计算交给 AI,创造力留给人类

阅读时间 7 分钟,快速阅读仅需 3 分钟。

在一场被誉为世纪大战的围棋比赛中,评述人华以刚一边看着台下寥寥无几的观众,一边说,「今天我们只为台下的各位讲棋,今天没有直播也没有录播,只为大家服务」。

很庆幸,我亲身在浙江乌镇,也就是举办世界互联网大会的地方,看了 Google AlphaGo 大战当前排名世界第一的柯洁,并听了华以刚的精彩评述。之所以感到庆幸,是因为我无需花时间在网上寻找直播链接。

当然,我不打算就能不能看到直播这个话题展开讨论,多说无益。

关于人工智能,最近我有一些小思考,抛砖引玉,与大家做一些小分享。

博客

人脑与硬盘

人类与动物的本质区别是,人类创造文明后,并非完全适应大自然去发展,而是发明了各种各样的工具去改造大自然,以更好地让人类延续。其次,人类发明了语言,通过语言和信仰,个体被连接成族群,族群集合了群体智慧,发明了更多更先进的用于改造大自然的工具,让人类更好地在地球生存。

为了让知识能被更好地传递,人类发明了使用纸和笔来记录信息。到了计算机时代,人类发明了硬盘,从改变磁性的机械硬盘,到改变通导性的固态硬盘。

人脑和硬盘,哪个是更好的数据存储方案?可能是硬盘,如果不考虑材料、能源的消耗和损坏,硬盘能完整地存储所有信息,但人脑的容量并非无限,而且人脑还健忘,虽然大学时学过,但我现在无论如何也想不起来什么是傅里叶变换。

硬盘是用二进制存储数据的,人脑是怎样存储记忆的?有研究认为,生物的记忆存在与神经突触的连接处,但后来也有研究认为,神经元细胞在记忆形成中也发挥了极其重要的作用,甚至猜测记忆可能不存储在突触当中。无论是来自哪一方的研究,都还未深入到人脑记忆的本质 — 如果足够深入,我们应该能把记忆编译到大脑当中,就像写硬盘数据那样。我们可以将文字和图像以二进制的形式编码写入硬盘,但我们还不知道,当我们看完一本书后,大脑是如何将知识存储到神经突触连接体里的。

TED 上有一个关于人脑记忆的演讲,Sebastian Seung 认为,记忆被存储在神经突触的连接处,光是一条只有 300 个神经元小虫,就有 7000 个连接体,要了解人脑如何记忆,必须绘制出连接体的图谱,但他很悲观地认为,要绘制出人脑的连接体图谱,可能他这辈子都看不到那一天,除非科技有指数级的突破。

屏幕快照 2017-05-23 下午11.44.18

目的与创造力

然而,即使没有研究出大脑如何存储记忆,也不知道如何用科技的方法为大脑「写入」记忆,人类发明了硬盘。硬盘在长期记忆方面,明显优于单个人脑。

那么,是否有可能,在未研究出大脑如何思考的情况下,人们也能发明一种机器思考的方式?甚至像硬盘一样,这种思考方式会优于人类大脑?

如果这种假设是合理的,我们该如何定义思考?

AlphaGo 是一个会思考如何赢得围棋的 AI,Google 搜索是一个会思考如何提供最匹配搜索结果的 AI,这些真的是思考么?

我更愿意用另一个词来描述上述的「思考」 — 目的

很显然,你无法让 AlphaGo 帮你关掉卧室的空调,也无法喊 Google 给你按摩,因为这些 AI 被设计出来都带有唯一的目的。如果再细致地拆分,Google 搜索的整个计算网络里,又包含了带有不同唯一目的的 AI,这些 AI 的协同最终为搜索者呈现出最匹配的搜索结果。AlphaGo 也一样。

人类的思考是不是多个神经元的协作,我不知道,但我们可以从经验中认为,人类的思考虽然也是目的性的,但它并非矢量式思考。人脑的思维是发散的,当我们看到一张照片,我们可能不像机器那样,首先去识别照片里有哪些建筑物,可能我们瞬间感受到的是美,也有可能这张照片给你的工作带来灵感 — 你发现照片中某个人的动作给你从事的游戏运营工作带来了新启发。当我们思考时,虽然可能带着一个原始的目的,但从原始线路出发,我们可能会产生新的思考、新的方向,这种思考方式与机器的单纯目的性思考有着本质的区别。

屏幕快照 2017-05-23 下午11.45.49

这种思考方式,可以用一个词来概括:创造力

另一点机器与人类思考的区别是,机器是多个函数、逻辑、学习神经网络的结合,要让机器能够足够全面地思考,必须将所有数据都电子化,并设计出合理的逻辑,它才能结合神经网络自我学习、自我进化。

但所有物理世界的东西都能被电子化么?都能被机器用二进制定义么?都能被数学解释么?不一定。

比如,当微风轻轻从脸上吹过,我们感到愉悦时,这种感觉如何被二进制定义?显然它不能被简单地定义为「愉悦」二字,首选愉悦有很多种,其次,之所以我们感到愉悦,可能与所处的环境相关、可能与我们过去几小时的旅程相关、可能与我们过去的经历相关、甚至可能与身边的人用什么样的眼神看着我们相关。这些所有的因素能被完整地定义到 AI 里么?

现在还不能。我们不可能在现实世界的每个角落都布上传感器,即使能,这些传感器也只是从表面上定义了物理世界,更核心的内在,并没有被电子化。

但一个带有单一目的性的 AI,是否需要将整个物理世界都电子化?显然不需要。AlphaGo 只需要将过往 3000 万局围棋比赛的数据电子化,一个语音识别系统只需要存储语音波形与文字对应的逻辑和概率关系。

这就是人脑思考与 AI 思考的区别,人类用眼耳口鼻身体去感受物理世界并用大脑进行非矢量思考,而机器,则必须将物理世界数字化并进行有目的的计算。

人机合作

机器的计算效率和学习能力提升,这将会带来更明显的社会分工。

实际上,人类已经和机器分工合作很多年了。最简单的,用于算术的计算器就是一种人机合作产物,汽车也是一种人机合作,只不过,过去的人机合作是机器在效率上优于人类,它们节省了人类大量的时间,而现在和不久的将来,除了在效率上更优于人类,它们还能跳出最早被设定的程序,不断带有目的性地自我学习和进化 — 这一切,都必须基于物理世界更多、更深入地被电子化成机器可以理解的二进制数据。

这个时候,人类将更多地专注在创造力层面,而计算,则完全交给 AI。计算将可能作为一种娱乐项目存在,而不是人类的必需品。

会不会有一天,机器会自我进化出一种比人类智商更高的形态,从而统治人类?我觉得这一天不会发生,或在很长时间内不会发生,除非机器的运作方式发生根本性改变,比如,它不再依赖于人类发明的数学函数和逻辑,它不再依赖于人类给它灌输的电子化数据,又或者,它不再依赖于人类社会运转。否则,它们依然是协助人类、提高人类社会效率的最好帮手。

我们与这些机器并不是竞争的关系,而是合作。人类需要机器,机器也需要人类,就像《黑客帝国》里的 Zion 城一样。但不像 Matrix,因为无论是人类还是机器,至少未来数十年,我们都无法透彻地研究出,大脑存储信息和思考的根本原理,机器无法对人脑动手脚植入信息。当然,AI 能加速这一研究进程。

Zion-the_living_levels

接下来几天,AlphaGo 将会再次迎战柯洁和另外 7 位围棋界的高手,即使柯洁在接下来的比赛侥幸获胜,未来 AlphaGo 通过更多的自我训练,依然会变得坚不可摧,因为它始终在一个有边界、有逻辑、有数学规律的棋盘里计算,单个人脑的计算能力不可能比得上 AI,但 AI 做不到的是,成为一个有血有肉、有微笑会卖萌、有温度的棋手。

技术本应是引领人类进步的手段,冷冰本应是机器独有的特质,很遗憾,有一些人,他们像机器一样,冷冰地阻止 10 多亿人观赏技术的进步。可能,他们也是 AI 吧。

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注