人工智能哲学

人工智能哲学

关于作者

玛格丽特·A.博登,生于1936年,英国科学院院士,苏塞克斯大学认知科学学院院长,历任英国心理学会心理学哲学与心理学史分会主席,以及英国皇家哲学学会理事。著有《人工智能史》一书,是人工智能领域的权威人士。

关于本书

《人工智能哲学》的英文原著由牛津大学出版社于1990年出版,由15篇文章组成,文章作者多是人工智能思想界的著名人物,所收录的文章也都是在人工智能发展史上具有里程碑式的地位。这些文章的写作时间起于1950年,止于1990年,是人工智能思想近半个世纪发展历程的精要总结。

核心内容

计算机究竟能否成为心灵本身而不只是心灵的工具,既取决于我们如何理解计算机能做什么,更取决于我们如何理解人类心灵是什么。我们怎样认识自己的心灵,也就决定了我们会怎样设计机器,让它具备人工的智能。这既是人工智能构想的发端,也是影响着人工智能科学与技术进展的哲学基础。

一、 计算机能实现怎样的人类智能

计算机至少能在计算和推理的层面上实现与人类相似的智能。

心智不过是人类大脑实现的功能,同样的功能或许也能用其它机器来实现,这就是“人工智能”研究的基础前提。电子计算机从电子管、晶体管、集成电路,一直发展到未来可能的量子计算机,机器的形式各不相同,但所实现的功能是类似的,都是试图模拟和实现人类的智能。

人类的智能体现在很多方面,计算和推理可能最容易在机器上实现。心灵的智慧可以从推理上体现出来,把有效推理编码为符号规则,就能够在计算机上实现。在推理中,人类的心灵能够理解概念以及两者之间的内在联系;但在机器的推理中,机器所处理的不过是一连串符号,这些符号对机器来说毫无意义,但机器最后输出的答案却刚好被翻译成了我们能理解的内容。

虽然计算机能够高效地回答问题,但它自己并没有理解其中的内容,而人类则不同。我们所有推理判断都建立在理解的基础上,对于完全不理解的问题,当然也不可能作出任何推理或回答。

很多人工智能专家主张计算机的“理解”有另外的一套标准。按照图灵的观点,只要机器作出的回答与人类的回答不可分辨,机器实际上就已经在理解了。因此,计算机也可以按照这种不同于人类的标准而产生理解,确实可以实现人类的智能,只不过这种智能暂时还局限在计算和推理层面上。

二、 人工智能就是使用符号的计算吗,它有哪些缺点

在人工智能发展的早期,人们相信,只要恰当地设计程序算法,使用符号的计算就能实现完全的智能。在这种信念的背后,其实是西方哲学两千多年的理性主义传统,相信理性能力就足以解释人类的所有智慧,这在人工智能的发展史上被称作符号主义观点。在符号主义者看来,人类的智能不管多么复杂,归根到底都是由符号计算来实现的。

比如,符号主义的人工智能可以下象棋。尽管象棋的走法千变万化,最终都不过是这些最基本的符号叠加。在一盘象棋游戏中,计算机的每一步究竟应该如何走,这就要在可能的选项中搜索最佳的方案。每一步可能的选项也是符号的组合,符号的任何组合方式都可能是一种选项,要考虑所有可能的选项,这个集合是非常庞大的。

符号主义面临的最大挑战就是,如何在有限的步骤和资源的条件下,搜索得到最优的解。随着求解的问题越来越复杂,搜索所需要的计算也是以指数的方式在增长,因为符号之间的可能组合也在激增,这样一来,现实中工作的计算机很快就不堪重负了。例如,围棋的人工智能程序曾经在很长时间内表现得一点也不智能,就是因为围棋求解的组合要比象棋复杂得多,这正是符号主义难以解决的问题。

今天的人工智能引起如此大的轰动和关注,可以说是源于 AlphaGo 在围棋上取得了突破。解决围棋游戏最优解的问题超出了符号主义的能力,但 AlphaGo 恰恰不属于符号主义。

三、 人工智能就是模拟神经网络的学习吗,这又有什么不足

英国哲学家大卫·休谟深刻地批评了西方哲学上的理性主义传统,他认为,体现人类智能的很多判断,比如对因果关系的判断,尽管表面上看起来是依据理性和推理,实际上仅仅是源于我们在观念之间作联结的习惯,这种联结往往是在重复经验中实现的。

现代神经科学也证实了这一点。神经元之间通过突触联结,当两个神经元同时得到频繁的刺激,两者之间的突触就越牢固,联结的强度也就增高。这其实就是人类的学习过程。

区别于理性主义传统,“联结主义”的人工智能思想主要受休谟和神经科学思想启发,就是要建立大脑的模型,不是预先给定解决问题的算法,而是构建一个在计算机上模拟的“神经元网络”,让机器自主地建立不同神经元之间的“联结”,通过最终结果的反馈,不断调整联结的模式,最终逼近最优解。在整个过程中,机器就像人类那样,在大量的经验数据中学习。由于机器处理数据的能力远超人类,所以学习效果也会大大超越人类。

联结主义特别强调从经验学习中获得智能,所以就避开了符号主义过度强调理性推理的弊端。但它并不会区别地对待经验,而人类的智能却从不会无差别地对待一切经验。联结主义的人工智能则要在海量数据的试错学习之后,才能获得某些在人类看来十分简单的结论,这就是它并不智能的地方。

更重要的是,人类的学习是有创造性的,我们不仅能从经验中把握固有的联系,还能举一反三地创造以前从未建立过的神经元联结。机器学习目前还不能实现这一点,只能依赖于设计者提供的智能,而并不是自己产生的智能。

四、 我们离理想的人工智能究竟还有多远

首先,现在实现的都只是专门的人工智能,而不是通用性的智能,比如 AlphaGo 就是被设计用来下围棋的。我们每个人的心灵都是多面手,而现阶段的人工智能往往只能在某一个侧面充分发展。

其次,人工智能还可能永远无法理解人类的情感。目前训练机器“理解”情感和动机,主要就是让机器学习如何产生行为的目标,但情感最本质的内涵应该是对情绪的主观感受。

最根本的困难可能还在于,对人工智能来说,根本还没有一个“自己”,它没有形成自我意识

最后,必须重视涉身认知的重要意义。智能并不仅仅是发生在人类大脑中的事情,人们对自我与世界的认识,从来都是有身体参与其中。假如智能和认知本质上就涉及身体,那么符号主义与联结主义就都有各自的局限,人工智能的发展,势必还需要由新的观念来引领。

金句

1. 如果中文屋论证是成立的,那么强人工智能只不过是一种美妙的遐想,计算机充其量只能是人类心灵的工具,而不会成为心灵本身。

2. 人类固然是从经验中学习,但人类的智能就体现在我们从不毫无差别地对待一切经验,而总是选择性地重视某些经验,忽略一些无关紧要的经验。

3. 如果你非常爱慕她,你就一定会体会到爱慕之情带来的那种幸福、甜蜜、纠结又失落的感受。没有这些感受的体验,或者对这些感受麻木不仁,你就不叫真正爱过一个人,也就无法理解情感为何物。

撰稿:徐竹

脑图:摩西

转述:孙潇

你可能感兴趣的:(人工智能哲学)