解碼“認知之輪”：AI與人類(lèi)的終極一戰

　　今天周末，跟大家聊點(diǎn)假裝深沉的話(huà)題。

　　現在我們在討論人工智能的時(shí)候，大都把卷積神經(jīng)網(wǎng)絡(luò )奉為圭臬。因為這種算法，號稱(chēng)是“平移不變的人工神經(jīng)網(wǎng)絡(luò )”，說(shuō)人話(huà)就是人腦的高仿。

　　通過(guò)模擬人類(lèi)腦皮層神經(jīng)元的網(wǎng)狀結構，能夠提取和識別各種物體的特征，永不停機地進(jìn)行學(xué)習，比最乖的人類(lèi)小孩還要讓人省心。

　　而且一旦訓練好了，就能比人類(lèi)做的更快更好。拳打九段棋手、腳踢世界冠軍，是毫無(wú)問(wèn)題的。

　　因此，卷積神經(jīng)網(wǎng)絡(luò )正在被大量地應用于各種AI系統上。似乎只要假以時(shí)日，就該“封神”了。

　　但，這是不可能的。

　　盡管看起來(lái)，這一波AI熱正在讓人類(lèi)處于被廣泛替代的危險境地，不過(guò)距離機器超越人類(lèi)的那一天，其實(shí)還是非常遙遠。

　　為啥呢?

　　說(shuō)來(lái)你可能不信，關(guān)鍵原因還是在卷積神經(jīng)網(wǎng)絡(luò )身上。

　　送分題都不會(huì )，你怎么回事小老弟?

　　上古時(shí)代，流傳著(zhù)這樣一道送分題：要把大象裝冰箱，總共分幾步?

　　如果讓一個(gè)人類(lèi)小孩來(lái)回答，他會(huì )分分鐘告訴你標準答案——把冰箱門(mén)打開(kāi)，把大象塞進(jìn)去，把冰箱門(mén)合上。

　　但是如果讓一個(gè)卷積神經(jīng)網(wǎng)絡(luò )機器人(我們就稱(chēng)呼它為“小卷”吧)來(lái)挑戰呢?

　　它會(huì )先假設，某個(gè)叫做“塞”的動(dòng)作能夠將大象轉移到冰箱里。于是立即行動(dòng)，卻發(fā)現怎么也塞不進(jìn)去?？蓱z的“小卷”，遺漏了物理體積不匹配這個(gè)重要條件。

　　我們給它升級一下，讓“小卷二號”能夠識別大象和冰箱的個(gè)體特征對任務(wù)有何影響。它在任務(wù)開(kāi)始前努力推演，正當它算出大象的皮膚顏色對完成任務(wù)不會(huì )有任何幫助，準備推算下一個(gè)特征的時(shí)候，大象已經(jīng)不耐煩地跑走了，任務(wù)失敗。

　　我們再升級一下，教它學(xué)會(huì )分辨哪些因素與任務(wù)是相關(guān)的還是無(wú)關(guān)的，“小卷三號”誕生了。但是，它一屁股坐冰箱旁邊不動(dòng)了，掏出一個(gè)小本本，開(kāi)始記錄千千萬(wàn)萬(wàn)個(gè)被確定與任務(wù)無(wú)關(guān)的東西，直到時(shí)間的盡頭……

　　這么看起來(lái)，“小卷”們好笨呀，別說(shuō)和人比了，和阿爾法狗這些前輩們比差距也很大啊!

　　這背后，其實(shí)隱藏著(zhù)一個(gè)令AI科學(xué)家們困擾多年的變態(tài)難題——“框架問(wèn)題”。

　　什么是框架問(wèn)題?

　　想要搞懂什么是“框架問(wèn)題”，先解釋一下卷積神經(jīng)網(wǎng)絡(luò )是怎么工作的。

　　前面我們提到過(guò)，這種深度學(xué)習的神經(jīng)網(wǎng)絡(luò )是在模擬人類(lèi)神經(jīng)元系統的操作方式。不同算法都只為了完成一個(gè)目標：就是像人一樣，忽略該忽略的信息，并在遇到重大的反常情況是保持足夠的警覺(jué)。

　　如何能夠在集中注意力的同時(shí)獲得合理忽略的能力呢?

　　科學(xué)家們只能將一切變化多端、無(wú)窮無(wú)盡的生活經(jīng)驗壓縮并生成一個(gè)“框架”，其中包含了一個(gè)內容豐富、細節詳實(shí)的腳本綱要，所有現實(shí)世界的問(wèn)題及事物之間的聯(lián)系都囊括其中。

　　當機器想要解決一個(gè)問(wèn)題時(shí)，就可以在“框架”中對某些特征加以注意，對那些偏移框架的重大誤差保持警覺(jué)。

　　如果這個(gè)神經(jīng)網(wǎng)絡(luò )框架被建構得足夠好、足夠龐大，它可以展現出無(wú)窮大的能力。比如DeepMind用5000臺TPU培育出來(lái)的AlphaZero，無(wú)需其他干預，就能在4個(gè)小時(shí)之內成為世界象棋冠軍。

　　但是，在某些人類(lèi)日常生活中需要用到的反應模型中，卷積神經(jīng)網(wǎng)絡(luò )的智商卻和昆蟲(chóng)差不多。

　　D. Dennett在他的論文《AI的框架問(wèn)題》中舉了一個(gè)例子：制作午夜快餐。

　　一個(gè)肥宅半夜餓醒，想給自己做點(diǎn)吃的，于是他想到了冰箱里面有些剩下的雞肉片，面包，還有一瓶啤酒。于是他很快就想出了一個(gè)完美的計劃：查看冰箱，拿出需要的材料，做一份三明治，就著(zhù)啤酒，美滋滋。哦，還需要帶上刀、盤(pán)子和酒杯。

　　人類(lèi)之所以能順利完成這項任務(wù)，是因為我們已經(jīng)了解了大量的知識。包括雞肉加在面包里不會(huì )掉下來(lái)(摩擦力)，啤酒如何倒入杯子(重力)，甚至是左手拿著(zhù)面包就不能再用來(lái)拿刀了。

　　這些“知識”或經(jīng)驗是人類(lèi)“生而知之”的，我們自己或許都不知道是如何學(xué)會(huì )這些事情的，卻能讓我們不需要思考就輕松搞定一個(gè)又一個(gè)基本生活問(wèn)題。

　　但對于任何事情都要從頭學(xué)起的AI來(lái)說(shuō)，如果這些大量而平凡的經(jīng)驗不能引起足夠的注意，它就根本不可能完成這些不斷出現的新任務(wù)。

　　當然，我們也可以選擇給機器喂養世界上所有的知識，讓它成為一個(gè)無(wú)所不知的百科全書(shū)。這樣它就能和人一樣具備這種彈性的思維能力了嗎?

　　答案顯然是否定的。

　　首先，讓AI記住大量微不足道的細節中，遇到問(wèn)題時(shí)再從中搜索和抽取出有用的那一部分，實(shí)在是太極端太超負荷了，人類(lèi)就不需要記住“面包比太平洋小”“刀子接觸面包時(shí)不會(huì )融化”這種知識。

　　而且，機器固然可以用一百萬(wàn)年解決任何問(wèn)題，但這既不智能，對人類(lèi)來(lái)說(shuō)也沒(méi)有任何價(jià)值。如果不能在有限的時(shí)間內可靠高效地給出解決方案，我要這祖傳AI有何用?

　　既不能窮盡一切答案，又不能快速找出最佳方法，這就是目前限制AI智商的“框架問(wèn)題”。