原創(chuàng)2023-05-04 14:20·
中國(guó)學(xué)派來(lái)源：《中國(guó)社會(huì)科學(xué)文摘》2022年第12期P15—P16
作者單位：清華大學(xué)心理學(xué)系、腦與智能實(shí)驗(yàn)室，摘自《蘇州大學(xué)學(xué)報(bào)》（教育科學(xué)版）2022年3期，莫斌摘
人工智能是一個(gè)寬泛的概念，而在目前人工智能中占主導(dǎo)地位的是人工神經(jīng)網(wǎng)絡(luò)。之所以被冠以這個(gè)名字，是因?yàn)樗暮诵膯卧菍?duì)生物神經(jīng)元的仿真。生物神經(jīng)元包含三個(gè)部分：樹(shù)突、胞體和軸突。樹(shù)突用于接收輸入的電信號(hào)；胞體則整合輸入信號(hào)并產(chǎn)生輸出信號(hào)到軸突：軸突將電信號(hào)傳導(dǎo)到另一個(gè)神經(jīng)元的樹(shù)突。如果我們用還原論的方法對(duì)神經(jīng)元進(jìn)行抽象，并進(jìn)行形式化表達(dá)，那么就是在20世紀(jì)40年代提出的著名的MCP模型。
從表面上看，這是數(shù)學(xué)對(duì)神經(jīng)科學(xué)的一種簡(jiǎn)化，但事實(shí)遠(yuǎn)非如此。提出MCP模型的麥卡洛克和皮茨并非數(shù)學(xué)家，而是心理學(xué)家和邏輯學(xué)家；發(fā)表這個(gè)模型的論文題目是《神經(jīng)活動(dòng)中內(nèi)在思想的邏輯演算》。在他們看來(lái)，設(shè)置閾限將輸入乘以權(quán)重求和后的結(jié)果轉(zhuǎn)化為0和1這一過(guò)程，不是簡(jiǎn)單的數(shù)學(xué)游戲，而是觸及了人類思維的本質(zhì)。
亞里士多德在《形而上學(xué)》一書中提出了幾個(gè)粗淺的邏輯學(xué)定律，其中一個(gè)就是我們所熟知的矛盾律，即“A必不非A”。簡(jiǎn)單來(lái)說(shuō)，就是兩個(gè)對(duì)立的陳述不可能同時(shí)為真。這個(gè)看似簡(jiǎn)單直白的邏輯學(xué)定律卻成為推動(dòng)中世紀(jì)科學(xué)發(fā)展最為關(guān)鍵的因素之一，促成了伽利略著名的斜塔實(shí)驗(yàn)。
在矛盾律的指導(dǎo)下，伽利略推翻了亞里士多德通過(guò)歸納推理得到運(yùn)動(dòng)律。在伽利略運(yùn)動(dòng)律的基礎(chǔ)上，才有了后來(lái)的牛頓力學(xué)、愛(ài)因斯坦狹義相對(duì)論等偉大的理論。可以說(shuō)，這些偉大的理論都來(lái)源于矛盾律這一邏輯原點(diǎn)，而這個(gè)邏輯原點(diǎn)被牛頓稱為第一性原理。那么，矛盾律是正確的嗎？雖然矛盾律是亞里士多德在公元前提出來(lái)的，但是到19世紀(jì)中葉，英國(guó)數(shù)學(xué)家布爾才首次通過(guò)數(shù)學(xué)的形式化證明來(lái)驗(yàn)證了矛盾律。布爾將他所發(fā)明的邏輯演算，寫入了一本書。這本書的書名并不是諸如眾人所想的《邏輯學(xué)》這樣的名字，而是叫作《思維的法則》。因?yàn)樵诎l(fā)明形式化邏輯的布爾的眼中，邏輯學(xué)是一門關(guān)于思維的科學(xué)，而0和1是思維的最基本單元。此后，圖靈進(jìn)一步從數(shù)學(xué)上證明了任何可能的邏輯運(yùn)算，即所有可能的思維，都可以用0和1這兩種狀態(tài)來(lái)表示。而任何具有思維能力的機(jī)器，包括我們?nèi)祟惖拇竽X，則被廣義地稱為圖靈機(jī)。
從這個(gè)角度來(lái)看，構(gòu)建神經(jīng)元MCP模型的必然是心理學(xué)家和邏輯學(xué)家，而不是數(shù)學(xué)家或者計(jì)算機(jī)科學(xué)家，因?yàn)镸CP模型本質(zhì)上反映的是思維的工作方式，因此它必然是人工神經(jīng)網(wǎng)絡(luò)的基石。更進(jìn)一步，計(jì)算機(jī)語(yǔ)言之所以由0和1構(gòu)成，是因?yàn)槿祟惖乃季S基石是二值的!只有嚴(yán)格地按照邏輯學(xué)的路徑延伸，計(jì)算機(jī)才有可能實(shí)現(xiàn)人工智能。布爾邏輯通過(guò)對(duì)人類思維法則的解析，為計(jì)算機(jī)、互聯(lián)網(wǎng)、人工智能的出現(xiàn)埋下了種子。
探尋人工智能的邏輯原點(diǎn)，并不是我們的初衷。我們的初衷是要?jiǎng)?chuàng)造出類似甚至超越人類智能的通用人工智能。我們需要自下而上，從邏輯原點(diǎn)出發(fā)，創(chuàng)造出可控制的復(fù)雜。這一點(diǎn)，可以從人工神經(jīng)網(wǎng)絡(luò)誕生之初到現(xiàn)在的發(fā)展脈絡(luò)中清晰地看到。
1957年，心理學(xué)家羅森布拉特創(chuàng)造了第一個(gè)由兩層神經(jīng)元組成的人工神經(jīng)網(wǎng)絡(luò)，叫作感知機(jī)。他將感知機(jī)定義為一個(gè)感覺(jué)、識(shí)別、記憶和反應(yīng)都像人類思維的機(jī)器。但是，感知機(jī)本質(zhì)上是一個(gè)線性模型，無(wú)法解決異或問(wèn)題，因此很快被研究者忽略。而對(duì)這個(gè)問(wèn)題的解決，要等到30年后的1986年，辛頓等人提出的回傳算法。遺憾的是，回傳算法在當(dāng)時(shí)并沒(méi)有得到應(yīng)有的重視。直到2006年，辛頓成功解決了誤差在回傳時(shí)的梯度下降問(wèn)題，使得多層非線性神經(jīng)網(wǎng)絡(luò)變得實(shí)用。自此，人工神經(jīng)網(wǎng)絡(luò)開(kāi)始向“大”發(fā)展，即大模型（多層多參數(shù)）、大數(shù)據(jù)（多模態(tài)的海量訓(xùn)練數(shù)據(jù)集）和大算力（超級(jí)計(jì)算機(jī)），如著名的由OpenAI與微軟聯(lián)合開(kāi)發(fā)的GPT-3。GPT-3是一種生成式語(yǔ)言模型，它通過(guò)對(duì)不同的書面材料集與長(zhǎng)篇連載文本預(yù)訓(xùn)練，以獲取關(guān)于世界的知識(shí)。
像GPT-3這樣巨模型所具有的高智能不禁讓我們開(kāi)始暢想，人工智能到底能夠發(fā)展到什么程度？當(dāng)人工神經(jīng)網(wǎng)絡(luò)越來(lái)越龐大時(shí)，我們是否可以制造出類似人腦的人工大腦？事實(shí)上，已經(jīng)有科學(xué)研究表明，人工神經(jīng)網(wǎng)絡(luò)越復(fù)雜（層數(shù)越深、參數(shù)越多），它的表現(xiàn)就越像人類大腦。因此，現(xiàn)今幾乎所有的人工智能研究機(jī)構(gòu)都在致力于提升模型的“大”，以期有朝一日人工神經(jīng)網(wǎng)絡(luò)能夠超越我們的生物神經(jīng)網(wǎng)絡(luò)。甚至，谷歌公司首席未來(lái)科學(xué)家?guī)炱濏f爾寫了一本預(yù)測(cè)未來(lái)的書，叫作《奇點(diǎn)臨近》，所謂“奇點(diǎn)”就是人類文明發(fā)展的斷裂點(diǎn)。
但是!令人遺憾的是，對(duì)GPT-3的科學(xué)研究表明，這些美好而又浪漫的預(yù)言只是脆弱的一廂情愿。即便是人工智能能夠理解，它的理解也與人的理解存在巨大的差異。例如，當(dāng)給人工智能輸入一段一個(gè)人從高處摔倒在地面的視頻，目前的人工智能可以輸出對(duì)這段視頻的精準(zhǔn)描述：一個(gè)人從高處摔了下來(lái)。但是，當(dāng)人類看見(jiàn)這段視頻，第一反應(yīng)卻是不忍和同情。這個(gè)差異是因?yàn)槿擞型硇?，而人工智能則沒(méi)有。同理心并不是一個(gè)可有可無(wú)的情感，它對(duì)于人之所以為人極為重要，自閉癥患者的最主要問(wèn)題之一就是同理心的缺失。人工智能之父明斯基專門強(qiáng)調(diào)情感是機(jī)器擁有智能所必需的，他說(shuō)：“問(wèn)題不在于機(jī)器能否擁有情感，而在于不擁有情感的機(jī)器是否智能?！?div style="height:15px;">
除共情能力外，人類還擁有目前人工智能所不具備的推理能力。我們之所以能夠毫不費(fèi)力地做到此事，是因?yàn)槲覀儾粫?huì)僅僅從字句表面意思來(lái)理解，而是會(huì)深挖其背后的意義。在日常生活中，我們總是在尋找因果以求邏輯自洽，而刻意避免把所有的事情都?xì)w因于隨機(jī)。
人工神經(jīng)網(wǎng)絡(luò)之父辛頓認(rèn)為，現(xiàn)今的人工智能之所以無(wú)法與人類智能比肩，是因?yàn)樗€不夠“大”：人腦有100萬(wàn)億個(gè)參數(shù)，而GPT-3模型卻只有1750億個(gè)參數(shù)，二者之間相差了3個(gè)數(shù)量級(jí)。對(duì)于辛頓而言，神經(jīng)網(wǎng)絡(luò)的大小很重要，只要模型足夠復(fù)雜，參數(shù)足夠多，人工神經(jīng)網(wǎng)絡(luò)的智能便會(huì)得到提升。但事實(shí)真的是如此嗎？
秀麗隱桿線蟲是一種僅有1mm大小、雌雄同體的線蟲。它僅有302個(gè)神經(jīng)元，與人腦中的神經(jīng)元數(shù)量相差了9個(gè)數(shù)量級(jí)。但是，即使是這樣低等的生物，也具有足夠好的感知能力和運(yùn)動(dòng)能力，可以像人類一樣在開(kāi)放的自然環(huán)境中獨(dú)立生存。最近一個(gè)來(lái)自MIT關(guān)于自動(dòng)駕駛的研究表明，僅僅模仿了19個(gè)線蟲神經(jīng)元、只有75000個(gè)參數(shù)的仿生神經(jīng)網(wǎng)絡(luò)也可以實(shí)現(xiàn)自動(dòng)駕駛的基本要求。而這個(gè)仿生神經(jīng)網(wǎng)絡(luò)的參數(shù)比傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)的參數(shù)至少要少3個(gè)數(shù)量級(jí)。換言之，生物智能的高低與神經(jīng)網(wǎng)絡(luò)的大小關(guān)系不大，它并不需要通過(guò)參數(shù)的累積來(lái)實(shí)現(xiàn)通用智能。從這個(gè)角度上講，腦啟發(fā)的人工智能也許是人工智能實(shí)現(xiàn)通用智能的必由之路。
人類的智能是進(jìn)化的產(chǎn)物。最初的單細(xì)胞生物經(jīng)過(guò)35億年的進(jìn)化才成為人類，所以我們的神經(jīng)元中已經(jīng)儲(chǔ)存許多關(guān)于智能的密碼，只是我們還沒(méi)有去解開(kāi)這些密碼。即便如此，基于對(duì)神經(jīng)元的極度簡(jiǎn)化的MCP模型已經(jīng)能讓人工神經(jīng)網(wǎng)絡(luò)展現(xiàn)出眾多的智能行為，并在多個(gè)特定領(lǐng)域（如面孔識(shí)別、圍棋、星際爭(zhēng)霸等）達(dá)到或者超越了人類的智能。因此，相信未來(lái)隨著腦科學(xué)研究的深入，我們對(duì)生物智能一定有更為本質(zhì)的洞悉，屆時(shí)受腦啟發(fā)的人工智能一定能夠達(dá)到更高層次的智能。
在另一方面，既然智能來(lái)源于進(jìn)化，那么我們完全有理由相信：進(jìn)化是理解智能的唯一途徑。借助人工智能，我們完全可以構(gòu)造一個(gè)虛擬的、開(kāi)放的環(huán)境，設(shè)計(jì)無(wú)盡的任務(wù)，讓智能體在這個(gè)元宇宙中從0開(kāi)始，逐漸進(jìn)化。作為這個(gè)元宇宙的“上帝”，我們可以重現(xiàn)進(jìn)化過(guò)程，從而觀察智能是如何在進(jìn)化中從無(wú)到有，從弱到強(qiáng)，由此洞悉智能的本質(zhì)，構(gòu)建關(guān)于智能的理論。
矛盾律作為物理世界的法則，伽利略利用它推翻了亞里士多德的運(yùn)動(dòng)律。布爾把伽利略推理的原點(diǎn)進(jìn)一步下沉，提出了描述思維規(guī)律的邏輯運(yùn)算，0 和1 這兩種狀態(tài)成為智能行為的表征，于是計(jì)算機(jī)、互聯(lián)網(wǎng)與人工智能由此生長(zhǎng)。今天，我們需要把這個(gè)原點(diǎn)進(jìn)一步下沉，探索反映人類精神世界的法則。這個(gè)法則是什么，我們不知道，但是我們知道正確的道路，那就是將人工智能與腦科學(xué)和認(rèn)知科學(xué)深度交叉，而答案就在這交叉點(diǎn)處。也許在不久的將來(lái)，在這三大學(xué)科的加持之下，我們就能回答大腦究竟是如何工作的，而智能又是如何涌現(xiàn)而出的，人工智能又將邁向何方。
