李德毅作者

李德毅院士:通用人工智能十问

共识:智能是学习的能力,以及解释、解决问题的能力;人工智能是脱离生命体的智能,是人类智能的体外延伸;通用人工智能通过不断学习,积累本领,进化成长,能够面向不同的情境,解释、解决普遍性的智力问题。

在此共识基础上,我们提出如下质疑:

质疑一

意识、情感、智慧和智能,它们是包含关系还是关联关系?是智能里面含有意识和情感,还是意识里面含有智能?是智慧里面有智能,还是智能里面有智慧?大凡意识、情感,都是内省的、自知的、排他的,怎么可以用他人的、人工的来代替呢?所以非生命体不可能有意识?

质疑二

如何理解通用智能?我们应该不应该把通用智能理解为“全知全能”或者单向超强智能?尽管今天的计算机已经可以解决很多复杂的、专门的智力问题(如围棋智能),我们仍常常觉得它们缺乏人类思维的某些本质特征。这里的差别主要不是在算法、算力、数据量方面,不是在速度和容量方面,而是在智能的一般性、通用性、普遍性、灵活性、缺省性、容错性、可习得性、不确定性、适应性、常识性、开放性、创造性、自主性等方面。遗憾的是发展 60 多年的人工智能没有能够更靠近人的原始的智能。

质疑三

目前所有的人工智能的成就都是在计算机上表现出来,是基于冯架构的计算机智能或者计算智能,人工智能是计算机的一个应用而已。而人脑不是冯诺依曼架构的,存在不存在宏观上更类似脑的非冯诺依曼架构呢?例如,对人的智能而言,记忆力是真正的智力,超强记忆力就是超强智能,记忆比计算机重要,记忆的提取要比复杂的推理快得多,非冯架构如何在结构上体现人脑的不同记忆区和记忆力呢?如何体现环境和知识的双驱动?

质疑四

非生命体不会有七情六欲,机器人是非生命体,还会有学习的原动力吗?如果没有学习的原动力,没有接受教育的自发性,还会有学习的目标吗?目标从哪产生?机器人能否自己提出问题?

质疑五

人的注意力选择源于记忆,源于记忆的偏好依附性,偏好如何产生的?偏好依附是否只能与交互认知的频度和时间的远近相关?人的偏好依附不是这样的,人的恐惧性以及满足感会让一些发生频度很低、或者很久远的事记忆特别深刻。

质疑六

自然语言是人类思维活动的载体,如果自然语言是第一语言,数学语言是第二语言,计算机语言是第三语言,后一个比前一个常常更严格,后一个比前一个常常更狭义,根据哥德尔不完全定理,数学自身难以完全自洽。数学的形式化要借助于自然语言,计算机语言的形式化要借助于数学语言。因此,人工智能怎么可以反过来要用数学语言或者计算机语言去形式化人类的自然语言呢?

质疑七

人脑是个小宇宙,其中的智能是多情境、多公理兼容并包的,在不同情境里有不同应对,不完全收敛,不完全自恰,不整体统一,不存在非公理的统一的数学推理,当然也不必一定要脑裂。  

质疑八

一个机器或者系统是否有智能,不在于某一个时刻它能解决什么实际的智力问题,而在于它有没有学习的能力?智能,即提供的问题解决方案,是否依赖于有限的认知资源?是否需要进一步交互认知?是否可以有选项?是否可以进化和成长?这才是最重要的。 

质疑九

在一个非冯诺依曼架构的机器人脑中,组成记忆、交互和计算的基本元件最少有哪几种?各元件中的信息的产生机制与存在形式是什么样的?他们之间的信息传递机制是什么样的?

质疑十

通用智能后天的习得靠教育,智能植根于教育,文明是智能的生态。设有通用架构的机器婴儿 10 台,可视为带有基因的硬件加基础软件,让 10 位母亲分别在各自的情境去教育 10 名机器婴儿,仅仅通过语音交互,1 个月后这样的机器婴儿脑中留下的三个记忆区里都会有些什么?以后,机器婴儿的基础软件(含记忆、交互、计算软件)要不要不断扩充?硬件要不要不断扩充?机器婴儿脑有没有形成自己软件的能力?

作者简介

李德毅
中国工程院院士,CAAI Fellow,
CAAI 名誉理事长

长期从事计算机工程、不确定性人工智能、大数据和智能驾驶领域研究。最早提出“控制流-数据流”图对理论,证明了关系数据库模式和谓词逻辑的对等性。提出云模型、云变换、数据场等认知形式化理论,用于解决定性概念生成、相似度计算、不确定推理、智能控制等问题,成功控制三级倒立摆各种动平衡的姿态。提出基于路权构建驾驶态势认知图,研发机器驾驶脑,领导了中国最大的智能车联合团队。

AMiner学术头条
AMiner学术头条

AMiner平台由清华大学计算机系研发,拥有我国完全自主知识产权。系统2006年上线,吸引了全球220个国家/地区800多万独立IP访问,数据下载量230万次,年度访问量1000万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

https://www.aminer.cn/
专栏二维码
产业通用人工智能李德毅
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

收敛技术

在数学,计算机科学和逻辑学中,收敛指的是不同的变换序列在有限的时间内达到一个结论(变换终止),并且得出的结论是独立于达到它的路径(他们是融合的)。 通俗来说,收敛通常是指在训练期间达到的一种状态,即经过一定次数的迭代之后,训练损失和验证损失在每次迭代中的变化都非常小或根本没有变化。也就是说,如果采用当前数据进行额外的训练将无法改进模型,模型即达到收敛状态。在深度学习中,损失值有时会在最终下降之前的多次迭代中保持不变或几乎保持不变,暂时形成收敛的假象。

关系数据库技术

关系数据库,是创建在关系模型基础上的数据库,借助于集合代数等数学概念和方法来处理数据库中的数据。现实世界中的各种实体以及实体之间的各种联系均用关系模型来表示。关系模型是由埃德加·科德于1970年首先提出的,并配合“科德十二定律”。现如今虽然对此模型有一些批评意见,但它还是数据存储的传统标准。

通用人工智能技术

通用人工智能(AGI)是具有一般人类智慧,可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标,也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI(strong AI)或者完全AI(full AI),或称机器具有执行通用智能行为(general intelligent action)的能力。与弱AI(weak AI)相比,强AI可以尝试执行全方位的人类认知能力。

围棋技术

围棋是一种策略性棋类,使用格状棋盘及黑白二色棋子进行对弈。起源于中国,中国古时有“弈”、“碁”、“手谈”等多种称谓,属琴棋书画四艺之一。西方称之为“Go”,是源自日语“碁”的发音。

暂无评论
暂无评论~