AI之镜_[德]曼努埃拉·伦岑/著刘晓鸽/译_9787559681782

自人工智能概念诞生之初，制造一个拥有甚至超越人类智慧的机器便是这个领域的终极目标之一。多年过去，如今的自动装置变得更为复杂、多样，却没有变得更加智能。为什么会出现这个现象？根本原因在于，作为设计者的人类或许并未完全理解智慧的本质。
在本书中，科学记者曼努埃拉·伦岑博士将结合多年来的实验室采访，从心理学、神经科学、生物学、哲学等不同领域，以zui细致的观察一步步厘清人工智能的工作原理。她将以人工智能的发展历程为参照，逐渐揭开人类智慧的面纱。

有一点是确定的：物质能够孕育智慧！人类的行为便是鲜活的证明。人可以飞上月球、测序基因、编织交响乐曲、举办联合国大会，可以自我思考、表述自然规律，可以用几句话便将思想传达给别人。然而，人类虽然已经反思和研究了至少2500年，但仍不清楚自己是如何做到这一切的。
在接下来的内容中，我们将探讨一种独特的方法来揭晓这个谜题的答案：通过复制智能来理解智能，涵盖算法、虚拟形象和机器人。同时，我们也会讨论这一实验如何改变我们对智能的看法。
我们至今仍未完全理解人类为什么会有智慧，其主要原因可能在于，当我们思考、计算、计划、推理或从事其他与智能相关的活动时，我们仅能意识到其中的极少部分。简单地内省或在思考时喃喃自语是不够的。我们无法直接观察到智力的运作过程。为了弄清真相，我们需要心理学的技巧与诀窍、经济学的策略游戏、进化生物学的重构等多方面的研究方法。但zui重要的是，我们需要有一个可以比较和对照的对象。
只有通过比较，我们才能发现事物的特别之处。只有经过比较，我们才能了解到，哪些事情不是自然而然的，哪些可能是特别的，哪些是需要解释的。
自古以来，我们通常以动物为参照，来显示人类智慧的特殊之处。古往今来，这种对比研究，要么是为了找出人与动物之间的决定性差异，即种差（differentia specifica）；要么是质疑这些差异，突出动物与人类之间的相似性和进化的连续性。自我意识、工具使用、语言、复杂任务：哪些动物能够做到这些？有没有只有人类才会做的事情？如果黑猩猩能够制造和使用工具，是否意味着人类并不特殊？如果它们是在研究人员的引导下才做到这一点的，那么我们是否依然和它们不同，拥有一些独特的能力？
毫无疑问，关于智能及其各种表现形式，我们从动物身上学到了很多。但是，那些通常被用于智能测试的动物，如黑猩猩、乌鸦、大象、海豚和章鱼，与我们太过相似，以至于不能令我们发现智能的本质。它们和我们一样，是有生命的存在，拥有进化史、身体、感知、情感、需求和社会联系。它们能够自我组织生活。简而言之，它们会做的已经太多太多。
要想从根本上理解智能是什么，就需要从zui初没有智能的系统开始研究。它们不是黑猩猩，不是没有大脑的水母，也不是单细胞生物，而是机器。我们在与生命体进行对比时，会全凭主观进行预设，而机器缺乏与这种行为相关的一切特质。这种预设导致我们完全不会关注到那些特质对智能的意义。
只有当一个人拿起相机并开始思考如何教会相机看时，或者教会一台录音机理解时，才能真正意识到理解智能的问题有多复杂。顺便一提，这些难题至今仍未得到完全解决。
从机器入手的第二个原因是：我们选择的对比对象大体上决定了我们对自身的认识。当然，这取决于动物种类，让人类马上同整个动物王国竞争是不公平的。但总体来说，人与动物的比较表明，我们的感官没什么了不起，运动方面也天赋不足只有通过放大镜，我们才能发现我们在运动方面的zui高成就。确实，有些人跑得比马还远，但与大型野猫相比如何呢？与候鸟的飞行距离比呢？相比之下，我们的认知能力脱颖而出，我们遇到问题时不是直接行动，而是先退一步，进行抽象思考、规划、获取信息，并通过讲述、想象和理解故事来构建生活。
与人工系统的比较则会呈现出完全不同的景象。在抽象能力方面，比如心算，我们甚至比不上一台廉价的便携式计算器。在游戏方面，从国际象棋到围棋再到扑克，多年来人类在与计算机系统的对抗中屡屡受挫。我们能同时在头脑中处理的信息相对较少，记忆力有限且易出错，经常做出不够理性的判断。但是我们能敏锐地察觉某个场景发生了细微的变化，察觉到物品不在它们该在的位置，感知到阳光刺眼。我们不会因为停车指示牌上贴了一些东西就泊错车位，一般也不会认不出路边的大型红色消防车，但不是所有自动驾驶的车辆都能做到这些。
机器的耐力，我们也是比不过的。但我们的身体可以有限地自我修复，我们的优势通常是诸如鼻子或手之类的器官和肢体。所以，人类可以站在自动化生产线的末端，站在线上零售商店的大厅里，用他们灵巧的双手将成品或者订单装进盒子或者箱子里。
与动物（以及更高等存在）的比较支持了一种更传统的智慧观。该观点大致是：智慧存在于大脑中，主要体现在处理抽象的问题上。虽然机器仍未达到真正的智能，但向我们展现了另一幅图景。因为人们已经证明，人工系统面临的zui大难题不是在象棋对弈中取胜或者在虚拟空间中旋转几何图形，而是在灵活性、创造性和常识等难以捉摸的方面，能否理解情境做出适当反应。
与机器的比较表明，如果我们想理解智能，就不能轻易抛开进化史的成果、我们童年的经历、我们的身体、我们所处的环境和我们的社会联系。不能只专注在我们认为具备智能的事物上，仅仅因为这些事物需要我们付出努力。当然，这并不意味着我们就没有必要研究动物的认知能力了。不过，在机器中实现智能的尝试会改变我们对智能的认识。
与机器进行比较的观点并不新鲜。自古就有人将人与想象中的或真正的机械自动装置、水力或气压驱动的自动装置进行比较。人们惊叹于机器的力量和不知疲倦，通过机器思考生命体和非生命体的区别，将有生命的和无生命的、真实的和模拟的混在一起来玩猜谜游戏，并以此娱乐消遣。这种痴迷一直延伸到我们今天的科幻小说中。
使用人工系统来更好地理解智能的第三个理由是：人工系统需要先被建造出来。它们不像我们和动物，可以靠自己生成。也就是说，系统的每个细节都需要靠开发者思考、靠开发者实现。由此一来，人工系统就成了一面电子镜：它们通过算法、虚拟形象或机器人展示出我们对智能行为产生方式的假设，反照出我们对智能及其条件和前提的看法。
这种策略非常有效。因为如果人工系统未能实现预期的智能，它们会让我们立刻了解到，我们的想法明显是不正确的或至少是不完善的。没有什么比一台迷失方向的机器人或一个给出荒谬回答的聊天机器人更能证明我们对认知能力的假设不明确或存在错误。
通过复制来学习被复制对象的想法也不新颖。1738年，雅克·德·沃康松（Jacques de Vaucanson）在巴黎展示了三个自动装置，借此震惊世人。这三个装置分别是：一个鼓手、一个笛子吹奏者和一只鸭子。为了建造笛子吹奏者，沃康松仔细观察了人类演奏笛子的情形。但是他在建造自动机器时才明白，笛子中的声音是如何变化的。科学史家杰西卡·里斯金（Jessica Riskin）指出。1在建造的过程中，沃康松才确定，要想让笛子发出声音，压力必不可少。此外，前一个演奏的音符也至关重要。人类笛子演奏者在演奏时并不会察觉到这个情况，因此也不会加以描述。里斯金认为，沃康松的自动装置属于哲学实验，是对生物的哪些方面可以在机器中复制、能复制到何种程度以及人们还可以对自然有哪些认识等问题的尝试性回答。这些装置是对人类和动物zui终是否会像机器一样运作这一问题的探索。这种尝试与探索才是这类实验成功的真正原因，也是它们的魔力所在。这种魔力至今仍然存在。人不是机器，当然不是。这句话说起来容易，但究竟是什么造成了人与机器的差异，这一差异与人工智能研究的成败有何关系，仍是未解之谜。
18世纪的自动装置虽然令人着迷，但它们的技能却不过尔尔。随着时间的推移，如今的自动装置变得更为复杂、多样，但没有变得更加智能。直到20世纪中叶，人工智能研究兴起，新的篇章才得以开启。迄今为止，还没有像人一样智能的机器，甚至对是否会有这样的智能机器也存在争议。然而，现有的系统已经达到了一个空前的水平，它们的成就及不足都使得人类与机器、自然智能与人工智能的比较变得有意思起来。
尤其是现在的大型语言模型已经如此出色，以至于它们越来越频繁地让我们感到困惑，我们究竟在和什么打交道？它们对世界的理解有多深？它们是否已经有了意识，或者说是否至少发展出了一点儿意识？
如今，有两个并行发展的研究领域，代表了人工系统的两种视角：认知研究和人工智能。认知研究人员试图尽可能精确地阐述他们对智能工作原理的假设，并在人工系统中进行测试。人工智能研究人员则尝试构建能表现出智能行为的系统，在此过程中也从人类和动物身上汲取灵感。
毕竟人和动物目前仍然是智能行为仅有的典范。当然，人工智能研究人员也可以走一条完全不同的道路。进化像是个老皮匠，手头有什么就做什么，走过的路不能退回，而工程师不一样，他们可以在一张白纸上从头开始。因此，或许有更好、更直接、更优雅的方法去建造智能机器，而不是仅仅依赖生物学上的榜样。特别是很多今天由人工智能算法完成的任务，其实并不涉及广泛意义上的人类智慧，而只是具备某种专项功能，如识别异常的操作噪声并在机器产生故障前发出警报。
这类人工智能项目的目标是制造有能力以某种方式给出预期解决方案的机器，而不是制造像人一样去解决问题的机器。这一目标被哲学家和认知科学家加里·马库斯（Gary Marcus）称为替代智能（Alt Intelligence）。马库斯认为，用这种方式可以创造一种智能替代品。这并没有错除了可能伴随着认为自己能够通过不同于自然的方式将智能引入世界的想法而诞生的傲慢。
事实上，这种替代智能系统在许多方面的性能表现都令人印象深刻。然而，算法要求的反应越灵活、它们的任务越复杂、机器人与混乱的世界接触得越深，就越会暴露这些系统理解世界时的局限以及类人智能的欠缺。同时，人工智能研究人员也就越有兴趣去更为细致地观察自然榜样。在这里，认知研究和人工智能这两个领域相遇了。
美国计算机科学家和人工智能研究先驱约翰·麦卡锡（John McCarthy）写道：人工智能是开发和制造智能机器，特别是计算机程序的科学。它与使用计算机更好地去理解人类智慧这一项目相互关联，但人工智能不必局限于有生物榜样的方法。2
人工智能绝对无须设限。在di一章中我们将看到，许多与人类思维方式不太相关的方法在人工智能研究中取得越来越大的成功，但这也越发清楚地表明，人工智能仍有许多可以向自然学习的地方。
我们若是知道人类是如何变聪明的，或许早就拥有了机器人管家、自动驾驶汽车以及不会认为一千克钢比一千克羽毛重的聊天机器人。又或者，另一个可能的结果是，我们可能早已明白为什么人工智能项目无法成功。
认知科学和人工智能研究都基于我们能否发现智能的本质。接下来的内容将会探讨，通过构建这些表现得较为智能的人工系统，我们能从中学到哪些与我们自身相关的认识；反过来，人们又可以从这些认识中推导出哪些与建造智能机器有关的信息。这并不是要将人类从某种意义上简化为机器或侵犯人类的权利和尊严，而是像雅克·德·沃康松那样，探讨有机体和机器在智能方面的真正区别究竟是什么，以及为什么构建一台智能机器会如此困难。
在这个过程中，一些熟悉的问题再次以新的形式出现：到底什么是智能？在头脑中拥有某种东西意味着什么？感知、认识和理解意味着什么？还有，机器难以掌握的所谓的常识到底是什么？
为了找到这些问题的答案，我访问了许多人工智能及认知科学研究人员，参观了实验室，我也曾因为人类和机器、睡觉和做梦的算法、稀奇古怪的机器人及在运动场里玩耍的虚拟形象惊讶过，也笑过。在此过程中，我真切地体会到，面对人工智能这面仍不算特别聪慧的镜子，我们首先学会的是重新看待自己。

理解智慧的本质

人工智能或许不需要像自然智能一样运作，大多数情况下，人工智能的任务也与自然智能的任务完全不同。虽然这种替代智能屡屡取得成功，但也带来了一些意料之外且异常艰难的问题。本书di一章将讨论人工智能的基本方法和技术，介绍它们的优势和局限性。
第二章将带领我们探索自然智能的多样性，解释为什么计算机不仅仅是继蓄水池、教堂管风琴和电话总机之后，又一个被拿来与智力比较的不合适的技术，并非仅因为它当前流行。本章我们也将更深入地探讨人类的智慧。
第三章则聚焦于理解和复制自然智能所面临的困难和挑战，并对人工智能项目进行清晰地定义。
第四章开头，我们会明确指出，智能和走出黄金牢笼有关，迄今为止大部分人工系统都是在这个笼子里运作的。智能也与走进世界有关，即使只是模拟的世界。
想要进入世界，首先必须能够感知世界。第五章将介绍，为了让人工系统具备视觉、触觉、味觉和嗅觉，研究人员进行了哪些尝试。在此过程中我们会发现，相机的分辨率或传感器的分辨能力只能解决一小部分问题。事实会证明，一些看似不可能与机器联系在一起的行为对解决其他问题起到重要作用，如打盹。
究竟如何带领人工系统走进世界？第六章探讨了这个问题。对于这个问题，作为榜样的人类提供了一个答案：它们必须具备好奇心。不仅如此，人工系统可能还需要一种类似于人类儿童成长过程的智力发育方案，然后才可以变得智能。
到此，应该不会再有人认为智能主要产生于大脑了。不过，为了避免话题过于发散，接下来在第七章中，我将回归对智能的经典解释，即语言、概念和抽象思维，探讨它们是如何构成人类智慧的。
第八章进入人工系统的实际应用领域，展示自动化决策算法是如何在各个领域中被越来越频繁地使用，以及它们如何在实践中为我们竖起一面镜子，迫使我们更加深入地思考我们如何以及为何做出各种决策。
zui后一章作为思考的精华，我建议更换一个智慧的象征物。一直以来，有一件作品zui能代表我们对传统智慧的认识，那就是奥古斯特·罗丹（Auguste Rodin）的雕塑《思想者》。他孤独地坐在基座上，手撑着头，独自解决自己的问题。这个形象背后有着悠久的西方传统：思维是在自己的头脑中进行的。智力是物质的另一面，某种程度上被困在一个拖累和限制它的身体里。如果智力能摆脱所有的需求、欲望和压迫，从头疼与疲惫、年龄与惰性中挣脱出来，就能获得真正的智慧。但不幸的是，它被困住了，不得不尽其所能地对抗这些限制。
通过本书，我希望读者明白，为什么一个有趣且人来人往的游乐场能更好地体现智慧的本质。

你还可能感兴趣

我要评论