随着对人工智能的理解深入,人们开始尝试更换思路探索AI,此前试图通过用创造数字大脑的尝试开始有了新变化。巴纳德学院的天文学家Janna Levin 在近期主导的关于人工智能技术和伦理前景的圆桌讨论上表示,“我们并未真正理解人类大脑。我们试图探索大脑,却没有奏效。”“我们自己都不了解人类大脑,何谈创造人工大脑?”
既然无法模拟大脑,那么智能的根本原理是什么显然成为了一个关键。MIT未来生命研究院的主任Max Tegmark认为“我们太迷恋大脑的运行机制了。这是一种想象力的匮乏。”正如采用仿生学,能够创造如蝙蝠一般飞翔的飞行器,但是在不知晓原理的情形下,人们无法操作。科学角度研究并模仿才能带来成效。
按照人类自身形象创造人工智能,并非最佳途径。Facebook的AI研发主管 Yann LeCun认为,“你可以从生物学中获取灵感,但你并不想简单复制。从工程角度来看,溯源进化过程将会异常困难。”将人类大脑智能和推理能力最大化或是简单化都不明智。
人工智能两种学习方式:有监督运行和强化学习。LeCun解释说,对于更传统的监督学习,人类必须输入数千个示例,机器才能真正开始工作。比方说,图像识别算法必须首先看到无数个苹果,才能做到精准识别。另一种方式是强化学习。AI算法和神经网络可以互相训练。通常这种方式只适用于博弈。一个象棋AI可以随时与自己进行数百万次对弈,来学习象棋比赛中的微妙细节。
无论哪种方式,都无法让AI认识世界。LeCun说,“我们在以非常愚蠢的方式训练神经网络。”婴儿在两个月大时就能理解客体永久性。半岁时,能直观理解物质世界如何运转。但目前为止,人类还无法让机器进行类似的无监督学习。但是即便是Facebook的AI研发主管,也仅仅只能表示他们认识到了目前的局限,却又无法找到突破的方式。要想创造能够认识世界的AI,人类还需要更多的灵感,模仿人脑的做法或许走不通了。