人工智能研究或已进入死胡同

译文
人工智能
本文集中讨论为何人工智能的研究陷入阻滞。作者托马斯•内尔(Thomas Nail)认为造成瓶颈的主要原因是:大多数AI研究者和科学家忙于编程,以特定目标为任务,设计完成所谓“智能”软件,没有时间思考“智能”的真正定义和来源。除非研究者们跳出被商业驱使的桎梏,否则就无法走出AI研究的死胡同。

【51CTO.com快译】菲利普•迪克于1968年出版的小说《仿生人会梦见电子羊吗》是科幻小说中的标志性作品。这本书在书名中提出了一个有趣的问题:仿生人或者说机器人会做梦吗?

  自这本书面世53年以来,人工智能研究已经日益成熟。但这个问题依然无解,因为研究人员对此并不感兴趣,没有人试图发明一个梦到电子羊的机器人。大多数人工智能研究人员和科学家都在忙着设计“智能”软件来完成特定的任务,没有时间做白日梦。但这样做就一定是正确的吗?如果理性和逻辑不是智能的来源,而是其产物呢?如果智能的来源更接近于做梦和玩耍呢?

  最近对“自发波动的神经科学(neuroscience of spontaneous fluctuations)”的研究指向了这个方向。如果这项研究是正确的,那将意味着我们对人类意识理解的范式转变。同时这也意味着几乎所有的人工智能研究都在朝着错误的方向发展。

  对人工智能的探索是从现代计算科学中发展起来的,该科学由英国数学家阿兰·图灵和匈牙利裔美国数学家约翰·冯·诺伊曼在65年前开创。从那时起,就有许多研究人工智能的方法。然而,所有的方法都有一个共同点:它们从计算的角度来处理智能,也就是说,像计算机一样有信息的输入和输出。

  科学家们还尝试在人脑的神经网络上建立人工智能模型。这些人工神经网络使用 “深度学习”技术和 “大数据”来接近并偶尔超越人类的特定能力,如下棋、围棋、扑克或识别人脸。但这些模型也像许多神经科学家一样,把大脑当成了一台电脑。但这样设计智能是否正确呢?

  人工智能的发展现状仅限于业内人士所说的“狭义人工智能”。狭义人工智能擅长在一个封闭的系统中完成特定的任务,在这个系统中,所有的可能性都是已知的。它没有创造性,在面对新状况时通常会崩溃。另一方面,研究人员将“通用人工智能”定义为知识从一个问题到另一个问题的创新转移。

  到目前为止,这是人工智能未能实现的目标,而且很多业内人士认为这只是一种极为遥远的可能性。大多数人工智能研究人员对所谓的“超级智能AI”的可能性抱有不太乐观的态度,因为假设的“智能爆炸”会使人工智能变得比人类更聪明。

[[401712]]

  计算机大脑?

  大脑是否像电脑一样传输和接收二进制信息?或者,我们这样想只是因为自古以来,人类就习惯于用最新的技术来比喻我们的大脑?

  当然,计算机大脑的隐喻在某些方面是有意义的。毫无疑问,一个神经元分配一个二进制数字,该神经元要么发射了 “1”,要么没有 :“0”。我们甚至可以测量单个神经元激发所需的电化学阈值。从理论上讲,这些信息的神经图谱应该能为我们提供任何给定大脑事件的因果路径或“代码”。但从实验上看,情况并非如此。

  首先,这是因为神经元没有像晶体管那样为其逻辑门提供固定的电压,而晶体管可以决定在给定的神经元中什么会激活“1”或者什么不会激活“0”。数十年的神经科学实验证明,神经元可以改变其功能和发射阈值,这与晶体管或二进制信息并不相同。它被称为“神经可塑性”,而计算机并不具备这种能力。

  再者,计算机也没有名为 “神经调质”的化学物质的等效物,这些化学物质在神经元之间流动并改变它们的发射活动、效率和连接性。这些大脑化学物质允许神经元在不激发的情况下相互影响。这违反了 “非此即彼”的二元逻辑,意味着大多数大脑活动发生在激活和非激活状态之间。

  此外,神经元激活的原因和模式受神经科学家所谓“自发波动”的影响。自发波动是大脑中发生的神经元活动,即使没有外部刺激或心理行为与之相关。这些波动也惊人地占大脑活动比95%,而有意识的思维仅占剩下的5%。这样,认知波动就像大脑的暗物质或“垃圾”DNA。它们构成了大脑中正在发生的大部分事情,但一切还是个谜。

  自20世纪30年代以来,神经科学家就知道这些不可预测的脑电活动波动,但却不知道该如何看待它们。科学家们通常更倾向于关注大脑对外界刺激做出反应并触发心理状态或身体行为的活动。他们从数据中“平均”出其余的“噪音”。然而,正是由于这些波动,可以发现在神经元中不存在我们可以称之为 “1”的普遍激活水平。神经元不断地激活,但是,大多数情况下我们不知道为什么。

  这些自发波动的根源可能是什么?自发思维神经科学的最新研究表明,这些波动可能与内部神经力学、心脏和胃的活动以及对世界的微小物理运动有关。2010年耶鲁大学医学院的大卫•麦考密克和2011年加州理工学院的克里斯托夫•科赫的其他实验表明,神经元发射产生的电磁场强度足以影响和干扰相邻神经元的放电方式。

  当我们深入时,大脑变得更加狂野。由于电化学阈值激活了神经元,原则上,一个质子就可能引起神经元放电的差异。如果一个质子自发地跳出原子键,在物理学家所谓“量子隧道”中,这可能导致一连串突然的神经元活动。因此,即使在最微小的可测量水平上,神经元的物理结构也具有非二元不确定性。

  这是计算机和大脑之间的一个巨大区别。对计算机来说,自发的波动会造成错误,使系统崩溃,而对我们的大脑来说,这是一种固有的内置功能。

  人工智能的未来不是你想的那样

  如果噪音是新信号呢?如果这些异常的波动是人类智慧、创造力和意识的核心呢?这正是神经科学家乔治•诺瑟夫、罗宾•卡哈特•哈里斯和斯坦尼斯拉司•德哈恩所展示的。他们认为,意识是从同步自发波动的嵌套频率中产生的一种新兴属性。应用这一理论,神经科学家甚至可以通过观察一个人的脑电波来判断他是否有意识。

  人工智能几十年来一直在以神经科学为模型,但它能遵循这个新方向吗?比如,斯坦尼斯拉司•德哈恩认为计算机的智能模型“大错特错”,部分原因是它的“自发活动是最常被忽视的特征之一”。与计算机不同的是,“神经元不仅能容忍噪音,甚至还能放大噪音”,以便于生成解决复杂问题的新方法。

  “正如雪崩是一个概率事件,而不是某个确定事件一样,最终导致有意识知觉的一系列大脑活动并不是完全确定的:同样的刺激有时会被感知,而有时则未被察觉。造成差异的原因是什么?神经元发射的不可预测的波动有时与传入的刺激相适应,有时则与之对抗。”

  因此,德哈恩认为,人工智能需要一些类似于同步自发波动的东西才能有意识。萨里大学分子遗传学教授约翰乔•麦克法登推测,自发的电磁波动甚至可能是一种进化优势,有助于密集的神经元产生和同步新的适应行为。他写道:“如果没有电磁场的相互作用,人工智能将永远是哑巴和无意识的。”德国神经学家乔治•诺瑟夫认为,“有意识的……人造生物将需要展示时空机制,例如……自发波动的嵌套和扩张”。

  与此相关的是,墨尔本大学的人工智能研究员科林•黑尔斯观察到,人工智能科学家还没有像其他科学家制造人工心脏、胃或肝脏那样尝试制造人工大脑,这就很有意思。相反,人工智能研究人员在没有对应物理原理支持的情况下创建了神经元模式的理论模型。黑尔斯说,这就好像人工智能研究人员正在设计永不离开地面的飞行模拟器,而不是建造飞机。

  最近关于大脑自发波动的科学研究会如何改变我们对AI的思考方式?如果这种当代神经科学是正确的,人工智能就不可能是一台通过二进制进行输入和输出的计算机。它应该像人脑一样,95%的活动必须是“嵌套”的自发波动,类似于我们无意识时、发呆时和做梦时的头脑。目标导向和工具性行为将只是其发展形式的一小部分。

  如果我们看脑电图,它必须有类似德哈恩实验证明的“意识特征”。为什么我们会期望意识独立于定义我们自己的特征而存在?然而,这正是人工智能研究正在做的。人工智能还可能需要利用科学家们目前正在过滤掉的量子和电动扰动。

  自发的波动来自嵌入意识的物质,不存在独立于物质的智能。因此,要拥有有意识的智能,科学家就必须将人工智能整合到一个对其解剖结构和世界具有敏感和非决定性反应的物质体中。它内在的波动会和世界的波动发生碰撞,就像扔进池塘的石子产生的衍射涟漪。通过这种方式,它可以像所有其他形式的智能一样通过经验学习,而不需要预先编程的命令。

  一个通用人工智能在一开始可能不会很出色。智能是通过生物体试图将其波动与世界同步的流动性而演化的。在世界中移动并学会与之同步需要时间。正如科幻作家姜泰德所写,“经验在算法上是不可压缩的。”

  这也是为什么做梦如此重要。实验研究证实,梦有助于巩固记忆和促进学习。做梦也是一种非常有趣的状态,并且是一种自由关联的认知波动。如果这是真的,为什么我们要期待没有梦就出现人类水平的智力呢?

  在我看来,除非研究人员不再为资本主义设计计算奴隶,并开始认真对待真正的智能来源——波动的电子羊,否则人类水平的人工智能将始终是一个空谈。

  原文标题:Artificial intelligence research may have hit a dead end,作者:Thomas Nail

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

 

责任编辑:张洁 来源: 51CTO
相关推荐

2019-03-25 09:59:58

人工智能深度学习技术

2020-02-10 13:36:30

人工智能深度学习技术

2022-08-04 13:29:50

人工智能自动化数据研究

2013-01-06 15:40:57

2022-02-25 08:28:10

身份验证无密码登录密码

2023-05-19 21:11:43

人工智能

2018-05-04 07:26:38

工业物联网物联网人工智能

2023-11-03 15:29:47

2011-07-18 09:05:46

虚拟化

2011-11-03 10:57:31

IT资产开源软件

2022-07-12 10:06:08

人工智能AI

2024-03-15 14:26:28

2010-06-28 17:00:47

SilverlightFlash

2023-07-07 00:54:05

2023-04-06 00:32:50

人工智能ChatGPT

2021-08-10 08:54:10

人工智能中国美国

2017-04-11 18:30:50

2015-07-08 11:10:16

人工智能

2019-12-04 09:23:16

心理学人工智能大数据

2017-11-17 08:57:00

AI智能机器学习
点赞
收藏

51CTO技术栈公众号