廣義“理解”已經(jīng)實(shí)現(xiàn)

在最新的人工智能系統(tǒng)中,我們經(jīng)常可以觀察到一種類似“理解”的能力。這種廣義的“理解”能力,主要建立在兩個(gè)基礎(chǔ)之上:海量信息的記憶與搜索。

以著名的AlphaGo為例,它通過(guò)存儲(chǔ)和搜索大量圍棋對(duì)弈的棋譜再結(jié)合特定的搜索決策模型,逐步“理解”圍棋這一游戲的內(nèi)在規(guī)律,并在與李世石九段的比賽中成功取勝。可見(jiàn),通過(guò)大規(guī)模記憶與高效搜索,人工智能已經(jīng)初步獲得了某種類型任務(wù)的“理解”能力。

并且在信息記憶與檢索這些能力上,人工智能系統(tǒng)已經(jīng)遠(yuǎn)超過(guò)人腦。以GPT-3語(yǔ)言模型為例,其擁有1750億個(gè)參數(shù),相當(dāng)于數(shù)百億條對(duì)話語(yǔ)料的記憶能力,遠(yuǎn)非人類大腦可以匹敵。在這些廣義“理解”的層面,我們可以說(shuō)人工智能已然取得了巨大的進(jìn)步。

狹義“理解”正在進(jìn)行

然而,“理解”這個(gè)詞在人類語(yǔ)言中所表示的內(nèi)涵,顯然遠(yuǎn)不止于記憶與搜索這些能力。我們還需要一個(gè)更嚴(yán)格的“理解”定義。

有時(shí)候我們會(huì)說(shuō)一個(gè)人“真正的理解”了某個(gè)知識(shí)。因?yàn)榧词挂粋€(gè)人能夠記憶大量知識(shí),但如果無(wú)法運(yùn)用這些知識(shí)解決實(shí)際問(wèn)題,我們?nèi)匀挥锌赡懿粫?huì)說(shuō)他“理解”了這些知識(shí)。

在這樣的狹義“理解”定義下,我們需要檢驗(yàn)人工智能在知識(shí)運(yùn)用方面的能力。事實(shí)上,在信息處理領(lǐng)域人工智能已經(jīng)在許多場(chǎng)景中替代了人類,展現(xiàn)出強(qiáng)大的知識(shí)運(yùn)用能力。從醫(yī)療圖像識(shí)別到自然語(yǔ)言處理,再到復(fù)雜的數(shù)據(jù)分析,人工智能技術(shù)已經(jīng)能夠基于所學(xué)知識(shí),解決各類實(shí)際問(wèn)題。

然而主要的瓶頸,仍然在于人工智能與物理世界的交互。受限于機(jī)器人技術(shù)與傳感器的發(fā)展程度,當(dāng)與復(fù)雜多變的物理世界產(chǎn)生交互時(shí),人工智能仍面臨巨大挑戰(zhàn)。這成為其表現(xiàn)執(zhí)行能力或狹義“理解”能力的主要障礙。

知識(shí)的執(zhí)行體與被執(zhí)行體

對(duì)于知識(shí)的“理解”,我們通常默認(rèn)知識(shí)的學(xué)習(xí)與運(yùn)用發(fā)生在同一主體之上。但從人工智能系統(tǒng)的運(yùn)行來(lái)看,人類或許會(huì)得到更多的理解。

我們可以將人工智能系統(tǒng)比作計(jì)算機(jī)中的軟硬件。軟件蘊(yùn)含了知識(shí)與算法邏輯,但沒(méi)有硬件的執(zhí)行就無(wú)法產(chǎn)生智能;而硬件沒(méi)有軟件的賦能,也只是死物一堆。只有軟件與硬件的緊密結(jié)合,才能產(chǎn)生智能。

以GPT模型為例,預(yù)訓(xùn)練模型中的網(wǎng)絡(luò)權(quán)重可看作“硬件”,大量知識(shí)則蘊(yùn)含在這些權(quán)重中,可看作“軟件”。當(dāng)輸入新問(wèn)題時(shí),這些“軟硬件”聯(lián)合起來(lái),才產(chǎn)生相關(guān)的答案。

類似地,在人類身上,我們積累的知識(shí)也可看作“軟件”,而人腦神經(jīng)網(wǎng)絡(luò)則作為執(zhí)行這些知識(shí)的“硬件”。當(dāng)我們運(yùn)用知識(shí)解決問(wèn)題時(shí),是否也是這樣的軟硬件協(xié)同作用的結(jié)果?

如果是這樣,我們習(xí)以為常的“理解”,或許只是大腦神經(jīng)網(wǎng)絡(luò)對(duì)知識(shí)的一種“執(zhí)行”而已。知識(shí)與運(yùn)用的主體并不完全重合,“理解”這一概念也許需要重新審視。人類很有可能只是在利用自己的大腦，反復(fù)執(zhí)行自己被輸入的各種知識(shí)。知識(shí)是一個(gè)抽象概念，被記錄在大腦中的只是知識(shí)的一種物理映射結(jié)果而不是知識(shí)本身。知識(shí)被執(zhí)行了，大腦中的知識(shí)物理映射被讀取了。人類是一個(gè)執(zhí)行體，人類擁有知識(shí)的物理映射，做為一個(gè)個(gè)體的人類，真的擁有知識(shí)嗎？載體的消失，對(duì)知識(shí)毫無(wú)影響。

從“理解”進(jìn)入“思維”

在記憶、搜索和知識(shí)運(yùn)用等方面,我們逐漸發(fā)現(xiàn)了人工智能與人類認(rèn)知之間的一些異同。

無(wú)論是信息容量還是搜索效率,人工智能系統(tǒng)在這些層面已經(jīng)取得了壓倒性的優(yōu)勢(shì)。它們也在越來(lái)越多的領(lǐng)域中展現(xiàn)出知識(shí)運(yùn)用和解決問(wèn)題的能力。這些與人類共享的認(rèn)知功能日益增多,使得二者界限愈發(fā)模糊。

同時(shí),從執(zhí)行體與被執(zhí)行體的關(guān)系來(lái)看,我們也對(duì)“理解”這一概念有了更深的思考。這種反思啟發(fā)我們,也許需要打破原有的框架,重新審視和定義“理解”的內(nèi)涵。

要深入探討“理解”這一核心問(wèn)題,我們還需要觸及更高級(jí)的認(rèn)知功能——思維與意識(shí)。正是人類特有的自我意識(shí),建立在高度復(fù)雜的思維基礎(chǔ)之上,使我們有別于其他生命形態(tài)。這種高維的抽象思維能力,是人類核心競(jìng)爭(zhēng)力的所在。

要判斷一個(gè)體是否“真正理解”,我們需要檢驗(yàn)它是否擁有這種高度復(fù)雜、難以概括的思維能力。這仍然是人工智能領(lǐng)域的核心挑戰(zhàn)所在。探索和對(duì)這些獨(dú)特的人類認(rèn)知功能進(jìn)行建模,將決定人工智能發(fā)展的方向。

未完待續(xù)

人工智能在“理解”這一認(rèn)知能力的道路上,已經(jīng)取得了巨大的進(jìn)步,在信息處理領(lǐng)域已日趨接近人類。但要觸及那種高階的、獨(dú)特的人類“理解”,進(jìn)入思維與意識(shí)的范疇,人工智能的任務(wù)依然繁重。我們還需要深入研究與模擬人類思維本質(zhì),這關(guān)系到人工智能發(fā)展的方向與境界。

摘要

總結(jié)

以上是生活随笔為你收集整理的发现AI自我意识：从理解到思维的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。