三个层次的认知能力
看(See)
- 猫头鹰观察老鼠如何移动,并找出老鼠一会儿可能在哪里。
- 围棋程序研究数百万围棋棋谱数据库,从而找出哪些棋步与较高的胜率相关联。
- 如果观察一个事件会改变观察另一个事件的可能性,我们就说一个事件与另一个事件有关联。
We say that one event is associated with another if observing one changes the likelihood of observing the other. - 好的预测不一定有(需要)好的解释。猫头鹰可以是一个好猎手,却不明白为什么老鼠总是从A点到B点。
- 现在大多数人所谈论的(弱)人工智能还停留在See的阶段,其学到的是动物级能力而不是人类级智能。深度学习的成功主要是表明某些我们认为困难的问题或任务其实并不困难。
- 深度神经网络为拟合函数的复杂性增加了更多的层数,但原始数据仍然驱动着拟合过程。随着更多数据的拟合,它们的精度会不断提高,但它们并没有从"超级进化加速"中获益。例如,如果无人驾驶汽车的程序员希望它对新情况做出不同的反应,他们必须明确地添加这些新的反应。机器不会自己想出,一个手拿一瓶威士忌的行人,很可能会对按喇叭做出不同的反应。
做(Do)
- 牙线问题:如果我们把牙线价格提高一倍,销量会怎么样
- 不能直接通过See来解决涉及到干预(Intervention)的问题。虽然可以进入庞大的数据库,看看以前购买的牙线价格是两倍的情况,但是对于之前的场合,可能因为不同的原因,价格比较高。比如,可能是产品供不应求,其他每家店也都要涨价。而我们现在面临的问题是不考虑其他的市场情况而直接进行刻意的干预。因此,更可能的一种解决方式是在精心控制的条件下进行新的实验来获取数据观察。
- 现在的解法:开发一个包括市场条件在内的消费者行为模型。即使没有每个因素的数据,也可能有足够的关键代用数据来进行预测,从而做到从level1(see)到level2(do)的跨越。而这个消费者行为模型就可以认为是一种因果模型。
想象(Image)
- 想象能力是每一个哲学理论、科学发现和技术革新的先驱,从显微镜到飞机到计算机,每一个都必须在某人的想象中成形,然后才能在物理世界中实现。
- 规律:拥有法则就允许我们有选择地违反它们,从而创造出与我们的世界相矛盾的世界。
- 中文房间问题:由美国哲学家John Searle提出。想象一位只说英语的人身处一个房间之中,这间房间除了门上有一个小窗口以外,全部都是封闭的。他随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间中。房间里的人不会说中文;他不能够用中文思考。但因为他拥有某些特定的工具,他甚至可以让以中文为母语的人以为他能流利地说中文。根据Searle,电脑就是这样工作的。它们无法真正的理解接收到的信息,但它们可以运行一个程序,处理信息,然后给出一个智能的印象。
其他
- 人类的直觉是围绕着因果关系而不是统计关系来组织的。