【AI世代編者按】美國密歇根州立大學(xué)人工智能專家阿倫德·欣澤（Arend Hinze）近日撰文，總結(jié)了人工智能的4種類型，最高端的類型可以具備自我意識，但距離實現(xiàn)或許還有很遠的距離。
對照這四種類型的定義，你可以看出近期熱播美劇《西部世界》里的人工智能到底屬于哪一種嗎？
以下為原文內(nèi)容：
根據(jù)媒體發(fā)布的有關(guān)人工智能最新研究進展的消息，普通人往往會認為有情感的智能機器很快就將成為現(xiàn)實。機器可以執(zhí)行語音指令、分辨圖片、駕駛汽車，甚至連玩游戲都比我們更加拿手。機器人再等多久才能與我們并肩前行？
白宮最新的人工智能報告對這番夢想展開了恰當(dāng)?shù)馁|(zhì)疑。該報告認為，今后20年內(nèi)，我們可能都無法看到“能在智力上與人類比肩或超越人類的機器”，但該報告也表示，今后幾年“機器將會在越來越多的領(lǐng)域趕超人類”。不過，這份報告對這些能力將如何發(fā)展所給出的前提假設(shè)卻忽視了一些重要問題。
作為一名人工智能研究人員，我承認自己的研究領(lǐng)域獲得美國政府最高層的認可是一件好事，但該報告幾乎完全著眼于我所謂的“枯燥的人工智能”。我從事的細分研究領(lǐng)域是：進化如何幫助我們開發(fā)不斷改進的人工智能系統(tǒng)，以及計算模型如何幫助我們理解人類智能的發(fā)展。
這份報告的重點集中于主流人工智能工具：機器學(xué)習(xí)和深度學(xué)習(xí)。這種技術(shù)已經(jīng)應(yīng)用于《危險邊緣》智力競賽，并在圍棋比賽中擊敗了韓國國手李世石。這些人工智能系統(tǒng)可以處理海量數(shù)據(jù)，快速進行復(fù)雜的計算。但它們卻缺乏我們所設(shè)想的有情感的機器所需具備的關(guān)鍵元素。
我們不僅要教會機器如何學(xué)習(xí)，還要逐一突破各種四種人工智能技術(shù)之間的關(guān)鍵差異，以及人類與機器之間的關(guān)鍵差異。
>>>>第一類：反應(yīng)型機器（Reactive machines）
最基本的人工智能系統(tǒng)只能進行反應(yīng)，既沒有記憶能力，也無法利用過去的經(jīng)驗來制定現(xiàn)在的決策。最典型的例子就是在1990年代末擊敗國際象棋大師加里·卡斯帕羅夫（Garry Kasparov）的IBM國際象棋超級電腦“深藍”。
“深藍”可以識別棋盤上的旗子，并判斷每一步棋的下法。它可以預(yù)測自己和對手接下來的走法，還能在各種可能的走法里面選出最優(yōu)方案。
但它對于過去沒有任何概念，也不記得之前發(fā)生過什么。除了遵守重復(fù)棋局不能連續(xù)出現(xiàn)3次的規(guī)定外，深藍不會理會之前發(fā)生的任何事情。它只會關(guān)注棋盤上的現(xiàn)狀，然后在接下來可能的走法中做出選擇。
這種類型的智能需要電腦直接觀察世界，并根據(jù)它所看到的東西做出反應(yīng)。它并不依賴于世界的內(nèi)生概念。人工智能研究人員羅德尼·布魯克斯（Rodney Brooks）在一篇論文中表示，我們只應(yīng)該開發(fā)這樣的機器。他的主要理由在于，人類還不太擅長通過計算機編程模擬供電腦使用的世界，這在人工智能領(lǐng)域被稱作世界的“表現(xiàn)”。
目前令我們感到驚奇的智能機器要么同樣對世界沒有概念，要么只是對其所需執(zhí)行的特定任務(wù)有著非常有限而具體的概念。深藍的創(chuàng)新之處并不是拓寬電腦可能考慮的走法范圍。相反，開發(fā)人員找到了一種方式來縮小它的視野，根據(jù)它對某些走法的結(jié)果進行的評估，阻止其追求一些可能的走法。沒有了這種能力，深藍就需要更加強大的計算能力才能擊敗卡斯帕羅夫。
類似地，擊敗李世石的谷歌AlphaGo也無法評估所有的走法，它采用了比深藍更加復(fù)雜的分析方法，使用神經(jīng)網(wǎng)絡(luò)來評估棋局的發(fā)展。
這些方法的確提升了人工智能系統(tǒng)在特定游戲上的能力，但卻無法輕易改變或應(yīng)用到其他環(huán)境之中。這些計算機化的想象力對整個世界沒有概念——因此他們無法在專業(yè)領(lǐng)域之外發(fā)揮作用，而且很容易被愚弄。
它們無法通過交互的方式成為世界的一個組成部分，這顯然并不符合我們對人工智能系統(tǒng)的未來預(yù)期。相反，這些機器每次遇到相同的情況都會采用相同的應(yīng)對方式。這樣很容易確保人工智能系統(tǒng)的可信度：你希望自己的無人駕駛汽車是一位可靠的司機。但如果你想要跟機器展開真正的互動，甚至對周圍的世界作出真實的反應(yīng)，那就難以滿足你的要求。這些最簡單的人工智能系統(tǒng)永遠不會感覺無聊、興致盎然或心情苦悶。
>>>>第二類：有限的記憶（Limited memory）
第二類人工智能包含了能夠分析過去的機器。無人駕駛汽車已經(jīng)能夠?qū)崿F(xiàn)一些類似的功能。例如，他們可以觀察其他車輛的速度和方向，但卻不能在短時間完成，而是需要識別具體的物體，然后長時間觀察。
這些觀察被添加到為無人駕駛汽車預(yù)編的世界“表現(xiàn)”中，其中也包括車道標(biāo)記、交通信號燈和路上的曲線等其他重要因素。當(dāng)汽車尋找變換車道的時機時，就會考慮這些因素，避免影響其他車輛，或者被附近的車輛撞到。
但這些簡單的歷史信息存在的時間都很短暫，無法像經(jīng)驗豐富的人類駕駛員那樣將其存儲在“經(jīng)驗庫”里。
那么，我們?nèi)绾尾拍荛_發(fā)一套人工智能系統(tǒng)，使之可以構(gòu)建全面的“表現(xiàn)”，記住自己的經(jīng)驗，并學(xué)會如何應(yīng)對新的情況呢？布魯克斯說的沒錯，這的確非常困難。我自己的研究方法受到了達爾文進化論的啟迪，已經(jīng)可以通過讓機器構(gòu)建自己的“表現(xiàn)”來彌補人類的不足之處。
>>>>第三類：心智理論（Theory of mind）
或許可以到此為止，這是我們目前開發(fā)的機器與今后開發(fā)的機器之間的重要差異。然而，最好還是能更加明確地討論機器需要形成的“表現(xiàn)”類型，以及它們所需發(fā)展成的樣子。
今后，更加先進的機器不僅能夠形成世界的“表現(xiàn)”，還可以形成其他代理或?qū)嶓w的“表現(xiàn)”。從心理學(xué)上講，這叫做“心智理論”——明白世界上的人、生物或物體可能擁有影響其自身行為的思想和情感。
這是人類形成社會的關(guān)鍵所在，因為這讓我們可以展開社交互動。不能理解彼此的動機和意圖，而且不能考慮他人對自己或周圍的環(huán)境有何了解，在一起工作就會變得非常困難，甚至全無可能。
如果人工智能系統(tǒng)真的能夠與我們并肩行走，他們就必須能夠明白，我們每個人都有思想和感受，對于他們希望獲得的待遇也都有一定的預(yù)期，從而就此調(diào)整自己的行為。
>>>>第四類：自我意識（Self-awareness）
人工智能發(fā)展的最后一步是構(gòu)建一套能夠形成自我表現(xiàn)的系統(tǒng)。最終，我們?nèi)斯ぶ悄苎芯咳藛T不僅要理解意識，還要開發(fā)出具備意識的機器。
從某種意義上講，這是第三類“心智理論”人工智能的延伸。意識也被稱作“自我意識”。（“我想要那個東西”與“我知道我想要那個東西”有著很大的差異。）意識生命能夠意識到自我，知道自己的內(nèi)部狀態(tài)，而且可以預(yù)測他人的感受。
我們之所以認為在車流后面按喇叭的人非常憤怒或沒有耐心，是因為我們朝他人按喇叭時就是這種心態(tài)。沒有了心智理論，我們就不會得出這樣的推論。
雖然我們可能距離開發(fā)具有自我意識的機器還有很遠的距離，但的確應(yīng)該集中精力理解記憶、學(xué)習(xí)和根據(jù)過往經(jīng)驗制定決策的能力。這是理解人類智能的關(guān)鍵步驟。如果我們想要設(shè)計或發(fā)展一種機器，使之不僅擅長分辨眼前東西，還要具有真正的智能，那么這項工作便顯得至關(guān)重要。
聯(lián)系客服
