首页 > 人工智能 > 正文

人工智能终极探讨,我们是AI吗?

2018-10-12 14:11:27  来源:东方网

摘要:“机器学习之父”、加州大学伯克利分校教授迈克尔·乔丹就说:AI的目标,并不是像人类一样的计算机,而是可以和市场共同合作找到最佳策略的技术。用数据找到最优效率,让现代技术的系统能够像经济学里的市场那样运行起来。
关键词: 人工智能
  人们没有想到,在着名科学家霍金逝世仅仅半年之后,全球最睿智的科学家们,又掀起了一段堪称历史性的大讨论。

  科学也需要PK。即使严谨如科技,也需要“网红”科学家们来推动普通民众对他们的兴趣浓度。比如当下业内公认最有天赋的科学家爱德华·威腾和他的M理论,人们就所知无多。但威腾M理论的基础学说源于量子理论和广义相对论,大家也同样一无所知,却不妨碍彼此热切地讨论时光倒流的问题。

  在刚刚闭幕的世界人工智能大会的“看见,智能”分论坛上,与会的全球顶尖人工智能嘉宾们,就上演了一次精彩的理论交流和探索。

\
  但其实,专家们思考的并不是世俗所认为的“和人一模一样的机器人”,而是通过科学计算提高效率的机制。“机器学习之父”、加州大学伯克利分校教授迈克尔·乔丹就说:AI的目标,并不是像人类一样的计算机,而是可以和市场共同合作找到最佳策略的技术。用数据找到最优效率,让现代技术的系统能够像经济学里的市场那样运行起来。

  马云也认为,AI应翻译为“机器智能”而不是“人工智能”,他们可以比人类优秀,不必模仿人类。“汽车的发明并不是模仿人的双腿,所以计算机不应该按照人脑一样去思考,机器必须要有自己的思考和逻辑。”

  历史辩论的重演

  针对当下AI的各个热门话题,讨论AI在可预见的未来的发展方向。而了解全球人工智能的发展趋势和技术方向,才能确保中国人工智能科技的进步。

  真理永远越辩越明,参与2018年这次对话的嘉宾们,汇聚了霍金弟子、人工智能领域奠基人Alan L.Yuille、欧洲大脑计划科学家、神经网络集大成者Christoph Von Der Malsburg、加州大学伯克利分校机器人与强化学习教授Pieter Abbeel、清华大学计算机科学与技术系副教授朱军;卡内基·梅隆大学计算机科学学院终身教授马坚,基因组大数据机器学习算法专家等国际科学家,交互有着世界产业命题的中国AI独角兽视角,其影响力足以撑起全球小半个AI学术界,进行了一场划时代的讨论。探索人工智能在可见的今天以及可预见的未来掀起的巨大变局,聚焦人工智能科本源,向全球展示当前人工智能浪潮下的深刻观点。

  1973年,人工智能概念提出不久,科学界各方对此看法不一。在英国着名媒体BBC的安排下,对人工智能技术前景持否定态度的詹姆斯·莱特希尔,和对人工智能未来前景强烈认同的美国斯坦福大学教授约翰·麦卡锡,出现在专业的人工智能研讨会上,也出现在BBC的直播镜头之前。两位怒气冲冲、针锋相对的科学家,给人工智能历史留下了极其精彩的“莱特希尔辩论(Lighthill Debate)”的故事。

  在“莱特希尔辩论后的45年”的议题下,现如今这批堪称全球人工智能“最强智库”的顶尖科学家们,对业内诸多焦点争论,展开了头脑风暴和智力冲浪。

  而他们争论的焦点,当然相比45年前,有了很大的不同。1973年的那场辩论,受科学技术的限制,当时针锋相对的论点,早在今天得到解决。比如当时感觉困难重重的机器语言翻译、语音识别、手写识别等人工智能应用,如今已经缩小到了半个巴掌大的同步翻译机里。

  人类是不是人工智能?

  在人工智能浪潮即将迎来革命性突破的今天,追忆半个世纪之前的科学交锋,并在伟大前人开拓的道路上,继往开来,探索未知,也许这才是本届人工智能大会水平最高、前瞻性最好且最的大收获。

  他们先针对“记忆网络和环境反应”做出了自己的判断。Alan Yuille教授认为人工智能目前还未能做到记忆网络的意识的发展,其他人也都认同,AI技术目前还没有达到记忆网络和实体思维的阶段。

  现在的人工智能技术应用,算是真正成熟了吗?与会专家们都认为,那还是一个非常遥远的目标。比如人类的感知感触,和复杂的深度神经系统,目前的模型和方法都离真正的成熟很远。但吕昊博士也指出,目前已经有全新的编程方向,主张合成而不是写代码。那么,是否意味着将来人工智能一旦学会了模块式的合成,就可以自己完成控制程序的编程了?

  继而,Alan Yuille教授抛出了惊人的一句话,他认为打败人类的阿尔法狗其实是非常简单的,因为围棋的算法和程序,都有一定的规则。Malsburg教授也认为,机器之所以能够学习,其实还是有规则可遵循,那这就不是真正的自主智能了。真正的自主智能,就是没有先设的规则。把一些抽象的原则和概念,去运用到我们真正的行为和生活中,机器现在还做不到的。

  对此,朱军教授认为,解决这个问题,要把现有的模型进行升级和优化,去了解人类的大脑是如何工作的,并去模拟人脑神经元的运作。

  而Alan Yuille和Malsburg教授坦诚,人类对自己大脑了解的都不够,对神经元的了解进展不大,但技术是在不断的迭代的,未来一定会有新的技术来支撑进行科学研究。

  几位科学家共同认为,对于AI来说,最关键的问题就是复杂性。如何来处理真实世界当中的复杂性,而不仅仅是通过数据和规则来演算推导,否则就会永远存在逻辑推理上的缺陷。

  而在讨论的最后,依图人工智能科学家、会议主持人吴双,向专家们提出了一个终极问题:怎么样说服自己去相信这一点,你不是处于一个虚拟的世界当中?

  对于最经典也最无解的“虚拟之脑”来说,Alan Yuille教授果然也给出了最经典的答案,就像他的老师霍金那样,他也认为虚拟的场景,能够让人产生真实的幻觉。

  客观地说,如果我们的人工智能技术能够复制了我们的大脑神经体系,并以一样的原理工作,那它到底是人工智能,还是真正可以自由思考的人类了?

  唯一遗憾的是,假如霍金教授还在人间,他又会说些什么?
第二十八届CIO班招生
法国布雷斯特商学院MBA班招生
法国布雷斯特商学院硕士班招生
责编:zhangxuefeng