logo  

人工智能入门——理论与工程

人工智能入门——理论与工程
作者: 陈安廉

摘要:研究人工智能


女娲造人


2021-09-14 14:17:18

女娲看着眼前的造物,陷入沉思。

从前,当他告诉人们制造一个智能机器是可能的的时候,人们总是笑他。

曾有人调侃他说:“你用什么来做,用泥土捏出来吗?”

女娲回道:“你可以这么说,因为其中最关键的计算单元,非常合适用硅来制造,而硅元素可以从泥土中提取得到。”

后来这人就到处传言:“女娲要用泥土造出一个人来,咋不上天呢!”

但女娲不在意别人怎么想,他相信既然世界万物都由原子构成,那么即使复杂如作为智能系统的人类,理论上肯定也可以制造出来。大自然能制造的东西,人类能做得更好。

为此,他孜孜不倦地学习他人的研究成果,坚持不懈地钻研、探索。他向伏羲学习二进制,与轩辕探讨硬件的制作工艺,跟太上老君交流编程思想。经过千百年的努力,经过千百次的版本迭代,终于在今天有所突破。

在最早的版本中,女娲采取了非常原始的方式来设计智能系统。他将千万种人类感知的参数及其对应的行为反应存储到数据库中。从摄像头、声音感知器、皮肤触感等各种感知器中收集行为反应的参数,然后以这些参数作为条件从数据库中查询到相对应的行为反应描述。最后机器人中的运动引擎驱动机器人的肢体、喇叭等输出装置做出相应的行为。

很快,女娲发现这种方式实现的智能远远达不到高智能的要求。因为它假定了外界的刺激完全决定人的行为,这是没有得到证明的。更何况,不管他如何去丰富那个行为反应数据库,永远没完没了。因为逼近真实的行为反应,需要考虑的参数实在是太多了,而这些参数的幂集更是一个天文数字。

在第二个版本中,女娲发现了神经网络算法。他用简单的三层全连接神经网络制作了一个模式识别器,它能很好地拟合一些没那么复杂的分类场景。

随后,女娲改进了全链接网络,发现了卷积神经网络。卷积神经网络能够很好地进行图像识别,然而受限于卷积神经网络的结构,它在很多场景中应用效果很差。

此时的机器人版本还远称不上智能。女娲继续着版本的迭代,尝试了无数个方案:循环神经网络、自组织网络、遗传算法,等等。

有一天,女娲想到:当我们看东西时,我们有视觉感受时,同时也可以有声音感受,有其它的意识种类。仿佛这诸多意识种类围绕着一个中心产生,它们都只有进入这个中心才能成为意识。而之所以意识的机制会如此,从生存的角度看,这样一个决策中心能够在整合诸多信息的基础上来让做出决策,而不仅仅决定于某一种特定的信息。

找到了!意识类似一个全局监控系统。何不从这点出发去设计呢!如果我们要制造一个类似人那样感受、决策、行为的智能体,应该从意识的的本质及其发生机制入手,而不仅仅是模仿人类的行为或者模仿大脑的神经网络。

人类身上的各种感知装置都连接到一个核心处理单元。但并非所有的信息从感知装置那里传来时,都会被意识到,而只有那些进入到了核心处理单元中,并竞争胜出的那些才会出现在意识中。

举个例子,人的耳朵时刻接受着外界种种震动刺激,其中可能包含我们想要关注的说话声音,但更多的是杂乱无章的噪音。然而,人能识别出说话声,而很多时候甚至都没注意到有噪音。这个噪音过滤功能并不是在耳朵那里实现的,这些震动刺激通过神经网络都传输给了大脑,但只有那些在竞争中胜出的神经元刺激模式(如说话声)才会被意识到,其它的则仿佛不曾存在。

再举个例子,当一个人非常专注地观察一个东西的时候,你在旁边大喊大叫,甚至轻微地触碰他的皮肤,他都没有反应。因为当他专注于某个目标时,某种特定的意识模式在意识单元中占据着完全的竞争优势,而其它神经冲动则被抑制,以致没有成为意识。

这就是意识的发生机制。各种神经冲动在一个处理单元中交汇,但只有少数的神经冲动获得进入了全局监控领域的机会,成为意识。

为什么人类会产生这样的意识机制呢?在漫长的生物进化史中,曾经产生过各种智能方案。像人类的这种整合多种刺激的全局决策系统解决方案,无疑是非常优秀的,在决策效率与决策的完备性上得到较好的平衡。因而它没有在进化的长河中被淘汰掉,而是越来越精致,越来越复杂。

在这个大致思路下,女娲专心致志地研究了几百年,迭代了无数版本,终于制造了一个非常类似人类的智能机器。它与人类类似的地方,不在于外在,而在于我们完全可以说它具有与人类那样丰富的精神世界。

女娲看着眼前的造物,知道它具有着某种感受,但是什么样的感受呢,我们不得而知。就像我们无法直接知道别人的感受一样,我们无法知道这个机器的主观感受是什么样的。

但我们可以知道它具有了某种全局监控核心处理模式,当那些杂乱的神经冲动传达到那个核心处理单元时,某些冲动会竞争胜出,进入全局决策考虑范围之内,在全局决策中被考虑。而这也就是感受,与人类产生感受的模式是一样的。虽然我们无法说清楚,主观上那种感受是怎么样的。

这就是来自蛮荒时代的女娲造人的故事,流传至今,也是人工智能遥远的历史。