造性。人

的创造性思维活动包括学习、抉择、尝试、修正、推理诸因素。例如,选择性地搜集相关的经验证据,在不充分信息的基础上作出尝试性的判断或抉择,不断根据环境反馈调整、修正自己的行为,由此达到实践的成功。于是,在全面地研究人的思维活动的同时,并着重研究人的思维中最能体现其能动性特征的各种不确定性推理,由此发展出的现代逻辑思维就具有更强的可应用性。

实际上,在20世纪中后期,现代逻辑思维与人工智能之间的研究具有相互融合

和渗透的特点.现代逻辑思维所研究的许多课题在理论计算机和人工智能中具有重要的应用价值,而人工智能从认知心理学、社会科学以及决策科学中获得了许多资源,现代哲学逻辑思维的研究在其中发挥了特别突出的作用。它促使哲学逻辑家去发展关于非数学推理的理论;基于几乎同样的理由,人工智能的研究者也在进行类似的探索。例如,人工智能研究特别关心的如效率和资源有限的推理、感知、做计划和计划再认、关于他人的知识和信念的推理、各认知主体之间相互的知识、自然语言理解、知识表示、常识的精确处理、对不确定性的处理、容错推理、关于时间和因果性的推理、解释或说明、对归纳概括以及概念的学习等课题,逻辑思维的研究者也同样关注这些问题,并对它们进行研究。为了做到这一点,逻辑学家们有必要熟悉人工智能的要求及其相关进展,使其研究成果在人工智能中具有可

应用性。在逻辑思维研究中,对常识推理中的某些协调、非单调和容错性因素研究、对各种具有不确定性的推理模式进行研究、对人脑思维的非逻辑推论功能模拟的研究,都是极有价值且极富挑战性的课题。在21世纪,在这些领域里无疑将得到重视并出现具有重大意义的成果。

只有在彻底的了解人类大脑的结构和功能之后,人工智能全面超越甚至取代

人类智能才有可能。

(二)人工智能的未来趋势

当前人工智能的发展正处于一个转折时期,在人工智能早期的研究取得一系

列成果的鼓舞下,1958年就有人工智能专家预言:进入八十年代将是全面实现人工智能的时代。然而人工智能研究的实践所给出的回答使人们的头脑逐渐冷静了下来。实际情况是从六十年代到七十年代人工智能取得的成果远远达不到专家们的期望。哲学家休伯特・德雷福斯(HubertL.Dreyfus)在t979年的‘计算机不能做什么》一书中(副标题是“人工智能的极限”),提出了一些重要的和带有根本性的问题。他看到所有的人工智能基础研究进展都十分缓慢,他把这种进展缓慢看作是存在着不可逾越障碍的标志,而不是那种为克服困难取碍成功之路上所应付出的正常代价。德雷福斯把智能活动分成四类。第一类是刺激一反应,这是心理学家最的熟悉的领域,其中包括与上下文环境。同有关活动无关的、各种形式的初级联想型行为。第二类是帕斯卡的思维领域,它由概念世界两不是感知世界构成,问题完全形式化了,并完全可以计算。第三类是原则上可形式化而实际上无法驾驭的行为,称为复杂一形式化系统,包括那些实际上不能用穷举算法(象棋、围棋等)处理的,因而需要启发式程序的系统。第四类是那些非形式化的行为领域,包括有规律但无规则支持的、我们人类所有的日常活动.在该书最后一节,标题是人工智能的未来,提出了人与机器相结合的观点,他谈到以前巴希莱尔、臭・格尔和约翰・皮尔斯他们都主张采用可使计算机与人共生的系统,并强调了罗森布里斯在1962年一次学术会议上的观点“人同计算机一起能够完成谁也16

无法单独完成的事”.

该书的中文译本于1986年出版,校者是马希文,看来他已经看出人机共生的

重要性。他在校者的话中写道:“从应用上来看谈论人脑与计算机的彼此替代未免空泛、消极,不如研究使两者取长补短的人机共生系统。这样做,不只有实用意义,而且对于我们对思维的认识、对信息处理在思维中地位的认识将提供许多有启发性的实验资料。”

钱学森在1991年4月18日与他指导的科研集体中的部分成员做过如下一次

总结性的谈话:“智能机是非常重要的,是国家大事,关系到下一个世纪我们国家的地位。如果在这个问题上有所突破,将有深远的影响。我们要研究的问题不是智能枫,而是人与机器相结合的智能系统。不能把人排除在外,是一个人机智能系统。”近几年已有不少专家认为。对人工智能系统的研究应该采取“人机结合”的方针。人机智能系统是人脑与电脑构成的统一体,是人与计算机各自完成自己最擅长的任务、优势互补的统一体。人机智能系统就是使智能计算机与人之间形成一种合作关系,系统的智能是人机合作的产物。在人机结合的智能系统中,不是把人排除在外,是要始终发挥人的主导作用。

结语

在现阶段人工智能还离不开人类智能的帮助而达到自己的升级.所以进化和

创造性还无从谈起。无论现阶段人工智能在局部表现出多么强大的功能,人工智能的作用只是作为人类智能的外化和作为人类智能工具的延长,从而被人类智能限制在了特定的范围之内。其智能水平远不能和人类智能相提并论。

如果将来人类智能真的能在理论和实践上取得突破,比如;对人的大脑的彻

底的动态解构、自生软件的诞生、人机合一的人工智能机的诞生等等。到那时再探讨这个问题将会有一个明晰的答案。

通过以上对人工智能定义和发展的分析,并结合最新人工智能的成果可以得17

出这样的结论:人类对人脑的功能会不断地进行认识,从而人工智能会不断的迫近人类智能。但从动态分析上,即人类智能也在不断的进化和发展,人工智能作为人类智能主体客体化的产物,其作用和功能受到人类智能的制约所以要低于人类智能。

通过对本论文的撰写,作为一名学习马克思主义哲学的学生,可以看到就像

马克思主义哲学的产生和发展离不开自然科学的进步和突破一样,现代马克思主义哲学的研究也离不开对最前沿的自然科学的成果的吸收。通过辩证的看待马克恩主义哲学与自然科学的关系。我们还可以得到另外一个结论,即:自然科学的研究和发展离不开马克思主义哲学的指导作用;与此同时,马克思主义哲学不断发展的要求必须建立在不断吸收自然科学最新成果的精华并且不断地进行阶段性的总结基础上,绝不能脱离自然科学而停留在仅仅对其文本的研究上,只有这样才能完成其自身的不断的进化。‘

参考文献

著作类:

[1]卢明森.思维奥秘探索嘲.北京:农业大学出版社,1994年.

[2]李难.进化论教程[M】.北京:高等教育出版社,1990年.

[3]钱学森.关于思维科学凸I].上海:上海人民出版社,1986.年

[4]何华灿等.人工智能导论[M].西安:西北工业大学出版社,1988年.

[5]郝季仁.维纳.控制论[M].科学出版社,1985年.

[6]孟凯韬.思维数学引论m].北京:科学出版社,1991年.

[7]丁润生.现代思维科学[M].重庆:重庆出版社,1992年.

[8]

[9]吴学谋.从泛系观看世界[M].北京:中国人民大学出版社,1993年.‘马克思思格斯全集》第20卷.北京:人民出版社,1965年.

[10]中国科学院课题组.21世纪科学发展趋势[M].北京:科学出版社,1996年.

[11]王浩.哥德尔[M].康宏逵译.上海:上海译文出版社,1997年.

[12]王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,1999年.

[13]吴文俊.王者之路———-机器证明及其应用DI].长沙:湖南科技出版社,1999年.[14]靳藩.神经计算智能基础[M].成都:西南交通大学出版社,2000年.

[15]博登.人工智能哲学[M].上海:上海译文出版社,2001年.

[16]周昌乐.无心的机器[岫.长沙:湖南科技出版社,2000年.

[17]丁润生,翟建才,何跃.思维科学新探[M].香港:天马图书有限公司,2002年.[18]门泽尔.机器人的未来[蝴.上海:上海辞书出版社,2002年.

[19]金吾伦/胡新和.库恩.科学革命的结构[M]:北京大学出版,2003年.

[20](英)丹皮尔.科学史[M].广西师范大学出版社,2003年.

[21]刘放桐等.新编现代西方哲学[M].人民出版社,2003年.

[22]阮迪云、寿天德.神经生理学[M].中国科学技术大学出版社,1996年:

[23]万选才等.现代神经生物学嘲.北医和协和联合出版社,1999年.19

[241ProfessorWalterJFreeman.NeurodynamicsAnExplorationInMesoscopic

BrainDynamiesM].UaiversityofCalifornia,Berkdey,USA,2002.

[25]Rosenblatt.PrinciplesofNeurodynamics[M].SpmanBooks,Washington,1962

论文类:

1、钱俊生.人工智能问题的哲学分析.‘理论月刊》1985(3).

2、陈波.‘人工智能——当代逻辑发展的动力》[N].光明日报,2000(6).

3、郝宁湘.‘信息革命的潜在危机:人文生态的破坏》[J].云南社会科学,1997(5).4、童天湘.‘从“人机大战”到人机共生>[J].自然辩证法研究,1997(9).

5、胡懋仁.‘人工智能,-f]经验科学的回顾与前瞻'[J】.自然辨证法研

究,1997(11).

6、蔡曙山.‘哲学家如何理解人工智能——塞尔的“中文房间争论”及其意义》[J].自然辨证法研究,2001(3).

7、吴允曾.‘关于形式化的几个问题》[J].哲学研究,1986(2).

8、康兰波.<论人工智能的哲学意蕴含’[J].重庆大学学报,2002(7).

9、杨必仪.<泛系的时代与文化特征》[J].系统辩证学学报,2003(5).

10、蔡曙山.<心智科学的若干重要理论探析》[J】.自然辩证法通讯,2002(6).

11、孙珩.‘浅谈工智能的发展趋势》[J].IT与网络,2002(3).

12、刘西瑞,王汉琦.‘人工智能中的形式化问题》[J].自然辩证法研究,2002(4).13、苏焰.‘泛系论:百科可络的新网》[J].凉山大学学报,2003(5).

14、刘长林.‘论信息的哲学本性》[J].中国社会科学,1985(2).

15、童天湘.<人工智能与第N代计算》[J].哲学研究,1985(5).

16、王德禄.‘关于熵和信息联系的一片早期文献)[J].自然辩证法,1986(6).

17、乌锟等.‘关于信息论研究中几个问题的探讨'[J].社会科学评论,1986(1).18、路高.‘人工智能的困境与自组织思维方法》【J].北京师范大学学报,1990(5).19、杜雄柏.人工智能问题的认识论分析.‘湘潭大学学报》(哲学社会科学版)

.1999(3).

20、默亮.‘电子计算机技术发展的社会——哲学问题》[J】.科学・经济,1990(5).21、郝宁湘.‘对信息本质的分析和认识'[J].青海社会科学,1989(5).

22、孟庆平.‘试论信息及其本质特征》[J].学术交流,1989(5).

23、雷智仕.<关于信息的哲学思考》[J].北京钢铁学院学报,1987(2).

24、钱俊生.‘人工智能问题的哲学分析》[J].理论月刊,1985(4).

25、施启良.‘宇宙统一与信息吗?'[J].中国社会科学,1991(2).

26、何玉德.‘信息和科学哲学的进步’[J].内蒙古师大学报,1987(3).

27、周荫祖.‘控制论的哲学意义’[J].中州学刊,1986(1).

28、毛华滨,高新民.‘从意向性看人工智能的发展方向'[J].科学技术与辩证法,2005(10).

29、钱铁云.‘人工智能是否可以超越人类智能?》EJ].科学技术与辩证法。2004(5).30、姚炜.‘人工智能的认识论思考)[J].安徽教育学院报,1990(3).

31、孙鹏文、赵永红、富秀荣.浅析人工智能和人类智能的关系.‘内蒙古工业大学学报》(人文社科版)1999(5).

32、李亚宁.关于人工智能极限研究的哲学问题.‘四川大学学报'1999(6).

33、张善信.人工智能课题及其认知意义.‘中国矿业大学学报》2001(1).

34、王黔玲.人工智能会超过人类智能吗?‘社会科学研究'1996(3)

35、鄙全民.人工智能中的达尔文主义.‘自然辩证法研究'1998(7)

36、代维.人工智能Vs人类智能,20年后谁称雄.‘青年探索'2002(5)

37、GERSTEIN,G.L.&KIANE,N.Y.-SJlnapproachtothequantitativeanalysiselectrophysiologicalofdatafromsingleneurons[J].Biophys,1962(2).

38、HARTH,E.M.,CSERMELY,T.L,BEEK,B.&LiNDsAY,RD.Brainfunctionsandneuralaynam妇阴.Theor.Biol,1970(4).

Gusel.1aikova,K.G.Neurosci阴.Theor.Biol,1968(9).39、Voronkov,G.S.,and

40、ProfessorWaiterJFreeman.(ExperimentalMethodsofTetrodeArray

Nettrophysiology人工智能是否终将超越人类智能

  【摘要】谷歌公司的AlphaGo与韩国棋圣李世石的人机围棋巅峰对决,以AlphaGo 4比1的压倒性胜利落下帷幕。这个比赛结果不仅向全世界展示了人工智能的强大实力与巨大应用潜力,也在人类社会引起了不小的恐慌和忧虑。人们开始认真思考:人工智能将会给人类社会带来哪些进步及挑战? 机器智能最终会否超越人类智能?要想回答这些问题,我们首先需要了解人工智能的本质及其基本原理。本文首先对人工智能领域里最受世人瞩目的研究成果――深度学习卷积神经网络――做一个简单描述,进而围绕机器学习的本质及其基本原理进行探讨。接下来,通过对人脑认知机理最新研究成果的概括介绍,揭示机器智能与人类智能的本质差异,比较两种智能的优劣。通过优劣势比较,试图找出针对上述问题的答案。

  关键词】人工智能 AlphaGo 神经突触 机器学习 模式识别
  【中图分类号】TP18 【文献标识码】 A
  【DOI】10.16619/j.cnki.rmltxsqy.2016.07.002
  2016年3月9~15日,谷歌公司研发的AlphaGo围棋软件与韩国棋圣李世石进行了五场人机对决,AlphaGo以4比1的比分取得了压倒性的胜利。这个比赛结果不仅震惊了整个围棋界,也让人工智能领域的许多专家学者跌破眼镜,更让人工智能走出象牙塔,成为许多普通百姓茶余饭后的热点话题。这场人机围棋巅峰对决不仅向全世界展示了人工智能的强大实力与巨大应用潜力,也在人类社会引起了不小的恐慌和忧虑。人们开始认真思考以下这些问题:机器智能最终会超越人类智能吗?人工智能将会如何改变人类社会?未来的智能机器会像电影《终结者》里所描述的那样试图主宰人类、甚至消灭人类吗?要想回答这些问题,我们首先需要了解人工智能的本质及其基本原理,进而讨论其发展的规律和前景。当前,人工智能领域最前沿的分支学科当属机器学习分支。本文首先对机器学习分支中最受世人瞩目的研究成果――深度学习卷积神经网络――做一个简单综述,进而围绕机器学习的本质及其基本原理进行探讨。接下来,通过对人脑认知机理最新研究成果的概括介绍,揭示机器智能与人类智能的本质差异,比较两种智能的优势与劣势。通过机器智能与人类智能的优劣势比较,试图找出上述几个问题的答案。
  深度学习卷积神经网络
  过去几年里,深度学习卷积神经网络所取得的成就足以使它成为人工智能王冠上最光彩夺目的明珠。基于深度学习卷积神经网络的语音识别系统把语音识别的精度提高到了产品级的精度,从而为人类与计算机及各种智能终端之间提供了一种崭新的、更为便捷的交互方式。将深度学习卷积神经网络应用于图像内容及人脸的识别,科学家们取得了能够与人类视觉系统相媲美的识别精度。战胜韩国棋圣李世石的谷歌围棋软件AlphaGo能够取得如此辉煌的战绩,深度学习卷积神经网络也发挥了关键性的作用。接下来,我们对深度学习卷积神经网络的起源及其原理做一个简单介绍。
  脑神经科学领域的大量研究表明,人脑由大约1011个神经细胞及1015个神经突触组成,这些神经细胞及其突触构成一个庞大的生物神经网络。每个神经细胞通过突触与其它神经细胞进行连接与信息传递。当通过突触所接收到的信号强度超过某个阈值时,神经细胞便会进入激活状态,并通过突触向上层神经细胞发送激活信号。人类所有与意识及智能有关的活动,都是通过特定区域神经细胞之间的相互激活与协同工作而实现的。
  早于1943年,美国心理学家W.S. McCulloch和数学家W. A. Pitts就在他们的论文中提出了生物神经元的计算模型(简称M-P①模型),为后续人工神经网络的研究奠定了基础。M-P模型的结构如图1(a)所示,它包含n个带有权重的输入,一个输出,一个偏置b和一个激活函数组成。n个输入代表来自下层n个神经突触的信息,每个权重W)代表对应突触的连接强度,激活函数通常采用拥有S-型曲线的sigmoid函数(参见图1(b)),用来模拟神经细胞的激活模式。
  早期的人工神经网络大都是基于M-P神经元的全连接网络。如图2所示,此类网络的特点是,属于同一层的神经元之间不存在连接;当前层的某个神经元与上一层的所有神经元都有连接。然而,人们很快发现,这种全连接神经网络在应用于各种识别任务时不但识别精度不高,而且还不容易训练。当神经网络的层数超过4层时,用传统的反向传递算法(Back Propagation)训练已经无法收敛。
  1983年,日本学者福岛教授基于Hubel-Wiese的视觉认知模型提出了卷积神经网络计算模型(Convolution Neural Network,简称CNN)。早在1962年,Hubel和Wiesel通过对猫视觉皮层细胞的深入研究,提出高级动物视觉神经网络由简单细胞和复杂细胞构成(如图3所示)。神经网络底层的简单细胞的感受野只对应视网膜的某个特定区域,并只对该区域中特定方向的边界线产生反应。复杂细胞通过对具有特定取向的简单细胞进行聚类,拥有较大感受野,并获得具有一定不变性的特征。上层简单细胞对共生概率较高的复杂细胞进行聚类,产生更为复杂的边界特征。通过简单细胞和复杂细胞的逐层交替出现,视觉神经网络实现了提取高度抽象性及不变性图像特征的能力。
  卷积神经网络可以看作是实现上述Hubel-Wiesel视觉认知模型的第一个网络计算模型。如图4所示,卷积神经网络是由卷积层(Convolution Layer)与降采样层(Sampling Layer)交替出现的多层神经网络,每层由多个将神经元排列成二维平面的子层组成(称为特征图,Feature Map)。每个卷积层和上层降采样层通常拥有相同数量的特征图。构成卷积层x的每个神经元负责对输入图像(如果x=1)或者x-1降采样层的特征图的特定小区域施行卷积运算,而降采样层y的每个神经元则负责对y-1卷积层的对应特征图的特定小区域进行Max Pooling(只保留该区域神经元的最大输出值)。卷积运算中所使用的卷积核系数都是通过学习训练自动获取的。卷积层中属于同一个特征图的神经元都共享一个卷积核,负责学习和提取同一种图像特征,对应Hubel-Wiesel模型中某种特定取向的简单细胞。卷积层中不同的特征图负责学习和提取不同的图像特征,对应Hubel-Wiesel模型中不同类型的简单细胞。而降采样层y中神经元的Max Pooling操作等同于Hubel-Wiesel模型中复杂细胞对同类型简单细胞的聚类,是对人脑视觉皮层复杂细胞的简化模拟。   上世纪90年代初期,贝尔实验室的Yann LeCun等人成功应用卷积神经网络实现了高精度手写数字识别算法,所提出的系列LeNet,都达到商用级识别精度,被当时美国邮政局和许多大银行用来识别信封上的手写邮政编码及支票上面的手写数字。然而,受制于90年代计算机有限的内存和弱小的运算能力,LeNet网络采用了较浅的网络结构,每层使用的特征图数目也很少。尽管它在小规模图像识别问题上取得了较好的效果,但与传统机器学习算法(如SVM,AdaBoost等)相比,优势并不十分明显。此外,由于卷积神经网络拥有很高的自由度,设计出一款性能优异的网络需要灵感并配合丰富的经验积累,是一项极具挑战性的工作。因此卷积神经网络在被提出后的很长一段时间里并未得到足够的重视和广泛的应用。
  2012年,加拿大多伦多大学Geoffrey Hinton教授的团队提出了一个规模比传统CNN大许多的深度卷积神经网络(简称AlexNet)。该网络拥有5个卷积与降采样层、3个全连接层,每个卷积与降采样层拥有96384个特征图,网络参数达到6000多万个。利用AlexNet,Hinton团队在国际上最具影响力的图像内容分类比赛(2012 ImageNet ILSVRC)中取得了压倒性胜利,将1000类图像的Top-5分类错误率降低到15.315%。在这次比赛中,获得第二、三、四名的团队均采用了传统机器学习算法。三个团队的Top-5图像分类错误率分别是26.17%、26.98%和27.06%,相差不到1个百分点,而他们的成绩和第一名相比却低了超过10个百分点,差距十分明显。当前,深度卷积神经网络(Deep CNN)相对传统机器学习算法的优势还在不断扩大,传统学习方法在多个领域已经完全无法与Deep CNN相抗衡。
  机器学习算法的基本原理及其本质
  在几千年的科学探索与研究中,科学家们提出了许多描述自然界及人类社会中各种事物与现象的数学模型。这些模型主要可以被归纳为以下三大类别。
  归纳模型:由少数几个参数(变量)构成,每个变量都具有明确的物理意义。这类模型能够真正揭示被描述对象的本质及规律,许多数学和物理定律都是典型的归纳模型。
  预测模型:用一个拥有大量参数的万能函数来拟合用户所提供的训练样本。万能函数的参数一般不具备任何物理意义,模型本身往往只能用来模拟或预测某个特定事物或现象,并不能揭示被描述事物或现象的本质及内在规律。当代的大多数机器学习算法都是构建于预测模型之上的。例如,单隐层全连接神经网络所使用的数学模型是:
  上式中,x代表神经网络的输入,代表神经网络的参数集,M是隐层神经元的个数。这个数学模型如同一个橡皮泥,可以通过变换它的参数集被塑造成任何形状。给定一个训练样本集,其中分别代表训练样本i以及人工赋予该样本的标签(标签表示样本的类别或某种属性),通过利用T进行训练,我们就能够得到一个优化的参数集,使神经网络能够很好地拟合训练样本集T。当新的未知样本x出现时,我们就能够利用训练好的神经网络预测出它的标签y。显而易见,神经网络的参数集规模与神经元的数目及输入x的维数成正比,所有参数没有任何物理意义,模型本身也不具备揭示被描述对象的本质及内在规律的能力。
  直推模型:没有明确的数学函数,利用所采集的大数据预测特定输入的标签。此类模型认为针对某个事物或现象所采集的大数据就是对该事物或现象的客观描述。大数据的规模越大,对事物或现象的描述就越全面和准确。当新的未知样本x出现时,我们可以在大数据中找到x的K近邻,根据K近邻的标签或属性来决定x的标签或属性。显而易见,由于不需要定义明确的数学模型,与其它模型相比,直推模型最简单直接,但因为依靠大数据来决定未知样本的标签,直推模型往往需要较高的计算量及使用成本。同样,直推模型也不能被用来揭示事物或现象的本质及内在规律。
  应当指出,随着互联网用户数量的不断增长以及互联网技术的快速进步,利用互联网获取内容或用户大数据变得越来越简单廉价,利用直推模型来预测某个事物或现象也变得越来越普及。例如,许多互联网搜索引擎利用每个网页的用户点击率来改进搜索网页的排序精度,就是直推模型在互联网内容搜索领域的一个成功应用。
  综上所述,机器学习算法的本质就是选择一个万能函数建立预测模型。利用用户提供的训练样本对模型进行训练的目的,就是选择最优的参数集,使模型能够很好地拟合训练样本集的空间分布。通过训练得到的预测模型,实际上把训练样本集的空间分布提取出来并编码到其庞大的参数集中。利用这个训练好的预测模型,我们就能够预测新的未知样本x的标签或属性。当今大多数机器学习算法都是基于这个原理,谷歌公司的AlphaGo也不例外。
  针对某个事物或现象所采集的训练样本,是对该事物或现象的直观描述,蕴藏着大量与之相关的先验知识。例如,ImageNet ILSVRC国际图像内容分类比赛所提供的训练样本集拥有1000类、总共一百多万张彩色图像。每一类都对应自然界中的一种常见物体,如汽车、飞机、狗、鸟,等等,包含大约1000张从不同场景及不同角度拍摄的该种物体的彩色图像。利用这个训练样本集训练出来的深度卷积神经网络,实际上是将每类物体的共性特征及个体差异等进行信息提取与编码,并记忆到其庞大的参数集中。当新的未知图像出现时,神经网络就能够利用已编码到参数集中的这些先验知识,对输入图像进行准确的识别与分类。
  同样,谷歌公司在训练AlphaGo时,收集了20万个职业围棋高手的对局,再利用AlphaGo不同版本间的自我对弈生成了3000多万个对局。3000多万个围棋对局包含了人类在围棋领域所积累的最为丰富和全面的知识与经验。当新的棋局出现时,AlphaGo利用被编码于其庞大参数集中的这些先验知识,预测出胜率最高的一步棋,以及这步棋所产生的最终胜率。由于AlphaGo针对3000多万个对局进行了学习与编码,它对每一步棋的胜负判定甚至比九段棋手还要准,人类棋圣输给AlphaGo也就不足为奇了。   人类智能的本质与特性
  对于人脑及其高度复杂的智能,人类至今还所知甚少。关于“智能”这个名词的科学定义,学术文献中就存在着许多个版本。即使是少数几个被深入研究的认知功能(如人脑的视觉认知功能)的工作机理,也还存在着各种各样的假说和争议。在这里,我们列出若干较具代表性、认可度相对较高的关于人脑智能的假说及阐述。
  人类智能的本质是什么?这是认知科学的基本任务,也是基础科学面临的四大难题(Simon)中最后、最难解决的一个。每门基础科学都有其特定的基本单元,例如高能物理学的基本粒子,遗传学的基因、计算理论的符号、信息论的比特等。因此,“人类智能的本质是什么”这个问题在某种程度上取决于“什么是认知基本单元”。众所周知,适合描述物质世界的变量并不一定适合描述精神世界。因此,认知基本单元是什么这个问题,不能靠物理的推理或计算的分析来解决,根本上只有通过认知科学的实验来回答。大量实验结果显示,认知基本单元不是计算理论的符号,也不是信息论的比特,而是知觉组织形成的“知觉物体”。例如,实验表明,当人的视觉系统注意一只飞鸟的时候,它所注意的是整只鸟(即一个知觉物体),而不是鸟的某个特性(形状、大小、位置等)。尽管在飞行过程中鸟的各种特征性质在改变,但它是同一个知觉物体的性质始终保持不变。诺奖得主Kahneman认为,知觉物体概念的直觉定义正是在形状等特征性质改变下保持不变的同一性。中科院陈霖院士领导的团队在发展了30多年的拓扑性质知觉理论的基础上,提出大范围首先的知觉物体拓扑学定义:知觉物体的核心含义,即在变换下保持不变的整体同一性,可以被科学准确地定义为大范围拓扑不变性质。应当指出,上述大范围首先知觉物体的概念,与人工智能领域广为认同与采纳的由局部到整体,由特征到物体,由具体到抽象的认知计算模型是完全背道而驰的,因而在人工智能领域并没有得到足够的重视及应用。
  大量认知科学领域的实验研究表明,人类智能具有以下几个特性。
  人类智能的目标不是准确。人类智能并不追求在精神世界里客观准确地再现物理世界。上帝设计人类智能时,不假思索地直奔“生存”这一终极目标而去:用最合理的代价,获取最大的生存优势。人类大脑的平均能耗大约只有20瓦,相对于庞大的计算机系统来说只是九牛一毛。尽管人脑的重量只有1400克左右,约占人体重量的2.3%,但它的血液供应量却占到了全身的15.20%,耗氧量超过全身的20%,对于人类已经接近其生理可以负担的极限。在这种资源极其有限的条件下,人脑通过以下几种方式实现了最有效的资源调配,由此来保障最有意义的生理和智能活动。
  第一,主观能动的选择性。精神世界不是对物理世界的简单映射,而是非常扭曲和失真的。体积相对较小的手指、舌头等重点区域,在感觉运动中枢里却占据大部分的皮层区域。同样,在视觉上只有对应中央视野的视网膜具有很高的空间、颜色分辨率,而更广泛的外周视野只对物体的突然出现或消失,以及物体的运动更敏感。人类视觉处理的通常方式是,外周视野的显著变化会在第一时间被捕获,做出应激反应,然后再把中央视野移动到目标上进行后续的处理。
  人类通过知觉组织的选择性注意机制,直接感知输入信号中的大范围不变性质,而忽略大量的局部特征性质。大量视而不见的现象,在实验室研究中表现为注意瞬脱、变化盲视等等。比如,尽管可以清晰地分辨出霓虹灯中的色块颜色、形状各不相同,甚至在空间和时间上都不连续,人脑仍然把这些色块看成是同一个物体,从而产生运动的感觉。研究表明,这种运动错觉本质上不是运动,其生态意义在于对知觉对象进行不变性抽提。另一方面,人脑会主动把忽略的部分补充回来。而通过经验知识,上下文关系等补充回来的信息,难免有错。所谓错觉就是精神世界和物理世界的错位。这些错觉的生态意义在于在有限资源条件下,快速直接地形成稳定的感知。这种机制既是人类天马行空的联想能力和创造力的源泉,同时也是各种精神心理疾患的生物学基础。
  第二,模块化的层次结构和分布式表征。当前认知科学越来越依赖于脑成像技术的发展。功能模块化假设认为,大脑是由结构和功能相对独立、专司特定认知功能的多个脑区组成。这些模块组成复杂的层次结构,通过层次间的传递和反馈实现对输入信号的主动调节。大量脑成像的研究实验也支持了这一假设,特别是视觉研究发现了非常详细而复杂的功能模块及其层次结构。另一方面,分布式表征的假说认为,认知功能的神经机制是相对大范围的分布式脑状态,而不是特定脑区的激活与否。当前研究认为,人脑是模块化和分布式表达共存的自能系统。
  第三,反应性活动和内生性活动。人脑不是一个简单的刺激―反应系统,大量的内生性活动甚至比反应性活动还多。人脑在所谓的静息状态下的耗氧量与任务状态下相比差别很小。然而几乎所有的经典认知科学研究都是建立在刺激反应实验范式的基础之上。这种实验范式是让实验对象在特定的条件下完成特定的认知任务,收集并分析实验对象的行为或生理反应,通过对实验数据的充分比照,建立人脑某种活动模式或认知机理的假设。内生性活动因其往往只能通过内省的方式进行研究,而被长期排除在认知科学的研究主流之外。随着脑成像技术的发展,功能连接成为分析静息态大脑自发活动的有力工具。特别是默认网络的发现,创立了强调内生性活动的全新脑功能成像研究范式。默认网络被认为涉及警觉状态、自我意识、注意调控以及学习记忆等心理认知过程,已被广泛应用于社会认知、自我、注意、学习、发育、衰老机制的研究,有力推动了各种脑生物指标的完善和脑疾病的治疗,这些疾病包括阿尔兹海默病、帕金森病、抑郁症、精神分裂症和自闭症等等。
  因此,整合现有研究中有关分布式表达和内生性活动的最新研究成果,可能会带来对人脑活动模式(人类智能的物质基础)一种全新的理解。
  人类智能的本质不是计算。人类智能体现在对外部环境的感知、认知、对所观察事物或现象的抽象、记忆、判断、决策等。然而,这些智能并不是人类所独有。许多高等动物,如狗、猴子、猩猩,也或多或少具有类似的能力。同时,计算并不是人类智能的强项。真正将人类与其它动物区分开来的,是人类的逻辑推理能力、想象力、创造力以及自我意识。人类利用这类能力能够想象并且创造出自然界中不存在的东西,如汽车、飞机、电视、计算机、手机,互联网。这类能力是推动人类社会不断发展与进步的源泉,是生物智能的圣杯。
  而对代表生物智能最高水平的上述能力,人类目前还所知甚少,对其机理的研究还处于启蒙阶段。研究表明,这些能力不是依靠计算得来的,而似乎是与联想记忆及人类丰富的精神世界有关。基于脑信号的分析实验发现,人脑的海马回、海马旁回、杏仁核等脑区中存在着大量专司特定联想记忆的神经细胞。例如,上述脑区中存在单个或一小簇神经细胞,会被与美国前总统克林顿相关的所有刺激信号所激活,无论刺激信号是关于克林顿的图片,还是Clinton这个英语单词,还是克林顿本人的语音回放。显然,这些神经细胞并不是被某个模态的特定特征所激活,它们所对应的是克林顿这个抽象概念。此外,脑成像研究表明,围棋专业棋手相对于业余棋手更多的是依赖联想记忆系统,而非逻辑推理来下棋。实际上,围棋界训练棋手的最常用方法就是将高手对局中的关键部分拆解成许多死活题,棋手通过大量死活题的解题训练来提高自己联想记忆的经验和效率。
  机器智能与人类智能的优势与劣势
  当代的计算机拥有强大的存储与运算能力。伴随着计算技术的不断发展与进步,这些能力的增长似乎还远没有到达尽头。早在1997年,IBM的“深蓝”超级电脑就战胜了国际象棋冠军卡斯帕罗夫。但这次胜利在人工智能领域并没有产生太大的反响,原因在于,“深蓝”几乎纯粹是依靠强大的运算能力遍历所有的可能性,利用“蛮力”取胜的。“深蓝”所遵循的,就是“人工智能即是计算加记忆”这个简单法则。由于围棋的搜索空间比国际象棋大很多,“深蓝”的这种制胜策略针对围棋是行不通的。与“深蓝”相比,AlphaGo的最大进步就是从“计算加记忆”进化到“拟合加记忆”法则。它利用深度卷积神经网络这个万能函数,通过学习来拟合两千多年来人类所积累的全部经验及制胜模式,并将其编码到神经网络的庞大参数集中。对于当前棋局的任何一个可能的落子,训练好的神经网络都能够预测出它的优劣,并通过有限数量的模拟搜索,计算出最终的获胜概率。这样的战略不需要对棋局的所有可能性做遍历搜索,更像人类棋手所使用的策略。然而,由于AlphaGo对每个落子以及最终胜率的预测,是建立在围棋界两千多年来所形成的完整知识库之上的,它的预测比人类最优秀的棋手更准确。与其说李世石输给了机器系统,不如说输给了人类棋艺的集大成者。由此推断,AlphaGo取胜也是情理之中的事。
  与机器相比,人类智能的最大优势当属它的逻辑推理能力、想象力、创造力及其高效性。人脑功耗只有20多瓦,处理许多感知及认知任务(如图像识别、人脸识别、语音识别等)的精度与拥有庞大内存、运算速度达到万亿次的超级电脑相比却毫不逊色。尽管机器智能很可能在不远的将来在棋牌类竞赛中全面超越人类,但现有的机器学习框架并不能模拟出人类的想象力和创造力。因此,在当前情况下,机器智能全面超越人类智能的预测是不会成为现实的。
  随着机器学习算法的不断发展与进步,计算机借助强大的存储与运算能力,学习人类几千年来发展与进化过程中所积累的完整知识的能力越来越强,借助完整知识库对复杂事务进行预测与判断的准确度将会全面超越人类。由此推断,在未来几十年里,不仅是那些简单重复性的体力劳动将会全面被机器取代,而且那些需要对复杂事务进行评估与判断的工作,如金融投资、企业管理、军事指挥等,也有可能被让位于机器智能。甚至大到整个国家,也可能会越来越依靠机器智能预测政治、经济、外交发展趋势,制定最优的政策方针及发展规划。实际上,许多发达国家的智囊机构已经在利用各种评估及预测模型为政府提供对各种事物的预测与判断,提出政策建议或解决方案。
  然而,当前的机器学习框架无法模拟人类的想象力及创造力,科学研究与发明创造仍将是人类的优势所在。不难预测,在未来人类社会的发展进程中,将有越来越多的人从事科学研究以及新产品的设计研发工作。社会对每个人的知识能力、智慧以及发明创造力的要求将会越来越高,不具备这些能力的人们将会无法找到满意的工作,逐渐成为处于社会底层的贫困阶层。了解并解决科技迅速发展所带来的社会挑战,仍然是人类需要面对的任务,而机器是无法替代人类解决这些问题的。
  (中科院生物物理所脑与认知国家重点实验室周天罡、西安交通大学电信学院韩劲松对本文亦有贡献)
  责 编/凌肖汉
  Abstract: Recently, the smashing 4-1 win of Google’s AlphaGo over the South Korean Go Master Lee Sedol has not only shown the power and great potentials of artificial intelligence, but also caused panic and worries in the human society. People begin to think carefully about the progress and challenges that artificial intelligence will bring to the human society and whether artificial intelligence will ultimately surpass human intelligence. To find the answer, we need to first understand the essence and basic principles of artificial intelligence. In the beginning, this article briefly described the deep Convolutional Neural Networks (deep CNN)―the most popular research result in the field of machine intelligence to date, and then discussed the essence and basic principles of machine learning. After that, with an overview of the latest research discoveries about human brain’s cognitive mechanism, this article tried to reveal the essential differences between machine intelligence and human intelligence, and compared their advantages and disadvantages in order to find the answers to the foregoing questions.
  Keywords: artificial intelligence, AlphaGo, neural synapse, machine learning, pattern recognition

人工智能是否有朝一日超过人类智能

人工智能是否有朝一日超过人类智能?

所谓人工智能(英文缩写为AI)既是是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

目前,由《计算机世界》主办的人机对弈与64位技术及人工智能的未来研讨会在北京召开。包括戴汝为(中国工程院院士、中科院自动化所研究员)、陆汝钤(中国科学院院士、中科院数学所研究员)、倪光南(中国工程院院士、中科院计算所研究员)、吴文虎(清华大学教授、博士生导师)、马世龙(北航软件开发环境国家重点实验室副主任、计算机系教授)和杜子德(中国计算机学会秘书长)等计算机和人工智能领域的著名专家学者参加了本次研讨。国际象棋大师刘文哲、诸宸也出席了本次研讨会。各位专家一致认为 电脑仍很难全面超越人脑,它只能在某方面超越人脑,而人工智能则更加遥远。

吴文虎说:“赛前就认为计算机获胜的可能性比较大。”各位专家认为,电脑综合了人类国际象棋大师的群体经验,而且不会劳累。但诸宸只是人类最优秀的单个智慧,会劳累。因此诸宸失败是有可能的。电脑从问世之日起,它的计算能力就远远超过人脑。今天电脑在国际象棋上战胜人脑,只是在计算和推理的能力上超过了人脑,但想要在全局把握的能力上超过人脑仍不可能。

对于人工智能,各位专家均表现出了无奈。在863计划初期曾将人工智能放在非常重要的位置上。但后来在研究的过程中,发现人工智能是非常艰巨的研究过程,仍没有找到实现人工智能的方法,很少有突破,以至后来被逐渐冷落。专家认为电脑没有思想,不具备学习的能力,目前只能在计算的能力上超过人类。计算机只能逐渐在某个方面上逐渐超过人类,想要完全超越人类,特别是在情商把握全局的能力上超过人类仍是很遥远的事情。但专家也同时指出,如果人工智能超过了人类就需要限制,否则将给人类带来灭顶之灾。

从某些有名的人工智能与人类智能的对弈当中我们也可以看到人类智能胜于人工智能的“影子”,例如1996年2月10~17日,以4:2战胜(Deep Blue)“深蓝”,Garry Kasparov是因为走错一步棋而战胜“深蓝”,从这也可以看得到“深蓝”只是在比赛前被工作人员输入大量的高手棋艺对决的资料,并实行命令而已,但当面对对手走错棋,并且对手还能走下去的情况下,它不知如何对付自己的对手,因为它搜索不了相关资料,这就是人工智能与天生的人类智能的区别了,最后“深蓝”败给,谱写了人工智能远不及人类智能的历史又一个章程。但是到后来Garry Kasparov又输给改造的“深蓝”,但是这也不能说明人工智能强于人类智能,虽然说Garry Kasparov输给了深蓝,但深蓝是人类工程师制造的,其所有棋步于演算来自全世界的国际象棋棋手,可以说是Garry Kasparov在跟全世界顶尖的国际象棋棋手下棋,而深蓝只是个媒介,归根结底他还是输给了人类智能.人工智能是不会战胜人类的.因为没有人类工程师的制造与输入资料,“深蓝”根本不能运作。更何况与人类对弈呢?这也是一个很好的例子说明人工智能只能跟在人类智能的后面,永难超越人类智能。据说美国人工智能专家罗德尼.布鲁克斯打算在4年内就将他的机器人Cog开发成至少要具备一个小孩的各方面的智慧和能力;而加里斯则已经开始着手研制人造脑袋,并要在2011年使第三代人造脑袋的智能超过人类的40多倍。(其实,这样的言论已经并不新鲜了。早在1970年,明斯基就曾经做过离谱的预言:“在三年到八年的时间里,我们将研制出具有普通人一般智力的计算机。这样的机器能读懂莎士比亚的著作,会给汽车上润滑油,会玩弄政治权术,能讲笑话,会争吵。到了这个程度后,计算机将以惊人的速度进行自我教育。几个月之后,它将具有天才的智力,再过几个月,它的智力将无以伦比。”)

从所周知 “阿西莫夫机器人三定律”也是人定出来的,对于"死"的机器绝对有用,但是"自组织"却是

自然规律,我们虽然不能肯定,但也绝对不能否定电脑通过电和金属元件能够达到我们通过生物电和细胞构成的人脑结构.当他拥有了自己的思维他干吗还要遵守你的游戏规则?而事实证明了,电脑的开发速度是远远快过人脑的.现在的电脑的确不能战胜人脑,因为他具有太强烈的逻辑思维而忽视了非逻辑思维的存在。所以人工智能是难超越人类智能的。

的确,自从电子计算机诞生及人工智能(AI)理论形成以来,随着计算机智能化日新月异般的飞速发展,世界正飞速进入交互时代,人类生活的各个层面已深刻地感受到它的影响(它不仅改变了人类的生活方式——因特系统这个全方位开放的“无主管、无国界、无警察”的巨大网络已经把整个的世界收拢在只有方寸之大的硅芯片内,地球也由于网络的联接使地理位置变得无关紧要而紧缩成为了“地球村”——不管你在何处,网上成员的交流和沟通如同与邻居打一个招呼那么随意平常;而且也改变了人类的思维方式——上亿人的智慧和知识几乎是同步交流,现在人类的文明正以几何速度在飞跃发展,而诸如“常青藤”这样的名牌大学的课程和包括由世界上天才人物和领导人物所做的讲演也都可以让亿万人同时分享。美国实业家沃尔特.里斯顿也认为:“芯片正在改变你我的工作方式和整个世界的运作方式”)。研究和认识人工智能功用和性质的任务确实已经非常现实地摆在了人们的面前——因此,鉴别人类智力与人工智能的区别和关系就有着极为重要和现实的意义。

就算人工智能再厉害,它只不过是无限接近于人的智能而已,而不能超越人的智能,但是不可否认的是从宏观上和具体应用的方面来看,人工智能的确要比人厉害,因为在控制设备方面它可以面面俱到,而人可能会有疏忽,但是人工智能却缺少智能的最基本也是最重要的三件能力,那就是创造、思考和情感,就此看来人工智能还是远不及人类智能的。

但是我们不能说得那么绝对,因为 不管是理论上,人工智能是可以超越人类的,要是你所说的条件成立,那么在拥有超速的"思考"速度,超强的"记忆力",以及超快的"处理问题的时间",人工智能都远远的超过人类本身可以做到的极限.就像现在的大型计算机,已经达到了每秒20亿次的运算,而人脑我还没有听说过一秒可以运行50次运算的,从这方面来说,人工智能超过人类是必然的,不然,它就没有存在的意义与价值了.虽然人工智能是在人类智能的掌控下才得以运作,有人类智能的存在才会有人工智能的存在,但是人类之所以要制造人工智能相关的机器出来是要服务人类,不超过某些人类智能的话,制造它们出来也没意思了,科技在既不,经济在发展,人类的欲望也随之增强,所以人类要制造人工智能。人工智能与人类智能谁超过谁,谁在谁的前面,现在毫无疑问的说是人类智能胜于人工智能,可是未来是个未知数,就如我们所知道的生物的确都是由"有机"物构成的,但这个仅仅适用于地球或者说我们已知的范围,但是这个范围在宇宙中来说太狭窄,如果说复杂"生命"形式是宇宙物质自组织的必然结果的话,我们这种脆弱的"生物"远远不会是全部,或者有一种"生物"就是机器那样的钢铁也说不一定。

总之,无论人类最终在人工智能的研制(理论的和实践的)方面还能够走多远,我们都不应该在智力的这一个领域内对人工智能机指望过高——因为智力是人类的专属,是任何一种动物都不能超越的,因而也是任何一种机器都无法替代的。人工智能机所能做的充其量只是模拟人类进行智力工作,而不是替代人类进行智力工作(电脑只能做人脑不愿做的事情,即电脑能够从事人类数千年来所担负的枯燥重复性工作,以及机器人使人能摆脱掉不得不从事的工作。比如电脑能计算出10亿位的π值,能快速处理全国人口普查的烦琐数据,能精确地控制宇航器登陆火星的每一步骤;但人脑却能做电脑不能做的事情,比如“树上有10只鸟,被猎人用枪打下1只, 问树上还剩下几只鸟?”这样的简单问题)——因为电脑的智力与人类的智力是截然不同的两回事,“人类和计算机代表两种不同类型的智力”[阿西莫夫语]。

没有人类智慧的存在,人工智能也不复存在。这是硬道理。又因为人工智能不是人的智能,更不会超过人的智能。因此,人工智能最终要超越和替代人类智力的论调可以休矣!

人工智能能否超越人类智能

作者:王晓阳

自然辩证法研究 2015年10期

  中图分类号:N031 文献标识码:A 文章编号:1000-8934(2015)07-0104-07  人工智能(artificial intelligence,以下简记为AI)“是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。AI是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等”。[1]  以上这段引文来自因特网“百度百科”中的“AI”这一词条,也是一个几乎可以得到普遍认可的关于AI的标准理解。从上述引文,我们不难发觉AI研究的一个重要目标,那就是“生产出一种新的能以人类智能相似的方式做出反应的智能机器”。  可以说,自麦卡锡(John McCarthy)在1955年达特矛斯会议上首次提出“AI”这个概念之日起,绝大多数尝试制造智能机器或计算机来模拟人类智能(human intelligence,以下简记为HI)的研究都是朝着这一目标努力的。事实上,尽管在涉及和模拟人类的高级认知能力或智能方面(比如,情绪的表达、艺术的创造力等),AI研究似乎一直鲜有进展,然而在涉及和模拟人类某些特定的智能方面(比如,逻辑推理和计算),AI研究无疑已取得了令人瞩目的伟大成就。这方面广为人知的一个例子就是,IBM公司近十几年来一直在大力推动的“人机大战”。例1,1997年国际象棋世界冠军卡斯帕罗夫在前五局战平的情况下,最后一局(第六局)输给IBM的国际象棋计算机“深蓝”。例2,2011年IBM专为多年来一直风靡美国的智力竞赛电视栏目“危险边缘”(Jeopardy!)所设计的计算机“沃森”与该节目历史上两位最成功的选手肯-詹宁斯和布拉德-鲁特进行了一场终极对决,最终“沃森”完胜。沃森的总成绩为77147分,远高于两位人类选手21600分和24000分的成绩。①  在许多人看来,如果说,例1开始让人们认识到AI(电脑)在某些方面(如,推理和计算)可以与人类较量的现实,那么例2就足以表明,AI不仅在这些方面已经可以与人类较量,甚至开始超越人类了。然而在我看来,关于AI在某些方面(如,推理和计算)所取得的成就以及未来进展所抱有的这种乐观甚至推崇的态度,不免会引起如下这个值得我们进一步考虑的问题,那就是:人类有可能制造出比人类自身智力水平更高的事物吗?②

  二、问题分析  上述问题是本文将要处理的目标问题。不难理解,这个问题无疑也是一个涉及AI基础的关键问题。在弄清楚这个问题之前,我们似乎有必要事先澄清如下两个相关问题:第一,这里的“制造”是什么意思?对于这个问题,需要说明的是,本文在通常的意义上来使用“制造”这个词,但是“制造”这个词的确切含义在以下的讨论中并不重要。因为,这篇文章的目的并不在于讨论有关“AI”的一些技术性问题。我所关注的仅仅是一种哲学上的“可能性”。这种需要加以考察的“哲学上的可能性”就是,是否有可能制造出一个比人类自身具有更高智力水平的事物?换句话说,本文并不打算从技术的层面对“如何制造智能机器或智能物”进行具体的可行性论证,而是试图从哲学层面来考察“AI是否(原则上)有可能超越HI”这个涉及到AI基础的问题。第二,如何来界定这里的“智力”?在本文中,我仍沿用当前学界通行的思路,即凭借某种已获得特定权威机构或者科学共同体认可的或可靠的智力表来测试受试者的智力。利用这种测试方法所得到的结果是一些经验数据或数值,我们再将这些数值与智力测试表中的标准数值进行比较,从而就可以判断受试者智力水平的高低。这种做法其实就是凭借特定的智力表来测量受试者的智力水平。因此,如果我们愿意接受这种判定智力水平的方式的话(这也是目前学界通行的做法),那么在上节末尾提到的问题就可进一步转换为如下更为明确的表述,即我们是否有可能制造出一个(或一类)事物K,再利用特定的智力表S进行测试,则得出这样的结论:这个(类)事物K的智力水平比人类中任何一个成员的智力水平都要高?对此问题,可区分如下三种不同的情形论述之:  第一种情形。无论什么原因,如果我们始终无法提供任何一份合适的智力表S,用以测量事物K的智力,那么,我们根本就无法判断K具有怎样的智力水平,更不用谈所谓智力高低的问题了。  第二种情形。如果我们制定出了这样一份合适的智力表S,并且从世界各地随机找来各种各样的人(他们有着不同的信念、职业或性格等等),与事物K进行比照测验,经过一系列长期反复的严格测试,直至满意为止,结果显示:K确实具有比找来参与测试的任何一个人都高的智力水平。由于我们相信为此而设定的智力表S的可靠性以及所选取的比照组(即随机找来的各种各样的人)的客观性,因此可得出这样的结论:K具有比人类高的智力水平。但是,即便这样,就可以宣称已经制造出一个(类)比人类智力更高的事物K吗?我认为还不行。首先,我们可以说智力表S并不是合适的,不能如实地反映事物K的实际智力情况。其次,即使认可智力表S,也无法忽视一种未来的可能性,即似乎目前没有任何正当的理由可以阻止我们相信如下这种可能性:未来有可能出现一种我们目前还无法获知和拥有的技术,帮助人类实现智力水平的巨大飞跃,并且经由S测试,未来的HI仍高于K。可见在这种情形下,只能表明,经由S测试,K的智力水平高于至测试时为止的人类智力水平。因此,如果这种可能性存在的话,那么严格地讲,由于没有考虑时间因素,“可以制造出比人类智力水平更高的事物K”这一说法,仍然是站不住脚的。

  第三种情形就是在第二种情形的基础上,把时间因素考虑在内。这种情形就是,不管通过何种途径,假设我们能够制定出一份有效测试人类成员的智力水平的智力表S,不仅现在有效而且将来任何时候都有效。③下面我们来具体考察这种情形,可进一步再分为下述两种情况来讨论:(1)假定我们已经制造出了事物K,不管是一台复杂的机器还是某种奇怪的生物体,我们要测试K的智力水平,该怎么办?按照规定,唯一的途径就是对照智力表S。但是,S是否适用于K呢?按照上述规定,我们可以用S来测量人类成员的智力水平,并且我们也知道K是我们的制造物,但是由于K不同于人类,因此我们无法判断S是否也适用于K。也就是说,在这种情况下,我们根本无法断定是否可以用S来测试K的智力水平,更谈不上和人类的智力水平加以再比较了。换句话说,在这种情况下,我们对于“我们可以制造出比自己智力水平更高的事物”这一说法,仍然无法判断。④(2)如果S也适用于K,那么我们可以认为K的智力与人类的智力之间具有一种“可比较关系”(comparable relation,以下简记为CR)。注意:这里的CR是关键。如何理解CR呢?我的建议是,可以利用以下双向条件句来进行刻画:  (CR)事物t1和事物t2之间具有一种“可比较关系”,当且仅当t1和t2之间具有某个或某些相类似(analogous)的特征(character)C。  例如:这朵花比那朵花红,当且仅当这朵花和那朵花都具有相类似的红色特征,这样我们才可以比较二者之间的红色程度。  同理,当且仅当K和人类在智力方面具有某些类似特征,则K和人类之间才具有CR。然后再借助S,我们就可以测量和比较二者之间的智力水平了。可以说,至今为止AI几乎全部的研究工作都是基于承认或接受CR这个前提之上的。据我所知,尽管对于AI的批评一直不绝于耳,然而到目前为止几乎还没有人怀疑这个前提的必要性。换句话说,至今为止,无论是AI的支持者还是反对者,似乎都普遍接受如下基本信念:不承认K与人类之间具有CR,则我们所理解的AI研究工作是不可能开展下去的。这一点从本文开头所引的关于AI的标准理解中也不难看出。然而在我看来,这个必要前提或基本信念却是可疑的,因为不得不牵涉到形而上学层面的人格同一性论题。可以说,至今为止,我们关于AI的研究工作或争论(无论AI支持方还是反对方)似乎都没有注意到人格同一性论题与AI研究之间的关系。因此本文的重点就是:有别于目前对AI的常见质疑,将尝试借助人格同一性论题来构造一个从不同角度质疑AI研究基础和研究目标的全新论证,即“基于集体人格同一性的论证”(argument based on collective personal identity)。通过该论证,我将要为三个密切相关论点提供辩护:首先,目标问题(AI究竟能否超越HI)原则上无法仅在经验科学的框架中获得有效解决;其次,目标问题其实是一个没有认知意义的问题;最后,如果目标问题没有认知意义,那么AI研究的一个重要目标,即“生产出一种新的能以HI相似的方式做出反应的智能机器”,很可能也无法实现。

  三、关于AI的常见争论  在给出新论证之前,先简要回顾一下关于AI的常见争论或许是有益的。按照Hauser的梳理,[3]当前学界对AI的种种质疑,可归为三大类。第一大类是围绕计算主义的争论。有如下三种相互争论的观点:计算主义、二元论和心脑同一论。简言之,计算主义认为,可以将人脑看成数字计算机,因此HI或心灵本质上就是可计算的程序。而按照丘奇-图灵论题,作为一种通用图灵机,数字计算机可以完成一切可能的计算,因此AI是可能的。二元论认为,人脑是能产生主观经验(subjective experience)的独特装置而非数字计算机。心脑同一论则认为,人脑是神经活动的生理器官而非数字计算机,因此(计算主义意义上的)AI是不可能实现的。  第二大类是围绕AI理论框架可行性的争论。常见有如下两种反对意见:来自哥德尔不完备性定理的反驳,来自遵循规则行为或规则约束行为的反驳。第一种反对意见认为,按照哥德尔不完备性定理,在一个一致的算术系统中,至少有一条无法在该系统内部获得证明的定理。但是人类凭直觉可以知道这条无法被证明的定理为真。[4]因此任何计算机原则上无法实现HI,即AI原则上是不可能的。第二种反对意见则认为,由于人在应对各种复杂或突发的自然现象和社会现象时,常不按照某种既定的计划来执行。即使有预先谋划,也常随时调整,甚至也常常凭直觉和经验行事。这就表明,HI具有很强的机动性、直觉性和适应性,并非是某种既定的算法程序。正如德雷福斯(Hubert Dreyfus)所言,人类的很多高级行为(high-level behavior)(如,直觉反应)是不可以被编码的(encoded),是不可能被还原成遵循规则的行为(rule-following behavior)。[5]可见,任何仅由算法或规则程序约束的机器是不可能做到完全模拟或类似于HI的。因此AI不可能实现。  第三大类是围绕人类高级意识活动的争论。HI除了能体现出推理、计算这些意识活动之外,还能体现出情感、感受质、意向性、自由意志等一些更高级的意识活动。后面这些高级的意识活动涉及主观的维度,而任何关于AI的科学研究显然都只能是客观的活动。例如,查莫斯(David Chalmers)认为存在两类意识问题:[6]一类是意识的易问题,另一类是意识的难问题。前者指的是,关于那些能按照其因果角色(causal role)来做功能化解释的特定意识活动(如:学习、推理、回忆、信念等)中的问题。(原则上)认知科学的方法可以处理这类意识问题。后者指的是,不承担任何因果角色,因而不能给出功能化解释也不能用认知科学方法处理的那类意识问题。如:感受质(qualia)难题。如果他的区分是合理的,那么AI也是不可能实现的。因为按照查莫斯的区分,AI研究充其量只能处理意识的易问题。对于像感受质这样的难题,AI无能为力。又如,塞尔(John Searle)正是基于人类意识活动具有意向性的特点提出了中文屋论证。他认为,“被例示的计算程序仅凭自身永远不能成为意向性(产生)的充分条件”。[7]417因此,试图仅凭算法程序来模拟HI的强AI是不可能实现的。

  限于篇幅和主旨,不再对上述争论及其各种回应做进一步考察。但是不难看出,以上简要回顾应足以得出如下结论:目前学界围绕AI的种种争论尽管角度各不相同,却有一个共同的前提,那就是,至今为止,几乎所有的争论(无论支持或反对)都认为,AI与HI之间存在“可比较关系”(CR)(在本文第二节,我利用一个双条件句对CR进行了刻画)。⑤分歧仅在于:支持的一方认为,HI(原则上)是人工可复制的(artificially replicable),[3]因而AI完全可以接近或超越HI;反对的一方则认为,由于HI具有某些独特性,因而(原则上)AI无法接近或超越HI。  四、基于集体人格同一性的论证  基于上一节的考察,现在不难理解,HI不同于AI是这两者之间存在CR的一个必要条件。换言之,仅当HI有别于AI,HI和AI之间才有可能具有CR。因此,我们首先需要将HI与AI区别开来,才有可能进一步将二者进行比较。但是问题恰恰在于:究竟出于怎样的理由,我们认为AI有别于HI呢?是由于AI是人为的,因而不同于HI?还是由于HI具有某种独特性,而AI并不具有,因而二者不同?或者其他理由?  在我看来,不管出于怎样的理由,除非我们可以将人类与具有智能的人造物一劳永逸地区别开,否则我们就不能有效回答本文的目标问题(人类有可能制造出比人类自身智力水平更高的事物吗?)。注意,这里的“一劳永逸”是关键。因为任何宣称已经或将要制造出高于人类智力水平的制造物(K)的个人或机构,都避不开如下一个质疑:出于什么理由,我们可以一劳永逸地认为K有别于人类?不难理解,除非这类理由是某种必然为真的知识,否则我们就不可能做到一劳永逸地将K与人类区别开来。  那么,我们是否能拥有这样的必然知识呢?在回答这个问题之前,请先设想如下情形:一般来说,如今任何一个智力水平正常的人都会毫无困难地分辨出入与狗。因为人与狗之间的不同不仅是显而易见的,而且也可以找到科学的精确证据(例如,染色体的数目不同或基因图谱的区别)。但是如果将来有一天,人类经历了一场可怕的灾难。例如:某种未知病毒x的突然爆发,该病毒危害性大、传染性强而且传播迅速。病毒x致使人类身体大面积溃烂并导致迅速死亡,我们根本来不及应对。整个人类种族面临灭绝的危险。然而,我们幸运地发现狗对此病毒具有先天的免疫力。而且,届时的科技已经非常发达,人类已能够将人脑成功移植嫁接到别的哺乳类动物身上。假定,时间紧迫而且为躲避灭顶之灾,我们不得已采用这种技术。于是,经历这场浩劫之后,满街都是狗身人脑的生物。如果这个时候再问:人与狗之间有什么不同?这个问题似乎就很难回答。但是有一点可以肯定:面对此混合体,我们以往拥有的关于人与狗之间差别的所有常识或证据似乎都将失效。

  这种可怕的情况也许永远不会降临到人类头上,但无论如何都是可以设想的。而且,上述“人狗混合体”思想实验带给我们的一个直接启示就是,我们一直持有的关于人与狗之间差别的牢靠无疑的知识,其实是偶然真的。同理,我们也可以认为,“K有别于人类”的知识,也并非是必然真的。因此,如果我们无法一劳永逸地区别开K与人类,那么我们就不能宣称K与人类之间具有CR。而如果K与人类之间不具有CR,那么我们将无法判断AI是否可以超过HI。也就是说,人类有可能制造出比人类自身智力水平更高的事物吗?这个问题根本不可能得到明确的回答,因而是一个没有认知意义的问题。同理,如果K与人类之间不具有CR,那么AI研究的一个重要目标——“生产出一种新的能以HI相似的方式做出反应的智能机器”——也是不可能实现的。为便于理解,可将这里的论证整理如下:  (1)如果本文目标问题(人工智能能否超越人类智能)是一个有认知意义的问题,那么AI和HI之间具有CR。  (2)如果AI的重要目标(生产出一种新的能以人类智能相似的方式做出反应的智能机器)可能实现,那么AI和HI之间具有CR。  (3)如果AI和HI之间具有CR,那么存在“K有别于人类”的必然知识。  (4)不存在“K有别于人类”的必然知识。[集体人格同一性难题]  (5)由(3)(4)可得,AI和HI之间不具有CR。[Modus Tollens]  (6)由(2)(5)可得,AI的重要目标不可能实现。[Modus Tollens]  (7)由(1)(5)可得,本文目标问题不是一个有认知意义的问题。[Modus Tollens]  简单分析一下上述论证。首先,该论证并不打算去质疑AI的种种具体方案是否可行,而是专门针对有关AI的各种争论中普遍承诺的一个共同前提——AI和HI之间具有CR。其次,由于“AI和HI之间具有CR”的一个必要条件是,存在“K有别于人类”的必然知识。但是借助对“人狗混合体”思想实验的分析,我们有理由相信,由于集体人格同一性难题的存在,因而并没有“K有别于人类”的必然知识。最后,由于本文的目标问题(人工智能能否超越人类智能)是否具有认知意义,以及AI的重要目标(生产出一种新的能以人类智能相似的方式做出反应的智能机器)是否能实现,均取决于AI和HI之间是否具有CR。由此可进一步得出结论,不但本文目标问题并不是一个有认知意义的问题,而且AI的重要目标也不可能实现。此外,不难看出,该论证中的第(4)步很关键:借助于集体人格同一性难题,才得以否决存在“K有别于人类”的必然知识。可见,这也是其有别于其他关于AI论证的一个新颖之处。因此,我将该论证称之为“基于集体人格同一性的论证”。

  下面再回应一下该论证很有可能碰到的两个质疑:⑥  [质疑一]也许有人会说,我们完全可从物理-生理层面获得某种关于人类的本质的必然知识。如,按照当代分子遗传学的说法,人是具有某种特定基因图谱g的物种。于是我们就可以宣称,凡是具有基因图谱g的个体都可以称为人,反之则不是。这样,我们就获得了关于K有别于人类的一劳永逸的标准,即K有别于人类的必然为真的知识。尽管这种必然知识不是先天的(a priori),而是与我们的经验科学的发现有关,因此可以看做类似于“水是H[,2]O”这样的后天(a posteriori)必然知识。  [对质疑一的回应]质疑一的关键是,先区分两种必然知识:先天必然知识和后天必然知识。然后指出,我们没有理由不相信,K有别于人类的知识不可以是一种类似于“水是H[,2]O”这样一类的后天必然知识。但是在我看来,这个类比是无效的。理由就是,像水这样的简单无机物,我们似乎的确能通过揭示其微观物理结构而获得关于其本质的必然知识。然而我们有充足有理由相信,能够展现出智能行为或社会性行为的存在物,不能仅通过揭示微观结构的方法而获得关于其本质的后天必然知识。基于集体人格同一性论证的关键就在于此。具体而言,“集体人格同一性”,关注的不是由多个个体按照生物学意义上的某些生物性或物理性共同特征所组成的特定种群(population)或物种(species)——例如,智人——的人格同一性,而是由多个个体按照某些伦常性或社会性共同特征所组成的特定集体(collective)的人格同一性。换句话说,集体人格同一性探讨的是,究竟出于怎样的理由,我们应将某个特定集体称为人类呢?也就是说,我们不应该是出于某种物理-生理层面的原因,而将K与人类区别开来。因为,在我看来,如果K的确具有了和我们相似的智能以及随之而来的复杂智能行为或社会性行为,那么我们就有理由认为,K和我们应同属于一个集体,而非分属两个不同的集体。而且,由于任何集体所具有的社会性特征总会随着特定的社会环境和历史文化背景的变迁而不断变化,因此,不管K与人类是否属于同一个集体,这个或这些集体也都不会具有某种恒定不变的本质特征或在不同时空中均保持同一的社会性特征。  [质疑二]质疑一中的“必然知识”是一种能在所有情况下或在所有可能世界中将K与人类区别开的知识,但这样的要求或许太强了,可做如下弱化处理:我们也许不能获得K有别于人类的必然知识,但是,只要在某些可能的情况下或某些可能世界w中,有理由将K与人类区别开,那么我们就可以说,至少在这些可能世界w中,我们有关于“K有别于人类”的知识e。尽管这些知识e不是必然的(因为e不在所有可能世界都为真),但却是某种起实际效用的偶然知识。因此,在这些可能世界w中,“K的智能是否可以超越HI”这样的问题仍有可能获得有认知意义的回答。

  [对质疑二的回应]做这种模态上的弱化,是否就能(从认识论层面)成功“挽救”上述问题呢?表面上看,这个“弱化”处理似乎可行,甚至还较符合现实情况(因为现实情况下,我们似乎就是这样来区分K和人类的)。但是进一步分析将表明,其实这种做法也是行不通的。理由就是,基于上述对质疑一的回应,如果承认并不存在“K有别于人类”的必然知识,那么我们又凭什么认为可以有某种“K有别于人类”的偶然知识e呢?在我看来,这种偶然知识e充其量只能算作某种人为的协议(protocol)或因某些历史文化因素而约定俗成的习俗(convention)。因为我们仍可以进一步追问:做出这类协议或形成这类习俗,究竟源于怎样的深层理由或进一步原因呢?对于这个问题,似乎仅有如下两个可能的回答:要么根本没有深层理由或进一步原因,就是随机约定或形成的(例如,我们对河外星系中某颗恒星的随机命名),要么所谓的深层理由或进一步原因依旧需要依赖或源于某种恒定不变的本质特征。然而,上述针对集体人格同一性的分析业已表明(参见对质疑一的回应),这样的本质性特征并不存在。因此,完全有理由怀疑,这类协议或习俗可以得到任何可靠的辩护(justification)。换句话说,如果e仅是一类无法得到可靠辩护的协定或习俗,那么我们就有理由相信,e没有资格被称为知识。⑦因此可以认为,即使仅在某些可能世界w中,“K的智能是否可以超越HI”这样的问题,也不能获得具有认知意义的回答。  总结一下,如果基于集体人格同一性的论证是一个有效的论证,那么与本文目标问题密切相关的三个论题已经得到了辩护:(1)“AI是否能超越HI”(本文的目标问题),并不是一个纯粹的经验科学问题。因为它免不了要涉及集体人格同一性这个形而上学问题,所以原则上无法仅在科学的框架中获得有效解决。(2)本文的目标问题其实是一个没有认知意义的问题。因为,该目标问题具有认知意义的一个必要条件是,我们能拥有“K有别于人类”的必然知识。然而基于集体人格同一性的论证表明,该必要条件不可能成立。(3)“生产出一种新的能以HI相似的方式做出反应的智能机器”(AI研究的重要目标)是无法实现的。因为如果智能机器的确具有了和人类相似的智能,并伴随有和人类相似的智能行为或社会性行为,那么似乎就没有理由再认为它们和人类分属两个不同集体,而是应该同属一个集体。因此,严格地讲,AI研究的这个目标是无法实现的。换句话说,这个所谓的研究目标充其量只能做到增加同一个集体中的个体数量罢了。

  不难设想,在下个一百年里,我们的物理-生理外形也许不会经历太大的变化。但是,下个一千年呢,或下个一万年呢?按照目前计算机科学和生命科学迅猛发展的趋势来看,等到下个一千年或下个一万年,我们后代的物理-生理外形又会是怎样?对此,多数人似乎会觉得难以设想。因此,凭什么来确定他们是我们人类的后代,而不是一个全新的物种?反之,又有什么可靠的理由说,他们不是一个全新的物种,而是与我们并没有本质区别,只是他们在其能力的诸多方面(包括智能)都已经远远地超越了我们而已?  ①以上两个例子参考了互动百科“人机大战”的相关报道。[2]  ②在哲学因特网百科全书“人工智能”这一词条中,[3]Hauser建议将有关AI的问题区分为两大类:第一类问题是“机器究竟能否思考”?这类问题由阿兰·图灵(Alan Turing)首先提出,而著名的图灵测试(Turing Test)则是关于此类问题的一种解答方案;另一类问题是“机器智能能否接近或超越人类的智能水平”?前者是AI的初阶问题,而后者则是高阶问题。本文重点关注的是后者。  ③请注意,本文一开始就预设了S是我们可以用来测试和衡量人类成员智力水平的唯一方式。  ④这种情况其实相当于上述第一种情形,即我们提供不出既适用于人类又适用于K的智力表S的情形。  ⑤有关AI论证的更多详细介绍,可参考玛格丽特·博登[8]和Hauser[3]的有关论述。前者是一个囊括了众多支持和反对AI论证的经典论文集,后者则对各种常见论证及最新进展一一进行了梳理、分类和论析。  ⑥限于篇幅,暂且处理在我看来最可能出现的两个质疑。  ⑦这将涉及关于“什么是知识”的争论。限于篇幅,不便展开。这里需要注意如下两点:(1)由于不可能得到有效的辩护,因此我们有理由认为e并不能算作知识;(2)若有人针对上述“有效辩护”提出异议,认为e即便不能获得认知层面的有效辩护,也有可能获得某种实践层面或伦常层面的有效辩护,因而e可以算作某种实践知识或默会(tacit)知识。但是在我看来,这么做仍旧无济于事。因为,即使e可算作实践知识或默会知识,我们真正关心的“K的智能是否可以超越HI”这样的问题,也不会因此而获得任何有认知意义的回答。

作者介绍:王晓阳(1978- ),江苏泰州人,上海交通大学哲学系副教授,主要研究方向:分析哲学、形而上学、认知科学,上海 200240

分页:12 3

Tags:人工智能超越人类  人工智能与人类智能  人工智能对人类的影响  人工智能会毁灭人类  人工智能毁灭人类  人工智能与人类的关系  人工智能与人类生活  人工智能造福人类   

搜索
网站分类
标签列表
后台-系统设置-扩展变量-手机广告-栏目/内容页底部