强人工智能离我们还有多远?
导语
人工智能的概念从1956年8月的达特茅斯会议诞生已来,已经经历了60多年的历史,近几年AI在国内的发展呈井喷之势,不断刷新人们的眼球,笔者作为一个科研工作者,尝试从客观的角度对AI的进一步发展做思考和分析。
发展历程
现有的AI大致经历了三个发展阶段:
1956~1976年 基于符号逻辑的推理证明阶段
这个阶段的AI主要使用的是逻辑推理的方法来做一些数学定理证明的工作,但是由于理论方法和工具的局限性,这个阶段的AI受到了来自多方的质疑,并没有快速发展起来;
1977~2006,基于人工规则的专家系统阶段
第二阶段的AI从逻辑推理逐步上升为专家系统和知识工程,并使用神经元网络BP算法解决了收敛性等的问题,该阶段的AI已经可以实现字符识别和简单的图像诊断;
2007~至今,大数据驱动的深度神经网络阶段
第三阶段的AI得益于大数据的深度学习模型和算法,发展迅速并得到了大规模应用,在人脸识别、语音识别、机器翻译、智能问答等领域取得巨大成功。
到目前为止所有的AI都是弱人工智能,弱人工智能也叫狭义人工智能(Narrow AI)是指人工系统可以达到专用或特定技能的智能。我们大众所理解的人工智能叫强人工智,也叫通用人工智能(Artificial General Intelligence,AGI),它类似科幻小说和电影中的智能机器人或是人造生物。它具有和人类同等智商、情商以及行为能力,甚至在某些方面超出人类的能力,并能够表现和执行人类所有的智能行为。而弱人工智能不具备自主意识,永远无法替代人类,只能作为服务人类的机器。
分析及讨论
人类的进化发展经历了几十万年的漫长岁月,从语言、社会、思维的发展,再到农业文明、工业文明,各个阶段不断突破,才进化到现在的智人阶段。反思AI的发展,弱人工智能也将经过一个漫长的发展阶段才能逐步接近强人工智能。从目前的进展来看实现强人工智能还需要解决很多技术层面的问题。
存储问题:现在的计算机虽然已经能够存储大量的信息,但相对于人脑来说还远远不够。一个正常人的大脑约有1000亿个神经元,神经元之间还有大量复杂的突触连接,人类大脑的记忆和工作是以神经元和突触连接共同完成的,这样就使得人脑的存储容量呈指数级别的增长。曾有心理学家测算人脑的存储量约有100万亿比特(约64PB),2014年科学家通过对老鼠神经元的分析推算人脑容量约为7.6亿TB,但实际人脑容量上远远不止这些。人的大脑在被其感兴趣的事物激活时,会调动更多的神经元共同参与并建立更多更复杂的突触连接,这将大大增强人脑在相关事物的存储能力和信息检索能力。而且人脑的实际应用一般只相当于大脑总容量的十分之一,很多内容被大脑存储在潜意识中,通过潜移默化的影响控制人们的行为和思考方式。
学习能力和工作模式:现有AI技术是通过输入大量数据的基础上不断训练,在分析和处理过程中模仿生物和人类大脑的思维模式,并逐步达到收敛的效果而形成算法模型。这种模式在处理结果明确,逻辑相对简单的问题上效果很好,但在处理复杂问题、因果关系不清晰的问题时效果很差。AI现在可以轻松打败围棋高手,进行准确的人脸识别,这些应用的特点是都具有有限的规则和相对明确的结果。现实世界中,人类大脑的知识库系统包含从领域常识性知识到原理知识、经验性知识、元知识等多层次的知识内容,在面对复杂环境和决策的时候,人脑可以协调所有内容进行符合逻辑的判断。但AI一旦遇到冲突和不协调的情况发生,无法结合具体场景和复杂的环境因素来进行理性的判断和决策。此外,人类的想像能力、奖励机制和其他一些复杂的生理机能,也是促使人脑不断进化和产生突变的因素,而这些都是现有AI技术所不具备的。
情绪感知:AI要想真正实现跟人类无障碍交流还需要准确理解和感受人的情绪。在人与人的沟通和信息交流中,语言和文字大约只占到7%,大量的信息是通过语音语调、面部表情和肢体动作等表达出来的,人们甚至可以仅仅通过一个细微的眼神变化就能表达和传递复杂的信息,宠物狗也能从主人的语言、表情动作等方面了解人类的情绪状态。人类的情绪每时每刻都在影响人的行为和判断,移情、共情等能力是人类建立现代社会和文明的一个重要基本因素,没有情感的AI永远不会“意识觉醒”,也永远无法和人类进行无障碍的沟通。
结论
AI发展还需要和其他学科和技术紧密结合才能逐步实现强人工智能,脑科学、神经科学、生物技术等等都将在未来和AI深度融合,才能弥补现有技术的不足、补齐短板。5月2日发表在Science杂志的一篇论文中,MIT的三位神经科学家已经可以通过人工神经网络准确控制猕猴视觉皮层的活动,笔者相信科学家将逐步破解人脑的工作机制,并将利用相关的研究成果来不断来提升机器的智能,未来的10到50年AI将会是类生物智能机器人、半生物智能机器人和生物机器人多样化发展的时代。
作者:王三错,信息管理专业博士、新华网科技记者、技术主管,主要从事前沿科技的研究和技术探索,善于从多学科、多角度、多层面分析问题,目前主要研究方向为情感计算和类脑计算。