導(dǎo)讀：“當(dāng)我們不理解人類思維時(shí)，無法完美我們又如何創(chuàng)造人工智能呢?模仿”

　　有些人認(rèn)為，人類是人類無錫外圍（無錫外圍女）電話微信189-4469-7302提供一二線城市高端外圍預(yù)約，快速安排90分鐘到達(dá)按照造物主的形象設(shè)計(jì)的。當(dāng)涉及到真正的大腦人工智能(這可能是我們最偉大的發(fā)明)時(shí)，我們也曾嘗試做同樣的只浪事情。人工智能的無法完美一個(gè)典型方法是用數(shù)字形式再現(xiàn)人腦。但頂尖科學(xué)家表示，模仿靈感將來自其他地方。人類事實(shí)上，大腦試圖完美地模仿人類大腦是只浪在浪費(fèi)時(shí)間。

　　“我們并沒有真正了解人類思維”，無法完美紐約市巴納德學(xué)院的模仿天文學(xué)家Janna Levin說，他同時(shí)領(lǐng)導(dǎo)了一個(gè)關(guān)于人工智能技術(shù)和倫理未來的人類無錫外圍（無錫外圍女）電話微信189-4469-7302提供一二線城市高端外圍預(yù)約，快速安排90分鐘到達(dá)小組。“我們認(rèn)為，大腦通過映射，只浪我們可以理解人類思維，但這并沒有實(shí)現(xiàn)。”

　　“當(dāng)我們不理解人類思維時(shí)，我們又如何創(chuàng)造人工智能呢?”

　　據(jù)該小組的人工智能研究人員稱，這是一個(gè)棘手的問題。我們無法完美地模擬人腦。相反，我們應(yīng)該把時(shí)間花在解鎖智力的基本原則上。

　　Max Tegmark是麻省理工學(xué)院的物理學(xué)家，也是生命未來研究所的主任。他說，過于關(guān)注大腦只是“碳沙文主義”(此理論認(rèn)為身為以碳為主體的生物，尚未接觸任何地外生命的人類很難憑空想像截然不同的生化理論)。盡管到目前為止科學(xué)家們還沒有找到它的奧秘，但大腦的運(yùn)作方式并沒有什么神奇之處。“我們太沉迷于大腦的運(yùn)作方式，”Tegmark說，“我認(rèn)為這是缺乏想象力的表現(xiàn)。”

　　歷史證明了他的觀點(diǎn)。在維多利亞時(shí)代，一位名叫Clément Ader的工程師建造了第一個(gè)比空氣重的飛行器。他模仿了蝙蝠來建造。這些機(jī)器不過是兩側(cè)有大型蝙蝠翅膀的椅子。Ader用這個(gè)幾乎無法控制的裝置飛行了幾百米。但是，如果他是第一個(gè)飛行成功的人，為什么眾人只知道萊特兄弟卻不知道他呢?

　　Ader第三版的飛行器。雖然它可以維持飛行，但它的蒸汽動(dòng)力引擎完全無法控制。

　　盡管用我們自己的形象創(chuàng)造人工智能并不是一種可行的方式，但小組當(dāng)晚的討論依然回到生物學(xué)領(lǐng)域。正如Levin所說，人類智慧和意識(shí)仍然是我們最好的例證。

　　“你可以從生物學(xué)中獲得靈感，但你絕不能機(jī)械地復(fù)制它”，F(xiàn)acebook的人工智能研究主管揚(yáng)·勒丘恩說。“從工程的角度來看，追溯進(jìn)化將非常困難。”由于進(jìn)化缺乏能動(dòng)性，創(chuàng)造出有智力的猿猴靠的不是有意識(shí)的努力或決定。相反，我們能走到今天，是因?yàn)閿?shù)百萬年的隨機(jī)突變，讓我們活得足夠長(zhǎng)，能夠繁衍后代。最大化或簡(jiǎn)化我們大腦的智力和推理能力從來都不是問題的一部分。人類的大腦是極其復(fù)雜的。它充滿了各種機(jī)制，可以在子宮里自我配置，還能長(zhǎng)期自我修復(fù)。機(jī)器不需要這些，因?yàn)樘幚砼渲玫倪^程由人類完成。它只需要接收數(shù)據(jù)，處理并學(xué)習(xí)數(shù)據(jù)。

　　人工智能先驅(qū)揚(yáng)·勒丘恩在Pioneer Works的最新“科學(xué)爭(zhēng)議”小組發(fā)表講話。一起發(fā)言的還包括著名物理學(xué)家Max Tegmark和主持人Janna Levin，巴納德學(xué)院的天文學(xué)家。

　　勒丘恩解釋說，對(duì)于更傳統(tǒng)的監(jiān)督學(xué)習(xí)方法，人類必須在機(jī)器自身完成有意義的工作之前，向系統(tǒng)提供數(shù)以千計(jì)的例子。例如，一個(gè)圖像識(shí)別算法需要看到無數(shù)的蘋果，才能在照片中識(shí)別出一個(gè)蘋果。第二種方法是強(qiáng)化學(xué)習(xí)，在這種學(xué)習(xí)中，人工智能系統(tǒng)或神經(jīng)網(wǎng)絡(luò)——與大腦相似的算法——彼此相互訓(xùn)練。這種方法通常只適用于游戲。一個(gè)下棋的人工智能可以玩幾百萬次游戲，了解游戲規(guī)則只需要分分鐘而已。

　　但這兩種方法都不完美。這兩種方法都不會(huì)產(chǎn)生一種真正使其理解這個(gè)世界的人工智能。在監(jiān)督學(xué)習(xí)中，人類仍在做著所有繁重的工作，而那些下棋電腦則一無所知。

　　“我們用非常愚蠢的方式訓(xùn)練神經(jīng)網(wǎng)絡(luò)，”勒丘恩說，“和人類與動(dòng)物訓(xùn)練自己的方式完全不同。”嬰兒在兩個(gè)月大的時(shí)候就知道物體永存性。當(dāng)他們半歲的時(shí)候，他們能憑直覺感知物質(zhì)世界的運(yùn)作方式。但我們無法在我們的機(jī)器中啟動(dòng)這種無監(jiān)督的學(xué)習(xí)(如果有人能成功，那么很可能是勒丘恩和他的Facebook團(tuán)隊(duì)，因?yàn)橹挥写蠊静庞匈Y源和架構(gòu)來訓(xùn)練高水平的神經(jīng)網(wǎng)絡(luò))。但在小組討論中，他聳了聳肩：“我們也沒辦法做到這一點(diǎn)。”

　　這就是為什么對(duì)人工智能來說，生物基礎(chǔ)是至關(guān)重要的，而非對(duì)人類大腦的完美重構(gòu)。沒有其他模式供程序員參考。人類的大腦是一個(gè)科學(xué)奇跡，但并不是唯一的答案。這些研究人員需要記住，人類和隱藏在我們頭骨中的超級(jí)計(jì)算機(jī)沒有什么特別之處，它們不應(yīng)該試圖創(chuàng)造出新的東西。

(責(zé)任編輯：知識(shí))