9.机器智能需要神经科学

机器智能需要神经科学

 

Colwell, Bob. Machine Intelligence meets neuroscience，Computer, 38(1), 2005, 12-15

史俊译

中科院计算所智能信息处理重点实验室

shij@ics.ict.ac.cn

 

 

当我在70年代早期接受高中教育的时候，我们是最接近正规接触计算机的人，我们当时使用的是电传打字机。这些电动机械怪物能够接收冰冷而又缓慢（110波特）的电话传输，并将比特转化为各式各样不和谐的声音。这些喧闹的噪音是由许多机器内部的金属部分砰击纸滚轴产生的。纸张保持相同的一致性，而且平滑的好像从起居室里找来的纸巾。数据流部分是由当时使用的声音配合器产生的。我可能还保有一部300波特的调制解调器，是由两把电吉他和两双网球鞋换来的。

 

早期

我个人有关计算方面的教育开始于一个朋友建议我们偷偷溜进学校的计算机房去看看计算机到底是什么样子。在一番鬼鬼祟祟之后，我用那把能打开学校任何东西的钥匙打开房门走了进去。我们侧身接近那些神秘的装置，探看里面的内幕。

键盘或多或少有些熟悉，但那里有许多比我看到过的任何打字机还要多的部件。我还注意到那些“计算机”发出嗡嗡的响声，就好像电子的呼吸。正当我想要靠近以便看得更清楚些的时候，整个lashup咔哒咔哒地响了起来，跳跃着，回转着发出非凡的声波。我不知道那是否正常，我只是知道那是我从来没有听到过的声音。

我清楚我没有触碰任何东西，尽管我可能真的有那方面含糊不清的计划。我也没有看到我的朋友触摸任何东西。所以至今，我仍面临着一个很大的谜团：什么促使怪兽运作起来？总之，它在干什么？

我们用手遮住耳朵，靠近看到那些文字被打印在从头部滚出的无尽的纸带上。当时我想，机器正在以巨大的速率打印文字。但我知道，那时的速度和如今比起来简直就是个笑话。

我惊讶了，什么促使机器打印那些无规则的英文文字，甚至不能够理解样式的重要性或者为什么“Basic”会出现在每一页？机器自顾自地打印了一段时间，然后好像思考了一会儿，又智能般地打印了更多的文字。

在我思索了一段时间之后，我猜想一定有某个人在房间外的某处控制着这台机器，但是事情是怎样发生的我一点也不清楚。前提解释客观现象，我惊诧于我所不能明白的事是多么的奇妙。

 

什么是智能

之后，我想知道“聪明”在第一位置上到底是什么。我知道我有时会冒出很多很好的想法，但是我也清楚我有十足的能力去做一件被普遍认为动机是十分愚蠢的事。所以“聪明”是不是就是指我们或者我们做的事？

更广泛地讲，智能的概念是什么，它从哪里来？从某种程度上来看，我们是由一些按预定的方式运作着的物质组成——最低限度地定义一台机器——这已经很清楚了，机器可以有智能。

我正在有意地跳过一些过去的主题，例如唯我论（你完完全全就是我意念之中想象出来的虚构的事物），神秘主义（可能是对的但是不能导致任何基本的分析），还有无数的题外话题旁支末节，例如可定量性，创造性和海豚。如果我们试图要拼凑智能机器现已存在的证据，为什么不足够理智地去制造一台不是基于碳的人脑？

这些听起来都很合乎逻辑，甚至是必然的，而我正要进入的大学恰恰正在开始这方面的研究。也许我能够在制造这样一台具有智能的新产物上帮上一点忙。这真是太让人兴奋了！

几年后，我听到一些大学在试图实现“人工智能”方面所作出的努力。那些在我听起来十分有趣：我们可以从自身学到很多东西，也许还会有利于我们洞察不同智能方面的问题，而且还会有助于我们制造廉价的更有能力的机器。这听起来是合理的，无论这种机器展示的是何种智能，它们有可能都不同于人类的智能。类似的有，人造飞行器不能像鸟儿一样飞翔，船的推进器也不能模仿鱼在水中航行。

我们想要实现的人造智能似乎是无边无际的。例如，当程序员编写一段计算机程序时候，他可能会产生很多错误。为什么不让一台有智能的机器无论在何时都可以写出完美的程序？这些机器还可以写诗，故事，书籍，还有音乐。如果给定它们化学规则，它们还可以产生制造新药的化学公式。它们可以解决Fermat最新的定理，思考物理界重大的大一统理论，告诉我们谁会藏在草木繁盛的山上。这是人类智力多么大的扩展！

但是在25年前，事态还不是十分明朗。对人工智能的研究使人们学到了很多有关智能方面的知识。智能不是约束计算机按有利的方式来执行和阐明任务，而是脱离原有的目标产生新的智能。我从来没有完全丧失过信念，也许有一天我们最终会达到目标。但是伴随着每一年的流逝，这个目标好像离我们越来越远。

 

新的理解

在2004年的十月，掌上电脑的先驱者Jeff Hawkins闯进了人工智能的领域并使该领域萌生新机。在他新书封面的标题是《On Intelligence》，提出了对大脑新的理解，这将导致创建真正的智能机器。

匆匆看一下封面将立刻使自从1977年以来没有受到多少刺激的神经元苏醒，让霍金斯来使它们再次开始是非常有趣的。十几年来，霍金斯就一直是神经系统科学狂热的爱好者，但是直到今日，才投入足够的时间对该主题进行认真的思考，并且将他的观点付诸笔墨。

除了提供对人工智能和神经系统科学领域的回顾以外，霍金斯还描述了他自己有关大脑皮层如何产生智能和智能机器的本性等观点，这将使我们发展神经连通性的模式和操作（也许是他自己）并找出适合实现这种模式的硬件的途径成为可能。

 

人工智能的研究者们学到了很多有关智能是什么的知识

 

智能和智能行为

   霍金斯从小心地区分智能和智能行为相互关联的地方入手，这一点使我两次和他产生共鸣。第一次是在我高中时期看到电传打字机的幻像开始（打印一会儿，然后思考一会儿，再接着打印），第二次是在他对著名的图灵测试进行解析的时候。

就像霍金斯本人一样，我从来没有对图灵用公式明确的表达感到满意。智能无论如何也不能使智能的主体认为它们也是智能的。起初，图灵的提议给了我深远的洞察力，但是

随着时间的流逝，我逐渐地认识到这是平庸的并且毫无用处的，更多的是逃避而不是有用的定义。

霍金斯叙述了塞尔（John Searle）的“中国屋”的试验，这个试验在房间内放一个智能主体，他可以在房间的任何地点不假思索地遵循机械的指令，这将导致他正确地回答一系列问题（这些问题是用该主体不能理解的中文写成的）最终走出房间。

塞尔指出，中文输出的接受者推断在房间内的主体一定理解中文，可能，甚至展示发人深省的洞察力。但是主体自己什么事也不做，——机器也做不了——他只是简单地遵循由某些人写成的程序罢了。

塞尔说他自己不知道智能是什么，但是这个试验表明计算机并不具有智能。塞尔的实验清楚地说明—至少在我看来是这样—图灵测试很容易被愚弄。我们要对智能做更多的努力而不是仅仅进行一些主观的判断。

另外一些人认为主体、指令、还有房间的结合共同反映了智能—尽量避免我们不得不面对的对智能并不了解很多的事实，尽管我们在许多科学分支上面作了长期的大量的工作。

我并不想再引起一场不必要的争论，因为我认为这样做，对霍金斯想要带领我们到达的光明之处毫无益处。我在这里提及是因为它是考虑什么是智能以及它的物理表象，或是外在表现的起点。

 

大脑的行为

霍金斯相信智能是大量群集的神经元涌现的行为，用基于记忆的世界模式产生连续不断的对未来事件的一系列预测。他认为时间是大脑做什么和怎样做最至关重要部分。他相信大脑的行为有三个至关重要的组成：大脑工作于输入的时间序列流，涉及许多的反馈（有证据表明神经网络以这种方式在大脑中构成），真实网络的层次结构所具有的模式，看起来对它们的功能十分重要。

我特别赞同霍金斯的观点。大脑本质上是独立于我们肢体和感觉的智能设备。他提醒我，大脑是通过感觉觉察并且思考外部世界的唯一途径。大脑的每一个部分都不断地传递着对外部世界实时度量的相关模式。我们考虑视觉，听觉还有触觉，它们是十分不同的，但是都将表达的模式序列传送到我们的大脑。我们是千百万年来进化的产物，使我们的大脑和感觉以及运动控制紧紧结合为一体。我们很容易掉进图灵的陷阱，认为“如果看上去是智能的，那他就是智能的”

霍金斯提到了凯丽(Helen Keller)这个例子。凯丽(Helen Keller)，尽管她又聋又瞎，但是她学会了语言并且成为一名优秀的作家。是的，我们的大脑利用拍电报的方式帮助我们产生经由视觉和听觉等传感器传输到大脑的感觉。但是智能很明显地可以在没有那些感觉的情况下产生。

霍金斯建议把神经皮层的神经网络当作分布式存储的模式序列，以不变的形式联想访问和存储，并且分层次地进行安排。

这种模型给了我巨大的感觉。我认为它可以帮助我们解释为什么那么多聪明的人都会按照类似的思维模式进行思考：他们可以看到，在看起来完全不同的事务底下的模式。当他们在无意识的情况下进行关联检索的时候，有许多表面上看来令人非常吃惊的相关性。按照霍金斯的预料，这些人可能存储了专一的不变的概念表达方式，并在必要的时候采用它形成大量的令人震惊的引人注目的想法。我经常感觉到，只有少数的想法是计算机学科独一无二的。例如，我们现在学习的大部分仅仅是已经储存在我们脑海中那些概念的新名词，只是我们是否把它们联系起来。

 

神经网络存储

当我读这本书的时候，我发现我自己十分赞同霍金斯的观点。举一个例子，为了帮助理解他有关神经网络存储的序列模式，他建议读者考虑那些偶然在他们身上发生的事并且设想把这些故事告诉他们的朋友。

这个训练揭示了故事必须被当作一个从头到尾的序列来讲述。你可以从中间开始，但是不能反向的讲述故事。每一个状态“唤醒”下一个状态。这也是那些能够凭借记忆演奏长而且复杂音乐的音乐家们的真理。但是你让他们从中间部分开始，他们将陷入困境。

 

我们现在学习的大部分仅仅是已经储存在我们脑海中那些概念的新名词

   我怀疑这些相同的现象是绝大部分人记住歌曲名字的可靠方式：他们在内心处唱歌直到那些歌曲的名字通过精神上的模仿，保存在大脑相应的位置。再次，那些连续的存储方式正是霍金斯所要帮助我们认识的。

霍金斯也指出无论我们是朗诵一篇存储在记忆中的故事，还是将它打出来，或写出来，

我们都是按同一个不变的方式把它们从记忆的仓库里取出来。那些信息与大脑的其他功能一起，帮助我们完成握手，适当地动嘴说话、朗诵，以及移动手臂和胳膊来写作等事情。

依照霍金斯的理论，有意性—一个智能的特点—好像很适合他所提出的所有神经网络的基本功能就是形成连续的预测，并且正确地存储通过感官所获得的世界观这一模式。

 

写能赢的策略

  我曾经上过一堂有关表格处理的课，课程的项目就是要我们编写一个玩tic-tac-toe的游戏程序。我花了整整一个小时来考虑如何识别，编码最好的策略来应用于那个游戏，但是看起来好像是我自找麻烦。之后，我认识到游戏是如此的简单，我可以让它边“学”边走。

本质上，我写的程序是按如下方式进行的。它总是移到“最相邻”的位置上，为其它移动腾出位置。如果你想赢，那个看起来好像是最简单的策略。如果让程序来完成，它将输掉每一场比赛。但是这是表格处理课程，所以我不得不编写在整个游戏中使它输掉的每一步移动的列表。在认识到最简单的相邻移动策略之后，程序将检查所有先前失败过的游戏列表，并拒绝再次进行相同的移动。

    实际上，你可以在游戏中打败程序，但是绝对不会出现两次相同的情况。因为tic-tac-toe是如此简单的一个程序，程序将花费10到20场游戏的代价变得不可战胜。

在那个项目的中途，我清楚地认识到，不仅是这个程序不具有智能，而且和它不太相像的一些程序也同样不具备智能。计算机没有真正在玩tic-tac-toe—我是。它只是简单地遵循指令，它不得不这样做是因为没有被告知终止。

 

有意性

   什么是我们缺少的，我感觉，是那些目的而不是让机器来完成某一件事。所以我特别热心于霍金斯强调的，意图才是神经活动的特点。

换一个方式来考虑这个问题。想象一下，一个人被雇来看守一个学校健身房的大门。这个看守的工作就是察看外面和里面。但是这里有一个上下文就是那个人明白自己该干什么而不要被告知：看守的工作就是保护那些在健身馆健身的人，和整间屋子的安全。而不用关心屋子里的人到底在做什么。

如果有什么不希望的事情发生，例如公寓失火，一个守护人将马上听从权威人士的安排，不需要更深的认识。现在，想象一下如果是一台计算机看守同一个大门—它将可靠地履行在正常情况下的职责，忽略看守员因疲倦导致的睡眠。一旦情况发生改变，例如真正发生了火灾，或者一个警官突然要求进入，计算机很可能作错误的事。它没有真正理解上下文，而且没有履行的无意义工作的目的，意图是十分至关重要的。

 

遗失的内容

   仔细地研究之后，预期的观察和围绕读者提供的快速思考模式，霍金斯改变了原书中百分之八十的途径的方向。他将主题定为智能机器看起来象什么，制造这类机器的障碍，以及它将在那些方面带来好处。

一张由Sydney Harris绘制的著名的卡通画描述了两个科学家站在写满两种迥然不同等式的黑板前，等式被一组词分开，“然后是奇迹的发生”。标题是“我认为你的第二步要更清楚些”。我感觉看完这本书之后就像是穿过量子隧道一样，有一章丢失了。比较他的估计，稳定的，无情的，编组的事实和对他理论仔细的解释，书的最后部分就像是在某人的幻想中狂驰。

公平地来讲，我不认为霍金斯在出版这本书以前就已经解决每一个最新出现的问题，这正是对他要将问题变得矮小化的挑战。这些问题也许正处在“第二步”――减少有关大脑皮层的神经网络可以组成基于硅的机器的想法。

也许我正在对我机器内被霍金斯唤醒的具有智能的神经元作出反应。我希望霍金斯是对的。我认为在将来，机器不会再十分愚蠢，而是聪明地和我们工作在一起。个性是否会出现？连续的进化是否是可能的还是会避免？

询问这样的问题看起来就像是科学幻想。但是阅读完霍金斯的著作之后再次授予我们想象这些幻想的权力。让你的神经元获得营养吧！

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=348334