twhlw的个人博客分享 http://blog.sciencenet.cn/u/twhlw

博文

读书报告二 精选

已有 1536 次阅读 2021-5-10 08:35 |个人分类:2021|系统分类:科研笔记

现如今,人工智能的热度不减反增。自动驾驶、语音识别、智慧医疗以及一些互联网+的产业正蓬勃兴起,如日中天,但随之而来的问题也渐渐暴露出来。似乎人工智能的“智能”总是达不到期望,项目也不易落地实现。在此时刻,《人机融合:超越人工智能》一书给出了一些见解。


全书概要


如果出现瓶颈不妨追根溯源,从源头解决问题。此书便从智能的本质出发,找寻智能的东西方之源,尝试总结出智能产生的过程,进而探寻智能的本质。人类文明必然伴随着智能,科学技术的进步是智能最直接的表现。到近现代,人工智能登上历史舞台。书中介绍了人工智能的前世今生、发展过程中经历的三个发展阶段以及不同的流派。进而,人工智能的缺陷开始显现出来。在分析智能本质的基础上,总结出人工智能迈不过去的三道坎,继而提出新的发展路径即人机融合智能,让人与机的优势互补,站在智能的肩膀之上则可以看的更远,走的更远。书中介绍人机融合智能的起源及未来的发展方向和一些人机融合智能的应用。重点介绍了军事智能与反人工智能的研究应用。之后介绍人机融合智能中的深度态势感知和自主性问题各自的起源发展等内容。人机融合智能处于起步阶段,便需要对其有更多的思考,包括现今发展的瓶颈、未来的发展方向和应用领域以及一些发展中关键的问题。人的智慧与人工智能的深度融合才会真的打造出强人工智能,人机融合智能将开启新的智能时代。


智能


智能是什么?是能力。人工智能只是一个应用、一个功能,是人类利用自己的智能为达到某种目的而生产出来的工具。马克思始终认为,不管计算机有多么发达、多么高级,它总是一种工具。从资本或者阶级的角度来说,甚至是一种剥削工具。工具没有达到期望中的那样智能的时候,我们不妨从源头出发,去了解智能的本质。


人类文明发展到如今,智能的源头在哪里?还是回到人类历史上有文字记载的文明之初吧。东西方文明发展的途径差别很大,就意味着有两种不同的智能形成发展方式。东方的智能或者说思考是从类比和隐喻而来的。《论语》的“见贤思齐”、还有“三人行,必有吾师”等都是类比,也即是:从别人那里,我们看到了自己,通过类比来学习、进步。东方的文化、哲学中隐喻更多,表达更委婉,也更有内涵。而西方则推理归纳演绎更多,更重视逻辑性表达,遵守严格的因果律。欧几里德《几何原本》从一些公理推出定理及结论,确定了公式推导、定理证明的方法,奠定及说明了西方推理逻辑的基础。东方与西方的智能共同交界处就是这个义,英文中should。义就是“应该”,“应该”给出一个方向而不是必须,应该怎样而不是必须怎样,“应该”有容错性主体就有了自己的思考,当然就受情感的影响。“应该”中有具象即事实性也有抽象即一定价值性。休谟之问:从事实里面能不能推出价值来?事实与价值的融合才是人的智能,也将是未来人机融合智能的关键。《易经》里面有三个词是人类智慧的核心:知几、趣时、变通。知几就是要看到事物发展的苗头、兆头;趣时即及时抓住时机;变通就是要随机应变、因时而变。现代的智能产品或者人工智能等都是以西方的逻辑框架构建起来的,没有东方的这些非逻辑形式。东方的非逻辑与西方的逻辑结合或许才是人机融合智能的根本。毕竟连现代物理学发展到今天量子物理中,纯逻辑推理的因果律已经不能再解释所有现象,加入一些哲学的思考未尝不是一个好的办法。


智能本质上是文明,是多种文化相互作用的结果。文明在进步,所以智能也在发展,如万有引力到广义相对论、如工业到电气到信息时代。这些科学技术是智能的具体体现。更重要的还包括人的理解,对自身、对自然、对社会的理解。理解是思考后得出的结论或者顿悟。理解后便为智能,可以跨域迁移,能够对不同领域进行思考,让AlphaGo去做饭去治病救人才是我们对智能的期望与追求。真正的智能,既包括非完全信息下的博弈决策,也包括完全信息下的直觉洞察。不仅能够联想、想象,由部分看到整体,并进行感觉猜测,如一叶之秋,还能够在信息完全的情况下,灵感迸发,进行直觉推理。当然,这是一种未学习过的推理判断,与如今的大数据训练的机器学习不同。数学是科学的基础为其他学科服务,也是逻辑推理最好的代表。数学不免太过冰冷,而智能是要为人类服务的。我们在数学的冰冷中加入人类的火热的思考,让数学处理事实、人类决定价值,两者融合实现真正的智能。


人工智能


人工智能的概念在1956年的达特茅斯会议上首次被提出。在经过六十多年的发展之后,人工智能在自然语言处理、计算机视觉、机器翻译等领域有了良好的应用。回看计算机器的起源,莱布尼兹发明的能进行四则运算的计算器便足以说明其在机器数学中的先驱地位。除了为计算机设定的逻辑推演程序之外,更加必要的是人与机器的互动交流。机器的逻辑计算规则很重要,但更重要的是机器与人之间的交流的一整套法则,如符号,文字等。就像语言是早期人类智慧能够累积的桥梁。符号、文字的作用不仅是推理、记录和表达,还能够传递知识,推动文明的进程。图灵可谓赋予了计算机灵魂,后期在转换表语言的基础上发展而来的各种编程语言成为人机交流的通道。从此计算机器发展的速度更快,才有了如今的人工智能及其各种应用。


人工智能的三个发展阶段+人工智能的三大流派:


Screenshot_20210510_081516.jpg


人工智能有限的理性逻辑和困难的跨越能力是其致命的缺陷。人工智能不具有人类所特有的情绪、冲动、欲望、直觉等非理性因素,更不要说事实中的价值相等关系。目前的人工智能只是某些在特定领域的应用,不具备跨越领域解决问题的能力。人工智能发展到今天,我们也可以意识到有三个无法跨过的坎,即可解释性、学习和常识。可解释性是指能够理解决策原因的程度。现在的人工智能并不能理解为什么我们要做这个决定,不能对我们这个决定的价值进行判断。我们常说知其然,还要知其所以然。人工智能就只知其然,而不知其所以然。学习学的不是数据、信息,而是去学习获取这些数据的方法和寻找数据之间的联系。机器学的只是数据。因为机器只能在人的操控下在人为界定的范围之内来对这些数据进行处理。人的学习可以寻找不同事物的相似性或者类比,了解事物或不同系统的相似性之后就可以做到举一反三。而机器却只能在被确定范围的领域内处理特定的问题。知识是常识的素材和原材料,机器只有“知”而没有“识”,不能够做到知行合一。知是信息、是数据,识是对当前状态的把握、是处理这些数据的关系。知是理解这些数据代表的意思,识是对事物未来发展趋势的把握。人工智能有不可解决的问题,我们或许可以绕过这些障碍,将人所特有的非理性因素和机器的理性逻辑结合起来,形成人机融合智能。


人机融合智能


人机融合智能着重描述一种由人、机、环境系统相互作用而产生的新型智能形式。它既不是人的智能,也不是人工智能。人机融合智能不是简单的人机结合,而是要让机器逐渐理解人的决策,让机器从人的不同条件下的决策来渐渐地理解价值权重的区别。人通过对周围环境的感知加上自己的欲望冲动形成认知,为意向性思维。而机器只能对周围环境获取数据、信息,通过特定的数据触发特定的执行过程,为形式化思维。人会根据未来的期望,以目标为导向来算计现在做出计划。而机器则不具备这种目的性思维。人是弱感强知,机是强感弱知。只有将人机有机融合起来,才能真正地实现机器认知,最终实现机器的觉醒。


深度态势感知的含义是对态势感知的感知,是一种人机智慧,既包括人的智慧,也融合了机器的智能。深度态势感知系统应在情境中保持主动性,而不是反应性,即能够预测周围环境的变化趋势,而不是在等环境变化之后做出反应。把人机交互或融合作为平台,那么深度态势感知就是在平台之上来模拟人的思维。Top-Down处理过程提取信息依赖于对事物特性的以前认识,Bottom-Up处理过程提取信息只有当前的刺激有关。Top-Down+Bottom-Up可以模拟人的记忆搜索+灵感直觉等。在深度态势感知中势就是方向和速度;态就是程度和大小;知就是本质和联系;感就是现象和属性;深度就是人机环境的融合和交互,融合在一起的交互,就是事实,价值和责任的融合。机器获取的数据是一种相对的客观存在,被人的智慧价值化后凝练出相关情境下的知识。人机融合生成的智能包括情感+理智即算即+计算。目前人机融合的办法有两个,一个是让人参与到系统的训练过程中,另一个是尽可能的多分配决策的任务给人来完成。人机进行融合就是让感性联系到理性、客观联系到主观、事实引申出价值。人机融合不仅仅是造出更高级的机器,而是人自身知性的改造,即思维逻辑的改造、重塑与变革。


今天,人工智能的研究依旧如火如荼进行着,甚至在计算机视觉、自然语言处理这类较为成熟的研究领域好似遇到了发展瓶颈,进展缓慢。那么在未来对人工智能的智能化要求越来越高的情况下,技术又将走向何方?破解意识?可意识是什么依然说不清楚。不妨换个思路,将人类智慧与机器的算力结合起来,让人来指导机器,就像是指导海边玩耍的孩子一样,虽然真理的大海是大了点,不过好在天朗风清,我们都还有时间!



40a23c65-dc4d-4de0-8839-d9779d85dd5e.jpg



            数学精确性计算往往遮蔽了物理近似性算计



作者:庄琰




http://wap.sciencenet.cn/blog-40841-1285799.html

上一篇:关于计算计认知模型的一次小小讨论
下一篇:读书报告之三

2 武夷山 范振英

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-6-15 00:28

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部