這三個(gè)被遺忘的問(wèn)題沒(méi)解決 談什么人工智能

　　按：姚新，現為英國伯明翰大學(xué)計算機學(xué)院講座教授，計算智能及其應用卓越研究中心主任，IEEE Fellow(院士)，IEEE 計算智能學(xué)會(huì )杰出講座教授。2003 - 2008年任IEEE 進(jìn)化計算學(xué)報主編，2014-2015年任IEEE進(jìn)化計算學(xué)會(huì )主席。他的主要研究領(lǐng)域包括進(jìn)化計算和集成學(xué)習及其應用，特別是在軟件工程中的應用。他的論文曾獲2001年 IEEE Donald G. Fink獎優(yōu)秀論文獎、2010和2015年IEEE 進(jìn)化計算學(xué)報杰出論文獎、2010年BT Gordon Radley 最佳創(chuàng )新作者獎、2011年IEEE 神經(jīng)網(wǎng)絡(luò )學(xué)報杰出論文獎、以及其他一些最佳論文獎。2012年他榮獲久負盛名的英國皇家學(xué)會(huì )沃爾夫森(Wolfson)研究功勛獎，2013年榮獲IEEE計算智能學(xué)會(huì )先驅獎。

　　姚新教授在2016人工智能湖南論壇上報告

　　在類(lèi)腦研究中究竟有哪些重要的科學(xué)問(wèn)題呢? 姚新教授就此討論了3 個(gè)似乎已被許多類(lèi)腦計算研究者所忽視的問(wèn)題。

　　第一個(gè)是關(guān)于進(jìn)化的問(wèn)題。所有生物腦都是進(jìn)化的，然而時(shí)下的類(lèi)腦計算研究計劃很少涉及進(jìn)化的作用。在類(lèi)腦計算研究中應當考慮進(jìn)化嗎?

　　第二個(gè)是關(guān)于類(lèi)腦計算系統的運行環(huán)境問(wèn)題。環(huán)境在類(lèi)腦計算研究中的作用是什么?

　　第三個(gè)是關(guān)于身體的作用或腦體相互作用問(wèn)題。在生物界不存在沒(méi)有身體的大腦。時(shí)下的大腦研究計劃很少提及身體的作用，好像含有身體的大腦研究沒(méi)有什么是要做的一樣。事情果真是這樣的嗎?

　　對上述問(wèn)題，姚新教授沒(méi)有提供確切的答案，只是謙虛地表示希望通過(guò)這 3 個(gè)問(wèn)題起到拋磚引玉的作用。

　　沒(méi)有答案，先提問(wèn)題

　　這三個(gè)問(wèn)題跟產(chǎn)業(yè)界的關(guān)系不那么密切，但是做相關(guān)產(chǎn)業(yè)的話(huà)也必須要考慮到這些問(wèn)題。這個(gè)背景很簡(jiǎn)單，大家在開(kāi)幕式的時(shí)候可能已經(jīng)感到現在人工智能是相當紅火，不但在科研界、學(xué)校比較紅火，在產(chǎn)業(yè)界也非常的紅火。各位領(lǐng)導也說(shuō)了湖南省長(cháng)沙市包括雨花區都喜歡引進(jìn)人工智能有關(guān)的產(chǎn)業(yè)，最好是智能機器人，而不是一般的工業(yè)機器人。

　　從研究的角度來(lái)說(shuō)，人工智能又跟人腦的研究又掛上鉤了。按照這個(gè)計劃來(lái)說(shuō)，歐盟有專(zhuān)門(mén)的人腦研究計劃;美國也有類(lèi)似的人腦研究計劃，也不叫人腦，是叫大腦，包括人腦和機器腦，也是通過(guò)奧巴馬總統宣布的;在 IEEE 協(xié)會(huì )里面也有大腦研究計劃，就是促進(jìn)國際上的合作;國內也有很多，包括科學(xué)院或者是國家層面都想研究這個(gè)大腦。

　　那么，怎么理解大腦是一方面，另外一方面是怎么把對大腦的理解真正運用到工程中。作為人工智能推進(jìn)的作用，我今天講的這些東西倒不是說(shuō)要在大腦研究或者是人工智能研究當中找到什么答案，我沒(méi)有答案，但是我有問(wèn)題，問(wèn)題也不多，有三個(gè)問(wèn)題，這三個(gè)問(wèn)題跟我的研究背景有關(guān)系。

　　第一個(gè)問(wèn)題——創(chuàng )造還是演化

　　大家在談到人工智能或者人腦的時(shí)候，總是喜歡說(shuō)做了一個(gè)人工智能的東西，但是我做工程或者是科學(xué)的人想過(guò)沒(méi)有，所有的大腦都是演化來(lái)的，沒(méi)有一個(gè)是人造出來(lái)的?，F在我們是想人造一個(gè)大腦出來(lái)，當然這沒(méi)有什么問(wèn)題，唯一問(wèn)題稍微帶有一點(diǎn)哲學(xué)性。比如說(shuō)，現在想做一個(gè)人工智能的系統，靠人來(lái)造，而且現在要做腦計劃，想要做一個(gè)人工腦，同時(shí)又說(shuō)要從自然腦里面找到啟發(fā)性的東西，自然的大腦都是演化出來(lái)的，不是造出來(lái)的。所以這里面的邏輯好像比較奇怪，雖然對一個(gè)產(chǎn)品感興趣，卻忽略了產(chǎn)品是怎么來(lái)的。這種方法對不對是一個(gè)問(wèn)題，如果只對產(chǎn)品感興趣，卻不管產(chǎn)品怎么來(lái)的，只研究將來(lái)要研發(fā)的產(chǎn)品研發(fā)的東西。

　　在神經(jīng)網(wǎng)絡(luò )研究里面，有一種很簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò )叫層次網(wǎng)，即一層一層的網(wǎng)絡(luò )。最簡(jiǎn)單的三層網(wǎng)，一個(gè)輸入網(wǎng)，中間的叫做引層，一個(gè)是輸出的層。這個(gè)網(wǎng)絡(luò )像所有的科學(xué)家那樣可以做很聰明的事情，每個(gè)輸入要么是 0 要么是 1，網(wǎng)絡(luò )學(xué)習能夠判斷 0101 這串數字是偶數還是奇數。這個(gè)事情說(shuō)起來(lái)很簡(jiǎn)單，但是如果你只能給計算機一個(gè)例子，通過(guò)學(xué)習，將來(lái)的輸入只要是偶數就給1，只要是奇數就給0。既然這個(gè)問(wèn)題比較難，研究人員就想用設計人工神經(jīng)網(wǎng)絡(luò )來(lái)完成這個(gè)工作。的確，這是人設計出來(lái)的神經(jīng)網(wǎng)絡(luò )，非常的規則。而且非常好理解它，因為只有三層。這里面是八個(gè)輸入，然后中間還設計了八個(gè)神經(jīng)網(wǎng)絡(luò )的結點(diǎn)，輸出的判斷就是 0101。所以人設計的東西規整性很好，也很好理解。但是，假定不靠設計神經(jīng)網(wǎng)絡(luò )，而用人工演化的方式。讓其自己演化出一個(gè)人工神經(jīng)網(wǎng)絡(luò )，結果和人工設計出來(lái)的結果有什么一樣和不一樣的地方呢?這個(gè)演化的結果是九個(gè)輸入，而不是八個(gè)輸入，跟之前的結果不太一樣，因為層次不是特別的明確，沒(méi)有直接的連接。

　　通過(guò)演化計算發(fā)現，一個(gè)神經(jīng)網(wǎng)絡(luò )的結構和人算出來(lái)的網(wǎng)絡(luò )結構實(shí)際上有很大的不同，可以總結成幾點(diǎn)：

　　第一點(diǎn)可以演化計算得到的網(wǎng)絡(luò )非常緊湊，即這個(gè)輸入不是真正的神經(jīng)源，真正的神經(jīng)源就用了四個(gè)，中間設計的神經(jīng)源個(gè)數總是要跟我輸入的個(gè)數一樣，所以這個(gè)神經(jīng)網(wǎng)絡(luò )特別大，這是真正演化發(fā)現出來(lái)的問(wèn)題。

　　第二點(diǎn)事通過(guò)自動(dòng)演化發(fā)現的神經(jīng)網(wǎng)絡(luò )，程序會(huì )比較多一點(diǎn)，而不像人工那么規整，除了中間這一層就沒(méi)有了。

　　第三點(diǎn)是這個(gè)結構出來(lái)以后，有一點(diǎn)雜亂無(wú)章，所以左邊和右邊是不對稱(chēng)的，不好理解，這里的問(wèn)題就比較有意思了，人設計出來(lái)的所謂人工神經(jīng)網(wǎng)絡(luò )和真正演化出來(lái)的人工神經(jīng)網(wǎng)絡(luò )都解決同樣的難題，但結構不一樣。這就帶來(lái)了一個(gè)新問(wèn)題，假定很幼稚地看成所謂小大腦，這個(gè)小大腦完成了測算的問(wèn)題，但是這里面沒(méi)有結構，矛盾在哪里?這很奇怪，這里做研究就有趣了，怎么探討這個(gè)問(wèn)題呢?可以看到，現在所謂人工智能或者是類(lèi)腦計算、人工神經(jīng)網(wǎng)絡(luò )做的東西，可以下象棋或者是下圍棋，拿世界第一。過(guò)兩天又看到人工智能可以人工識別圖像，幾百萬(wàn)的圖像也可以找到。這些事情跟人要做的事情是兩碼事，一個(gè)大腦負責處理所有事情，而目前的所有神經(jīng)網(wǎng)絡(luò )系統只專(zhuān)注一件事情。Alpha Go 只會(huì )下象棋，不能識別圖像。這個(gè)是非常奇妙的現象，大家都說(shuō)要做智能，但是從人這里找到的靈感，一到人工智能這個(gè)世界就變了味道?，F在的人工智能系統或者是人工神經(jīng)網(wǎng)絡(luò )中，一個(gè)系統就做一件事，做的非常好，非常專(zhuān)。但是一個(gè)大腦要做多件事，所以如果一個(gè)系統要做多件事，結構會(huì )有什么影響?這就和大腦模塊要干什么事情有關(guān)系，靜態(tài)環(huán)境還是動(dòng)態(tài)環(huán)境又不一樣，這里又引到我想講的第二個(gè)問(wèn)題了。

　　第二個(gè)問(wèn)題——人工智能還是人工智能系統

　　很多研究者雖然對人工智能或者是類(lèi)腦計算感興趣，但是很少考慮這個(gè)人工智能系統能干什么。光講人工智能，不講人工智能系統能干什么，是缺了某些東西的。人工智能和人工智能系統之間還是有區別的。

　　原來(lái)想講的一個(gè)細節跟第一個(gè)問(wèn)題一樣，大家至少在學(xué)校里面先做個(gè)小實(shí)驗。建立起一個(gè)人工網(wǎng)絡(luò )的系統，就讓它學(xué)一件事情，可以是圖像識別或者是其他的。只讓它做這一件事，然后讓同樣的神經(jīng)網(wǎng)絡(luò )系統同時(shí)學(xué)兩件事，再觀(guān)察同樣的初始狀態(tài)，最后學(xué)出來(lái)神經(jīng)網(wǎng)絡(luò )結構有什么不一樣，會(huì )有非常有趣的發(fā)現。這個(gè)實(shí)驗可以重復進(jìn)行，一個(gè)神經(jīng)網(wǎng)絡(luò )在完成多項工作后，模塊化結構就會(huì )很明顯地顯示出來(lái)。無(wú)論是用什么標準去衡量模塊，如果你讓一個(gè)神經(jīng)網(wǎng)絡(luò )完成一項工作的話(huà)，某些模塊功能并沒(méi)有完全發(fā)揮出來(lái)。這就是說(shuō)在構造人工智能系統的時(shí)候不能光講系統，一定要講這個(gè)系統要干什么，以及干一件事還是兩件事，是在靜態(tài)環(huán)境里面還是在動(dòng)態(tài)的環(huán)境里面。

　　第三個(gè)問(wèn)題——人工智能的載體

　　這個(gè)實(shí)際上更簡(jiǎn)單，就是身體的問(wèn)題。這個(gè)問(wèn)題也很特別，所有講人工智能的人，經(jīng)常不講人工智能系統最后放在什么地方。但是所有的大腦都是在身體上面的，所以身體實(shí)際上是蠻重要的。研究當中，四肢和六肢對大腦是有影響的。為什么研究人工智能的時(shí)候往往只研究人腦，而不研究身體呢，主要是因為我們做人工智能的研究的時(shí)候的確需要特別發(fā)達的大腦。

　　我們做過(guò)一個(gè)人工實(shí)驗，就是人工造一個(gè)可以游泳的線(xiàn)蟲(chóng)，這個(gè)線(xiàn)蟲(chóng)是一節一節的，然后每一節的結構也非常簡(jiǎn)單，每個(gè)小圓圈就代表一個(gè)神經(jīng)源。這個(gè)神經(jīng)源有一些是來(lái)控制運動(dòng)的，肌肉可以收縮可以伸展。然后線(xiàn)蟲(chóng)會(huì )怎樣運動(dòng)呢?可以想象線(xiàn)蟲(chóng)像波浪型往前游，就是靠一邊肌肉收縮，一邊肌肉收縮。一個(gè)時(shí)間段后，收縮的地方就伸展，伸展的地方就收縮，慢慢往前游。然后讓這個(gè)人工系統直線(xiàn)游，從右邊游到左邊，游的越快越好，但是不是從人的思維角度去設計，就是把線(xiàn)蟲(chóng)放在水里面自己去游，每一次游的快慢有一個(gè)反饋，記錄單位時(shí)間里面游了多少厘米。我想觀(guān)察的是我給這個(gè)線(xiàn)蟲(chóng)不同的任務(wù)和不同的體態(tài)時(shí)，這個(gè)神經(jīng)網(wǎng)絡(luò )會(huì )怎么出現，所以給這個(gè)線(xiàn)蟲(chóng)分配了兩個(gè)任務(wù)。

　　第一個(gè)任務(wù)就是讓這個(gè)線(xiàn)蟲(chóng)沿直線(xiàn)從A游到B，游的越快越好。設計神經(jīng)網(wǎng)絡(luò )控制器時(shí)，要使這個(gè)線(xiàn)蟲(chóng)游得越快越好，實(shí)際上的控制器非常簡(jiǎn)單。畫(huà)出來(lái)的幾個(gè)小圓圈相當于神經(jīng)源，神經(jīng)源的位置是可以調的。神經(jīng)源的位置調的不一樣，每一次收縮和伸展的力量也不一樣。我們研究神經(jīng)的結構是什么樣的，這只是其中一節，右上角好像一個(gè)小數字，0、10、200、300 到 1190，這是我表示用這個(gè)算法來(lái)演化人工神經(jīng)網(wǎng)絡(luò )的時(shí)候多少代，第 0 代表示初始化，初始化不知道怎么設計，所以所有神經(jīng)源的位置在這個(gè)圖上面都是隨便放的。到了第 10 代的時(shí)候，結構開(kāi)始有點(diǎn)出現了，因為發(fā)現神經(jīng)源的連接會(huì )發(fā)展兩大體，左邊的神經(jīng)源也有連接，右邊的神經(jīng)源也有連接。到了 30 代、200 代、300 代的時(shí)候，你就發(fā)現有一定的規律出來(lái)，神經(jīng)源之間，左邊會(huì )連起來(lái)，右邊連起來(lái)，這之間沒(méi)有直接的聯(lián)系。這個(gè)不是人想出來(lái)的，是人研發(fā)出來(lái)的，到了 1190 代的時(shí)候，非常規整對稱(chēng)的結構就出來(lái)了，就是這兩邊的小距離幾乎是一樣的，這也不是人設計出來(lái)的，而是發(fā)現出來(lái)的。所以這蠻有趣的，剛開(kāi)始沒(méi)有給演化算法任何的指示，只是給定了這樣的線(xiàn)蟲(chóng)結構，最后出現的神經(jīng)網(wǎng)絡(luò )卻是非常對稱(chēng)的一個(gè)神經(jīng)網(wǎng)絡(luò )。

　　第二個(gè)任務(wù)是想研究這種情況下，神經(jīng)網(wǎng)絡(luò )和體態(tài)的關(guān)系。把線(xiàn)蟲(chóng)的體態(tài)限制住，但任務(wù)還是要直著(zhù)往上面走，從A到B。大家就可以想像，平常要這樣子波浪形往前走的話(huà)，在這種體態(tài)下是做不到的。因為這樣走就走右邊去了，不會(huì )往前走。但是我做實(shí)驗的時(shí)候，不告訴它這個(gè)算法，只告訴它這是現在的身體結構有個(gè)地方被限制了。身體要往一邊歪的話(huà)，短的一面收縮，長(cháng)的一面伸長(cháng)，肯定不是對稱(chēng)的。如果是對稱(chēng)的，就不會(huì )順著(zhù)頭的方向往前走。這是很明顯的一個(gè)小例子，說(shuō)明設計一個(gè)人工神經(jīng)網(wǎng)絡(luò )或者是一般性探索智能系統，實(shí)際上是跟物理的體態(tài)有密切關(guān)系。

　　最根本的一點(diǎn)就是研究人工神經(jīng)網(wǎng)絡(luò )的時(shí)候，一定要考慮最后這個(gè)神經(jīng)網(wǎng)絡(luò )是放到什么樣的物理系統。比如說(shuō)，你要研究這個(gè)機器人本身，同時(shí)又要設計控制這個(gè)機器人的系統，那么這個(gè)機器人的體態(tài)跟控制是有密切關(guān)系的，不能分開(kāi)考慮。

　　總結

　　這三個(gè)問(wèn)題總結起來(lái)就是三句話(huà)：

　　一是所有生物界的大腦都是演化而來(lái)的，不是上帝造出來(lái)的?，F在要設計人工大腦的時(shí)候，是不是應該多考慮一點(diǎn)演化的過(guò)程，從演化的過(guò)程中應該可以學(xué)到一點(diǎn)東西。

　　二是至少在自然界里面，人腦要能夠完成多項工作，而且這是在動(dòng)態(tài)環(huán)境或者是不確定性環(huán)境里面進(jìn)行的。而現在做的很多的人工智能系統都是把定義定在非常窄、非常具體的某個(gè)功能上，比如識別圖像或者是下棋之類(lèi)的，這兩者實(shí)際上對將來(lái)真正設計的人工智能系統有著(zhù)非常不一樣的影響，這個(gè)問(wèn)題值得我們好好考慮。

　　三是所有的大腦在生物界都有一個(gè)載體，那就是身體，不存在光有大腦沒(méi)有身體的東西。這對于我們將來(lái)構造智能又提出一個(gè)新的挑戰，就是在設計人工智能系統的時(shí)候要把載體考慮進(jìn)去。