為什么AlphaGo不是人工智能

　　文章作者 Jean-Christophe Baillie，是 Novaquark 的創(chuàng)始人兼總裁，他提出了這個(gè)觀點(diǎn)：「沒(méi)有機(jī)器人，就沒(méi)有 AI」。在這篇文章中，他強(qiáng)調(diào)了什么是 AI 以及為什么 AlphaGo 不是人工智能。

　　AlphaGo

　　什么是 AI，什么不是 AI？

　　毫無(wú)疑問(wèn)，由 Google DeepMind 設(shè)計(jì)的圍棋人工智能 AlphaGo 是一個(gè)很智能的系統(tǒng)。在擊敗世界冠軍李世石后，類似的深度學(xué)習(xí)技術(shù)被用來(lái)解決工業(yè)領(lǐng)域中的特別難以計(jì)算的問(wèn)題。因?yàn)?AlphaGo，人工智能再一次成為焦點(diǎn)話題。然而，作者并不贊同 AlphaGo 就是人工智能，因?yàn)樗荒茏屛覀冊(cè)谌斯ねㄓ弥悄?（AGI） 上達(dá)到完全地智能。為了創(chuàng)建一個(gè) AGI，其中一個(gè)關(guān)鍵問(wèn)題就是它不能受到設(shè)計(jì)者的限制。它會(huì)自己理解這個(gè)世界。就像人類所做的一樣，它對(duì)自己所遇到的、聽到的、說(shuō)出的以及所做的每一件事都做出自己的內(nèi)在解釋。而與之相反的是，如今的 AI 程序基本上不會(huì)理解正在發(fā)生的事情，也不會(huì)處理其他領(lǐng)域的問(wèn)題。所以，到底 AI 的定義是什么呢？也許這就是關(guān)于 AI 最基本的問(wèn)題。

　　1990 年，認(rèn)知科學(xué)家史蒂文·哈納德（Steven Harnad）在他一篇關(guān)于「符號(hào)接地問(wèn)題 （The Symbol Grounding Problem）」［1］ 的論文中表達(dá)了意義的問(wèn)題——即系統(tǒng)內(nèi)部存在的任何表征與實(shí)際外部世界之間的連接。例如，假設(shè)你必須將漢語(yǔ)作為第二語(yǔ)言來(lái)學(xué)習(xí)，而且你僅有的信息來(lái)源是手頭的一部漢語(yǔ)詞典。瀏覽字典的旅途將會(huì)相當(dāng)繁雜重復(fù)，因?yàn)樾枰獜囊粋€(gè)無(wú)意義的符號(hào)或者符號(hào)字符串 （定義詞） 到另一個(gè)定義詞，而不會(huì)停下來(lái)思考一下這個(gè)東西的意義是什么。你如何才能從符號(hào)到符號(hào)的繁雜重復(fù)中脫身呢？符號(hào)在無(wú)意義的符號(hào)之外又有什么接地的含義呢？這就是典型的符號(hào)接地問(wèn)題。關(guān)于 AI 的意義的問(wèn)題早在幾十年以前就提出來(lái)了，但是至今仍未解決。

　　AI 的意義的問(wèn)題可以劃分為下面四個(gè)困擾我們的子問(wèn)題：

　　如何組織 agent（人類或者 AI） 從外界接收到的信息？

　　這是 AI 意義的第一個(gè)問(wèn)題，關(guān)于如何組織信息。隨著機(jī)器學(xué)習(xí)，尤其是深度學(xué)習(xí)和非監(jiān)督學(xué)習(xí)的快速發(fā)展，這個(gè)問(wèn)題在近幾年得到了較好的解決。包括 AlphaGo 在內(nèi)的巨大的進(jìn)步一定程度上都是由于 GPU 技術(shù)的前景，因?yàn)槠涞拇_擅長(zhǎng)處理信息。

　　像深度學(xué)習(xí)這樣的高效算法所做的就是用最有用的信息在高維空間表達(dá)冗余和不可讀的數(shù)據(jù)。

　　對(duì)今天的 AI 而言，監(jiān)督學(xué)習(xí)無(wú)疑是在實(shí)際應(yīng)用中部署最多并且最成功的方法。樸素貝葉斯分類、Logistic 回歸以及支持向量機(jī)每年能創(chuàng)造數(shù)十億的價(jià)值。除此之外，上面提及的非監(jiān)督學(xué)習(xí)也在快速發(fā)展。聚類和主成分分析解決了監(jiān)督學(xué)習(xí)無(wú)法解決的很多問(wèn)題。甚至，半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)在產(chǎn)業(yè)界也被越來(lái)越廣泛地投入使用。

　　盡管有很多有用并且強(qiáng)大的算法來(lái)解決不同的 AI 問(wèn)題，但是沒(méi)有能夠適用于每種情形的通用 AI，沒(méi)人知道哪種算法能夠幫助構(gòu)建通用目標(biāo)的 AI。在我看來(lái)，使用非監(jiān)督學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)會(huì)最有助于實(shí)現(xiàn)這個(gè)夢(mèng)想。例如，IBM 的 Watson 結(jié)合了許多算法，從而能夠處理各種不同的數(shù)據(jù)。不過(guò)我們要實(shí)現(xiàn) AGI，還有很長(zhǎng)的路要走。

　　- 如何將這種結(jié)構(gòu)化的信息與現(xiàn)實(shí)世界鏈接起來(lái)，或者，借用前文的定義，如何為 agent 構(gòu)造「意義」？

　　在將信息結(jié)構(gòu)化之后，第二個(gè)問(wèn)題是如何將結(jié)構(gòu)化的信息與現(xiàn)實(shí)世界鏈接起來(lái)，并給機(jī)器人賦予基本的意義。與世界交互的前提是擁有一個(gè)軀體，所以，沒(méi)有機(jī)器人就沒(méi)有 AI。軀體的實(shí)現(xiàn)通常被稱為「實(shí)體化問(wèn)題」?，F(xiàn)在很多 AI 研究者都認(rèn)同：為了解決 AI 問(wèn)題，實(shí)體化和智能一樣重要。從現(xiàn)實(shí)世界尤其是動(dòng)物世界，我們可以看出，每一種軀體都有不同形式的智能。

　　實(shí)體化始于理解軀體的組成部分，并且控制它們以在觀察到的環(huán)境中產(chǎn)生期望的效果，然后建立自身對(duì)這個(gè)世界的概念。這個(gè)過(guò)程被稱為「感覺(jué)運(yùn)動(dòng)理論」，J. Kevin O’Regan 等研究人員已經(jīng)對(duì)此做過(guò)許多研究工作。

　　- 如何將這種意義與其他 agent 同步？

　　這個(gè)問(wèn)題與文化的起源有關(guān)。與我們?nèi)祟惒煌?，一些?dòng)物通過(guò)舞蹈和嗅覺(jué)等方式表現(xiàn)出有限和簡(jiǎn)單的文化形式。沒(méi)有文化這種智力的基本催化劑，AI 只不過(guò)是學(xué)術(shù)上的好奇心而已。

　　然而，文化是一個(gè)與心理學(xué)和認(rèn)知能力相關(guān)的學(xué)習(xí)過(guò)程。它不是那種能夠被手動(dòng)編程到機(jī)器里面的東西。通過(guò)研究?jī)和绾潍@得文化能力，研究人員正在努力了解這一過(guò)程。

　　這個(gè)過(guò)程也和語(yǔ)言學(xué)習(xí)緊密關(guān)聯(lián)，語(yǔ)言學(xué)習(xí)是一個(gè)進(jìn)化的過(guò)程：通過(guò)與世界的交互，agent 獲取新的信息，創(chuàng)造出新的意義，通過(guò)新創(chuàng)造的意義與其他 agent 進(jìn)行溝通，并選擇有助于溝通的最成功的結(jié)構(gòu)。在從數(shù)百次試驗(yàn)中的錯(cuò)誤中學(xué)習(xí)之后，最終建成了最好的系統(tǒng)。這是深度學(xué)習(xí)無(wú)法解釋的東西。一些研究實(shí)驗(yàn)室（如 SoftBank Robotics 等）正在通過(guò)使用這一過(guò)程進(jìn)一步獲取復(fù)雜的文化習(xí)俗。

　　- 為什么 agent 會(huì)做所有的事情，而不是什么都不做？如何將這一切設(shè)置為運(yùn)動(dòng)呢？

　　最后一個(gè)問(wèn)題是關(guān)于欲望。agent 做一些事情是出于「內(nèi)在動(dòng)機(jī)」的，就像人類一樣，不但要滿足生存需求，而且還要探索一些由內(nèi)在好奇心驅(qū)動(dòng)的東西。Pierre-Yves Oudeyer 等人已經(jīng)證明，簡(jiǎn)單的數(shù)學(xué)公式足以解釋復(fù)雜和令人驚訝的行為。

　　RobotCub

　　當(dāng)前 AI 的局限

　　根據(jù)作者的理解，目前世界上并沒(méi)有真正的 AI，包括那些被廣泛使用的和出名的 AI 服務(wù)和應(yīng)用。盡管他的觀點(diǎn)并不代表一般的想法，但是目前的 AI 確實(shí)有它們的局限性。

　　Siri（蘋果的虛擬個(gè)人助理）

　　如果你的句子超出了它的任務(wù)領(lǐng)域，Apple 公司最流行的人工智能 Siri 也不能識(shí)別你在說(shuō)什么。

　　Pepper（軟銀的機(jī)器人）

　　軟銀最出名的 AI 機(jī)器人 Pepper 也有和 Siri 一樣的局限性。更有甚者，即便是配備了語(yǔ)音情感識(shí)別系統(tǒng)，它有時(shí)候也不能分辨出真正的情感，很容易被糊弄。

　　alipay（支付寶）

　　電商巨頭阿里巴巴和它的附屬在線支付服務(wù)支付寶曾使用面部識(shí)別技術(shù)替代密碼。其準(zhǔn)確度是可以令人滿意的，但是它并不能區(qū)分長(zhǎng)相相似的雙胞胎。

　　這些例子反映了一個(gè)事實(shí)，目前的 AI 并沒(méi)有足夠的智能。它們甚至不能很好地處理從外界接收到的數(shù)據(jù)，更別說(shuō)與時(shí)節(jié)交互了。

　　總結(jié)

　　很高興看到深度學(xué)習(xí)的快速進(jìn)步和 AlphaGo 的巨大成功，因?yàn)樗鼈兡軌蛟卺t(yī)學(xué)研究、環(huán)境保護(hù)以及其他很多領(lǐng)域得到很多有用的應(yīng)用。然而，深度學(xué)習(xí)并不是通向真正 AI 的靈丹妙藥。真正的 AI 是那種能夠從外部世界學(xué)習(xí)、與我們自然地交互，并能理解我們的情感、意愿和文化偏向的復(fù)雜智能，它最終能夠幫助我們創(chuàng)造有更加美好的世界。