来源:人机与认知实验室
概要:人类的知识,往往由事实 fact 和规则 rule 组成,而且人类习惯于用简练的词汇,来表达事实和规则。所以,维特根斯坦认为,人类思维受制于语言结构,语言的界限决定思维的界限。
[1] 笔记让人脑洞大开
2017年9月26日,深度学习大佬 Yoshua Bengio 在 Arxiv 上发表了一篇笔记,标题是 The Consciousness Prior 意识先验【中文翻译详见本微信工作号昨天文章】。
之所以说这篇文章,不是严谨的论文,而是笔记,是因为这篇文章,既没有严谨的算法和公式,也没有严谨的实验结果和分析,而是一篇冥想和提议。
但是笔记往往比论文更有启发,就如同与教授喝咖啡聊天,往往更容易学到教授的思想方法。
[2] 人类思维的解构
Yoshua Bengio 在这篇文章里,把人类思维解构为三个层次,感知 Perception、表征 Representation、和意识 Consciousness。
面对一张人物照片,人类 “感知” 到的,是一堆像素。进而抽象到 “表征”,包括五官、发型、服饰、背景等等。再进一步抽象到 “意识”,包括凝重的表情、粗犷的外表、苍凉的环境等等。
Yoshua Bengio 提议,可以借鉴深度学习模型,譬如 RNN,来模拟从感知到表征的第一次抽象的过程。
h_{t} = F( s_{t}, h_{t-1} ),其中 s_{t} 是感知的像素,h_{t-1} 是前序的表征,h_{t} 是修正后的表征。
他进而又提议,从表征到意识的第二次抽象的过程,也可以借鉴深度学习模型来完成。
c_{t} = C( h_{t}, c_{t-1}, z_{t} ),其中 c_{t} 是意识,z_{t} 是噪音。
之所以有噪音,是因为意识的界定,往往模糊。譬如粗犷和野性,虽然有区别,但是难以并没有严格界定。
假如我们有大量做好标签的照片,就可以训练从感知到表征的深度学习模型 F( * ),和从表征到意识的模型 C( * )。
一个简单的系统架构,是 3-layer stacked RNN。当然也可以尝试用更多层的复杂架构,或者用 CNN 替换 RNN,或者用 Attention-based Transformer 来替换 RNN。
[3] 人类思维的重构
从感知,到表征,到意识,是人类思维的解构过程。为了验证解构的正确,Yoshua Bengio 提议通过重构来完成验证。
训练好从感知到表征的模型 F( * ),和从表征到意识的模型 C( * ) 以后,假如电脑能够自动合成一张人像照片,表情凝重、外表粗犷、背景苍凉,那么重构宣告成功。
如果重构成功,那么解构也被证明是成功的。
重构的模型可以用 GAN 和 VAE 来尝试。
[4] 打破语言的束缚,解放思维
模型 F( * ) 的输出,是表征,譬如五官、发型、服饰、背景等等。模型 C( * ) 的输出,是意识,譬如表情凝重、外表粗犷、背景苍凉等等。
意识的形态是张量,是一组数字。但是人类习惯用词汇来表达意识。Yoshua Bengio 提议意识与词汇之间的关系,仍然可以用深度学习模型来模拟,
u_{t} = U( c_{t}, u_{t-1} ),其中 c_{t} 是意识,u_{t-1} 是前序词汇,u_{t} 是修正后的词汇。
哲学家维特根斯坦曾说,“人有着这种感觉,他心里想说的话,总比他用言辞表述得更为清楚”。U( * ) 这个模型,把维特根斯坦的判断,表述得既清晰又简练。
人类的知识,往往由事实 fact 和规则 rule 组成,而且人类习惯于用简练的词汇,来表达事实和规则。所以,维特根斯坦认为,人类思维受制于语言结构,语言的界限决定思维的界限。
Yoshua Bengio 提议,直接用意识 c_{t} 来表达知识,而不受语言 u_{t} 的制约。
进而推论,不妨尝试用深度学习模型,或者强化学习模式,来重构思维逻辑,而不屈从于规则和一阶逻辑那样的推理演绎方式的束缚。