開展AI智商測(cè)試應(yīng)首先建立統(tǒng)一人和機(jī)器的標(biāo)準(zhǔn)智能模型

劉鋒

本文由作者授權(quán)發(fā)布，作者更多文章請(qǐng)回復(fù)“劉鋒”查閱

0. 提出和開展人工智能智商測(cè)試的必要性

本世紀(jì)以來，隨著互聯(lián)網(wǎng)大數(shù)據(jù)的興起，信息爆炸式增長(zhǎng)，深度學(xué)習(xí)等機(jī)器學(xué)習(xí)算法在互聯(lián)網(wǎng)領(lǐng)域的廣泛應(yīng)用，人工智能再次進(jìn)入快速發(fā)展時(shí)期。與此同時(shí)，不同領(lǐng)域的科學(xué)家，企業(yè)家如物理學(xué)家霍金，微軟創(chuàng)始人比爾蓋茨等人，紛紛對(duì)人工智能的未來表達(dá)了擔(dān)心，提出人工智能的快速發(fā)展可能對(duì)人類本身產(chǎn)生威脅，人工智能威脅論因此得到廣泛傳播。

人工智能威脅論不僅僅是一個(gè)引發(fā)巨大爭(zhēng)議的社會(huì)熱點(diǎn)問題，其背后更是一個(gè)人工智能系統(tǒng)能否定量評(píng)測(cè)的課題。從1950年圖靈測(cè)試提出以來[1]，科學(xué)家已經(jīng)為人工智能發(fā)展的評(píng)價(jià)體系做了很多工作。

2015年3月24日“Visual Turing test for computer vision systems”在美國(guó)科學(xué)院院刊（PNAS)發(fā)表，提出一種新的圖靈測(cè)試方法“Visual Turing test” [2]，這種測(cè)試方法用來對(duì)計(jì)算機(jī)的圖像認(rèn)知能力進(jìn)行更為深入的評(píng)估。

《ACM通訊》（Communications of ACM)雜志主編瓦迪（Moshe Vardi）提出計(jì)算機(jī)的智能特性不能用單一的測(cè)試來檢驗(yàn)，而應(yīng)該用一系列的測(cè)試來證明，其中每一個(gè)測(cè)試都是針對(duì)一個(gè)不同的智能特點(diǎn)[3]。

美國(guó)佐治亞技術(shù)學(xué)院的瑞德教授（Mark O. Riedl）認(rèn)為，智能的本質(zhì)在于創(chuàng)造力。他設(shè)計(jì)了一個(gè)叫做Lovelace 2.0 版本的測(cè)試。 Lovelace 2.0 的測(cè)試范圍包括：創(chuàng)作有虛擬故事的小說、詩歌創(chuàng)作、油畫和音樂等[4]。

在解決人工智能定量測(cè)試的問題上，包括圖靈測(cè)試在內(nèi)的各種方案還存在兩個(gè)問題：第一，這些測(cè)試方法還不能區(qū)分智能的多個(gè)分類。也就是說智能是由多個(gè)要素組成。這些要素發(fā)展速度本身就是差異。第二是這些測(cè)試方法無法定量分析人工智能，或者只定量分析智能的某個(gè)方面，但這個(gè)系統(tǒng)究竟達(dá)到人類智慧的百分之多少，發(fā)展速度與人類智慧發(fā)展速度比率如何，這些問題在上述研究中沒有涉及。

1. 建立標(biāo)準(zhǔn)智能模型的前人研究

人工智能定量評(píng)測(cè)目前面臨兩個(gè)重要挑戰(zhàn)：第一是人工智能系統(tǒng)目前沒有形成統(tǒng)一的模型，第二是人工智能系統(tǒng)與人類為代表的生命體之間目前沒有形成統(tǒng)一的模型。

這兩個(gè)挑戰(zhàn)都指向了同一個(gè)問題，即對(duì)于所有的人工智能系統(tǒng)和所有生命體（特別是以人類為代表的生命體）需要有一個(gè)統(tǒng)一模型進(jìn)行描述，只有這樣才能在這個(gè)模型上建立智力測(cè)量方法并進(jìn)行測(cè)試，從而形成統(tǒng)一的，可進(jìn)行相互比較的智力發(fā)展水平評(píng)價(jià)結(jié)果。

對(duì)于這個(gè)問題，前人研究者已經(jīng)從不同方向進(jìn)行了深入研究，這些研究為我們建立智能系統(tǒng)的標(biāo)準(zhǔn)模型奠定了基礎(chǔ)。

（1）圖靈機(jī)，英國(guó)科學(xué)家艾倫·圖靈1937年發(fā)表了《論數(shù)字計(jì)算在決斷難題中的應(yīng)用》，文中提出了一種抽象計(jì)算模型-圖靈機(jī)（如圖1.1所示），體現(xiàn)了用有邏輯的程序或機(jī)器對(duì)數(shù)學(xué)運(yùn)算過程進(jìn)行模擬，重點(diǎn)突出了智能系統(tǒng)在計(jì)算方面的能力，但對(duì)人工智能系統(tǒng)、生命系統(tǒng)在其他方面的特點(diǎn)體現(xiàn)不夠。不足以成為標(biāo)準(zhǔn)智能系統(tǒng)的模型。

（2） 馮·諾伊曼結(jié)構(gòu)，1945年6月30日約翰·馮·諾伊曼在報(bào)告《First Draft of a Report on the EDVAC 》[7]中提出了馮·諾伊曼結(jié)構(gòu)，馮·諾伊曼在報(bào)告中明確規(guī)定新機(jī)器有五個(gè)構(gòu)成部分：①計(jì)算器：②邏輯控制裝置；③存貯器；④輸入；⑤輸出，并描述了這五部分的職能和相互關(guān)系，如圖1.2所示。

馮·諾伊曼結(jié)構(gòu)是現(xiàn)代計(jì)算機(jī)的統(tǒng)一模型，但它還不能涵蓋包括人類在內(nèi)的所有智能系統(tǒng)。

（3）提出韋克斯勒量表的戴維.韋克斯勒把智力定義為“智力是個(gè)人行動(dòng)有目的、思維合理、應(yīng)付環(huán)境有效的一種聚集的或全面的才能。所以說全面，是因?yàn)槿祟愋袨槭且哉w為特征；所以說聚集，是因?yàn)槭怯芍T要素或諸能力所構(gòu)成。這些要素或能力雖非完全獨(dú)立，但彼此之間有質(zhì)的區(qū)別[8]”。戴維.韋克斯勒的這個(gè)定義也可以看做是其對(duì)具有智力能力的人類特征定義。

（4）哈藍(lán)·克利夫蘭1982年12月在《未來主義者》雜志中的發(fā)表文章“資訊有如資源”，第一次提出DIKW模型體系。DIKW體系就是關(guān)于數(shù)據(jù)(Data)、信息(Information)、知識(shí)(Knowledge)及智慧(Wisdom)的體系，如圖1.3所示。

我們?cè)?jīng)在“數(shù)據(jù)，信息，知識(shí)，智慧的關(guān)系”一文中闡述了它們的定義和關(guān)系[9]：

數(shù)據(jù)是使用約定俗成的關(guān)鍵字， 對(duì)客觀事物的數(shù)量、屬性、位置及其相互關(guān)系進(jìn)行抽象表示， 以適合在這個(gè)領(lǐng)域中用人工或自然的方式進(jìn)行保存、傳遞和處理。

信息是具有時(shí)效性的，有一定含義的， 有邏輯的、經(jīng)過加工處理的、對(duì)決策有價(jià)值的數(shù)據(jù)流。

知識(shí)通過人們的參與，對(duì)信息進(jìn)行歸納、 演繹、 比較等手段進(jìn)行挖掘， 使其有價(jià)值的部分沉淀下來， 并于已存在的人類知識(shí)體系相結(jié)合， 這部分有價(jià)值的信息就轉(zhuǎn)變成知識(shí)。

智慧是人類基于已有的數(shù)據(jù)、信息、知識(shí)，針對(duì)物質(zhì)世界運(yùn)動(dòng)過程中產(chǎn)生的問題，根據(jù)獲得的數(shù)據(jù)、信息、知識(shí)盡行分析、對(duì)比、演繹找出解決方案的能力。這種能力運(yùn)用的結(jié)果是對(duì)已有數(shù)據(jù)、信息和知識(shí)產(chǎn)生影響和變動(dòng)，包括數(shù)據(jù)、信息和知識(shí)庫(kù)的增加、減少、修改和相互轉(zhuǎn)化。

DIKW模型是知識(shí)管理領(lǐng)域里一個(gè)重要的模型，這個(gè)模型展現(xiàn)了數(shù)據(jù)、信息、知識(shí)、智慧之間的關(guān)系，同時(shí)它也可以看做智能系統(tǒng)如何運(yùn)用數(shù)據(jù)、信息、知識(shí)、智慧的特征進(jìn)行運(yùn)轉(zhuǎn)的模型。

2. 基于前人工作提出標(biāo)準(zhǔn)智能模型：

應(yīng)該說前人的研究工作為我們提出標(biāo)準(zhǔn)智能系統(tǒng)模型奠定了很好的基礎(chǔ)：

馮·諾伊曼結(jié)構(gòu)給予我們的啟發(fā)是：標(biāo)準(zhǔn)智能系統(tǒng)模型應(yīng)包含輸入輸出系統(tǒng)，能夠從外界獲取信息，能夠?qū)?nèi)部產(chǎn)生的結(jié)果反饋給外部世界，只有這樣，標(biāo)準(zhǔn)智能系統(tǒng)才能成為“活”的系統(tǒng)。

戴維.韋克斯勒關(guān)于人類智能的定義給予我們最大的啟示是：智力能力是由多個(gè)要素組成，而非圖靈測(cè)試或視覺圖靈測(cè)試那樣只關(guān)注智力能力的一個(gè)方面。

DIKW模型體系給予我們的啟發(fā)是：智慧是一種解決問題，積累知識(shí)的能力；知識(shí)是人類不斷與外界交互后沉淀下來結(jié)構(gòu)化的數(shù)據(jù)和信息，這提醒我們，一個(gè)智能系統(tǒng)不僅僅體現(xiàn)出知識(shí)的掌握，更重要的還有關(guān)于解決問題的創(chuàng)新能力。

這種關(guān)于知識(shí)的掌握能力，知識(shí)的創(chuàng)新能力與戴維.韋克斯勒理論、馮.諾依曼架構(gòu)結(jié)合，就可以形成智能系統(tǒng)智力能力的多層次結(jié)構(gòu)。綜上所述，我們得出智能系統(tǒng)的標(biāo)準(zhǔn)模型應(yīng)該具備一下特點(diǎn)：

第一、具有輸入輸出的功能，即可以與外界通過數(shù)據(jù)、信息和知識(shí)進(jìn)行交互的能力。

第二．具有存儲(chǔ)數(shù)據(jù)、信息、知識(shí)的能力，即將外界數(shù)據(jù)、信息和知識(shí)化為自身資源的能力。

第三．具有生成新數(shù)據(jù)、信息和知識(shí)的能力，即基于自身擁有的知識(shí)，在新數(shù)據(jù)或信息的啟發(fā)下，對(duì)數(shù)據(jù)、信息和知識(shí)進(jìn)行創(chuàng)新從而產(chǎn)生新的數(shù)據(jù)、信息和知識(shí)的能力，如圖1.4所示（為了簡(jiǎn)化，本圖中數(shù)據(jù)、信息、知識(shí)統(tǒng)一用知識(shí)描述）。

圖1.4 智能系統(tǒng)標(biāo)準(zhǔn)模型示意圖

3.根據(jù)以上研究，我們可以提出如下標(biāo)準(zhǔn)智能系統(tǒng)定義。

定義一：

無論系統(tǒng)(包括人工智能系統(tǒng)，人類等生命系統(tǒng)等)，如果符合如下特征，就可以認(rèn)為這個(gè)系統(tǒng)屬于標(biāo)準(zhǔn)智能系統(tǒng)（Standard Intelligent System）：

特征1 能夠通過聲音、圖像、文字等方式（包括但不僅限于這三種方式）從外界獲取數(shù)據(jù)，信息和知識(shí)的能力。

特征 2 能夠?qū)耐饨绔@取的數(shù)據(jù)、信息和知識(shí)轉(zhuǎn)化為系統(tǒng)掌握知識(shí)的能力。

特征3 能夠根據(jù)外界數(shù)據(jù)、信息和知識(shí)所產(chǎn)生的需求，通過運(yùn)用所掌握的知識(shí)進(jìn)行創(chuàng)新的能力，這些能力包括但不僅限于聯(lián)想、創(chuàng)作、猜測(cè)、發(fā)現(xiàn)規(guī)律等，這種能力運(yùn)用的結(jié)果可以形成自身掌握的新的知識(shí)。

特征 4 能夠通過聲音、圖像、文字等方式（包括但不僅限于這三種方式）將系統(tǒng)產(chǎn)生數(shù)據(jù)，信息和知識(shí)反饋給外界或?qū)ν饨邕M(jìn)行改造。

4.標(biāo)準(zhǔn)智能系統(tǒng)如何與外部世界以及相互之間進(jìn)行知識(shí)的交互，下面我們用圖1.5進(jìn)行闡述.

圖1.5 標(biāo)準(zhǔn)智能系統(tǒng)交互示意圖

5.從圖1.5中我們可以有產(chǎn)生以下幾點(diǎn)認(rèn)識(shí)：

（1）標(biāo)準(zhǔn)智能系統(tǒng)的知識(shí)來源包括：從外部世界直接獲取的知識(shí)；從其他標(biāo)準(zhǔn)智能系統(tǒng)獲取的知識(shí)；標(biāo)準(zhǔn)智能系統(tǒng)在自身掌握知識(shí)的基礎(chǔ)上，通過創(chuàng)新產(chǎn)生的新知識(shí)。

（2）標(biāo)準(zhǔn)智能系統(tǒng)可以把掌握和創(chuàng)新的知識(shí)分解為數(shù)據(jù)、信息和知識(shí)傳遞給外部世界，也可以傳遞給其他標(biāo)準(zhǔn)智能系統(tǒng)，從而實(shí)現(xiàn)數(shù)據(jù)，信息和知識(shí)的內(nèi)容同步。

（3）每個(gè)標(biāo)準(zhǔn)智能系統(tǒng)在交互過程中的表現(xiàn)會(huì)有差異，差異主要有：知識(shí)的獲取能力差異；掌握的知識(shí)庫(kù)容量的差異；對(duì)知識(shí)進(jìn)行創(chuàng)新的能力差異；將自身掌握的知識(shí)向外部世界或其他智能系統(tǒng)進(jìn)行傳遞時(shí)的能力差異。了解這些差異有助于我們有目的的提升其中的不足。

（4）所有的標(biāo)準(zhǔn)智能系統(tǒng)的知識(shí)庫(kù)會(huì)形成一個(gè)總的知識(shí)庫(kù)，這個(gè)總知識(shí)庫(kù)會(huì)伴隨標(biāo)準(zhǔn)智能系統(tǒng)的輸入輸入，以及創(chuàng)新創(chuàng)造而動(dòng)態(tài)變化。

本文結(jié)語：

建立標(biāo)準(zhǔn)智能模型只是開展人工智能智商測(cè)試的第一步，在后續(xù)的文章中，我們將對(duì)基于這個(gè)模型的數(shù)據(jù)模型建立，對(duì)馮諾依曼架構(gòu)的擴(kuò)展啟發(fā)，對(duì)智能系統(tǒng)的分級(jí)進(jìn)行描述，以及最終實(shí)現(xiàn)人工智能智商測(cè)試量表打下基礎(chǔ)。

（來源：人工智能學(xué)家公眾號(hào)，ID：AItists，作者：劉鋒、石勇）