Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

为何人类智力可与AI共同进化

谈及人工智能的时候,我们总是对人工智能带来的可能性产生谬误:由于在我们的生活中人工智能无处不在,我们就低估了创造智能的难易程度。在最近的一次调查中,机器智能专家们预计2050年左右就会出现达到人类智能水平的电脑,再往后30年,电脑就能远超过人类。然而,我们或许只是二战时期守着一堆机器残骸的热带岛屿上的土著,妄想着造出这些铝制的螺旋桨以及钢铁的外壳轻而易举,却不知,我们是对自己过分有信心了。 人工智能的发展可以被理解为是在不计其数且拥有无穷可能的程序中寻找最小子集的过程。大自然演进的过程也是这样,大自然通过万亿个具有不同的信息处理能力的物种,以物竞天择适者生存的方式来完成这个复杂的演算过程。从地球上第一个可自我复制的DNA到智人的出现,花费了数十亿年的时间。而这个演化过程本身又消耗着数量惊人的资源。尽管科技正一步步模拟哺乳动物甚至是人类的大脑,我们却并不知道,在这些硬件上运行的各种程序里,能够真正展现智能的最小子集是什么。 但我们还有希望。到2050年,能够实现在智能上实现进化的不仅仅是机器,还有我们自己。对一条人类基因测序的花费已经不足$1000, 我们也已经有了有力的手段去通过基因来解释人类复杂的认知能力。 在体外受精阶段对于胚胎进行基因筛选的技术已经实现,我们已经可以通过提取单个细胞,对胚胎的DNA排序。目前的研究进展,例如对于成簇的、规律间隔的短回文重复序列(CRISPR)的研究,已经可以实现具有高度针对性的基因编译,并将最终作用于人类繁衍。
我们总是忘记计算机的进步实际上来源于为数不多的几个天才 - 那群拥有真正出色认知能力的人
人类智能的进步空间是无穷的。认知能力被几千个基因位点协力所影响,积少成多。如果每一个基因位点对于认知能力的影响同时增进,那么很有可能让整体的IQ上升大约100个SD,达到超过1000.我们无法想象这种程度的IQ会显示出怎样的能力,但我们可以确定这远远超过我们自身的能力。认知工程,通过直接编辑人类胚胎的DNA,将最终生产出 超越有史以来全部伟人认知能力的个体。这项过程很可能在2050年前开始。 更聪明的人和更聪明的机器将会无可避免地互相影响。就像2050年的机器将会远比现在聪明,我们也可以断定设计、制造并用程序操作它们的人类也将会更加聪明。有人可能会天真地以为机器智力进步的速度将超越生物智力。铸造一台机器似乎比改造一个物种容易得多,时时更迭。但基因组的优势——我们联系复杂性状与潜在基因编码额的能力和直接编辑基因组的能力,将使生物技术的突飞猛进成为可能,基于我们的认知。并且,一旦机器达到人类的智力水平,我们铸造机器的行为将会受限于对于伦理的考虑。重新启动一个操作系统是一方面,但我们要怎样应对一个有感知、记忆和自由意志的存在呢? 因此,对于「AI和转基因在2015年会有更大的影响力吗?」的答案是肯定的。并且须将此二者与同时考虑,否则我们将很容易忽略它们深远的相互影响。 我们总是忘记计算机的进步实际上来源于为数不多的几个天才 - 那群拥有真正出色认知能力的人。这种事曾经发生过。阿兰·图灵和约翰·冯·诺依曼两人都曾为实现程序缓存,实时编辑的计算机做出贡献。这个想法最初以图灵机的形式出现,并随后在首台所谓的冯·诺依曼结构的电子计算机EDVAC,中得到了实践。这样计算机设计对于今天的我们,显得自然,甚至显而易见,而在当时却是一个重大的概念上的飞跃。 [caption id="attachment_5756" align="alignleft" width="733"]冯·诺伊曼 冯·诺依曼[/caption] 图灵和冯·诺依曼在他们的那个时代是特殊,并远超同辈的。两人都为盟军在第二次世界大战的胜利中扮演了举足轻重的角色。图灵因为解开德国的恩尼格玛码而著名,在他的图灵机之前还没有形成「机械化思考」的概念,而这个概念正是日后现代计算机科学的主要理论构架。在二战前,冯·诺依曼用严格的数学论证为新兴的量子论打下了基础。作为洛斯阿拉莫斯国家实验室的常客,他为流体力学与对美国核武器计划至关重要的计算做出了贡献。他亲密的同事,诺贝尔奖得主Hans A. Bethe, 惊叹于他非凡的能力和人类认知可能性的范围,说「我总觉得冯·诺依曼的大脑表明他来自于另一个比人类更先进的物种。」 我们现今比以往任何时候都更需要像冯·诺依曼和图灵这样的天才。因为我们在追求智力的道路上可能正遭遇基因带来的极限。在1983年的一次采访中,诺姆·乔姆斯基被问到是否在诸如艺术和科学的领域,基因对进步的阻碍正日益明显时,他答道:
「你可以认为这样的事的确在一些领域发生...我觉得对于物理和数学来说是这样的,例如...在和一些MIT的学生的谈话中,我发现很多很聪明的,研究了二十几年物理的学生,正打算转行研究生物。我觉得一部分原因是在生物学方面还有人类智慧可以做出的发现。而在其他领域并不一定是这样。」
关于人工智能的研究甚至也把非常聪明的人类逼到了极限。前沿机器智能结构目前在使用深层神经网络, 即受生物学配对物激发的多层网络模拟神经元。用硅模拟的这种大脑结构,依靠GPS技术(在经济体制下研发出的适用于游戏产业的图像处理技术)在例如图像和符号识别的一些领域中,表现能力远好于人类。我们正在学习如何用大量的训练数据调整深层神经网络,但生成的结构令我们费解。这项尝试的理论基础仍处于初级阶段,并且它在很大程度上仍是经验主义的魔术。神经网络研究员兼物理学家Michael Nielsen这样解释道:
「...在神经网络中有大量的参数,超参数,和它们之间繁复的相互作用。在这惊人的复杂的系统中,极难建立起可靠的通用的结论。要完全地了解神经网络,是很困难的,就好像在量子基础上去测试人类所有的思想。」
复杂机器(或生物大脑)智慧的具体内部工作对于我们人类智识来说,或至少当今的人类智识来说,显得难以理解。可以想象一个研究员「机缘巧合」,在无意中弄明白了某个性能超出她自身能力的结构或设计,但若缺乏深度的理解,是难以在系统性的工作中取得进步的。 但或许我们会经历一个正反馈循环:更好的人类智力创造出更好的机器学习方法,这反过来加速了我们改善人类DNA的能力甚至激发出更好的人类智力。在我个人的工作中,我用机器学习里的方法(所谓的压缩感知,或高维几何凸优化)从基因序列里提取预测模型。得益于最近的研究进展,通过作用过程效力的突然增长,我们可以判断算法行为中的相变。我们预期这个相变会发生在十年之内,当我们面临一个价值一百万人类基因组数据的临界阈值时。一些诸如美国政府的精密医学项目和私营公司人类长寿公司(创始人Craig Venter)在内的企业正打算配比一百万人基因型的计划。 [caption id="attachment_5757" align="aligncenter" width="733"]图灵(右侧)在实验室 图灵(右侧)在实验室[/caption] 在算法与基因组之间的反馈循环将会带来一个丰富复杂,种种智能参与其中的世界:普通人(很快失去了理解他们周遭的能力);强化版人类(未来100年变化的驱动者,但可能终将被超越);和他们周围大量的机械智能,其中一些是异体(硅化结构),另一些是近亲(杂交体)。与科幻小说呈现的标准化场景不同,人类和与时俱进的机械智能相互作用中,将迎来一个充满多样性,并存的未来。第一次,不同类型的科技生物,或通过标准形式的交流,或通过允许人脑与机器交互的新兴科技,将携手取得更大的进步。我们甚至可以看到人类智力,在未来虚拟领域杂化的作用下,被上传到网络空间。这些被上传的人类智力,和算法结构一起,将会产生前所未有的人类意识。研究者们最近把小鼠与猴子大脑相连,可以让动物们通过电子连接,合作解决问题。这只是「思维共享」的开端。 这样的预测是令人难以置信甚至担忧的:普通人将无法触及地球上最重要的,决定我们文明和物种终极命运的发展。让我们回顾20世纪早期量子力学的发展。最早研究量子力学的柏林物理学家爱因斯坦和马克斯·普朗克曾担心人类智力可能无法理解原子物理。今天,即使量子力学是很多我们最重要的科技的基础(有人预计大概10%-30%现代GDP基于量子力学),能对原子物理有良好理解力的人远不到整个人群的百分之一。同样,未来的普通人将会把机械智慧看作一项日常魔术般的技术,就像平板电视或智能手机,但无法深入理解它们是怎样实现功能的。 新神将现,一如从前,神秘而又熟悉。 本文选自Nautil.us,机器之心翻译出品,参与成员:Jasmine、范娜、Chen Xiaoqing、Rui
入门
暂无评论
暂无评论~