深度好文|关于人类智能与自主系统

文章探讨了人类智能的快慢思考模式与机器计算的对比,强调了人类智能的自主行为和适应性是机器学习尚未达到的。作者通过意识、理解和常识的概念,揭示了实现真正人工智能所需的关键要素和挑战。
摘要由CSDN通过智能技术生成

上个世纪 50 年代,在二战结束没多久,人们开始研究和设计智能系统。作为信息学的分支,人类开始了最早对于人工智能的研究。时间来到 60 年代,人们对于计算机的发展充满了信心,人们断言“20年内机器能够做任何人所能做的事情……一代人之内创造人工智能的问题将得到实质性解决”。

然而很快,人工智能的发展在 70-80 年代进入了停滞期,直到 21 世纪因为机器学习和数据分析技术的发展,对于人工智能的研究才再一次进入到人们的视野。而最近 GPT 再一次点燃了人们对于这项技术愿景的狂热。

60 年代的预言并没有实现,而人工智能的发展也没有人们想象中那么的迅速和乐观。究其最根本的原因,还是人类对于计算理论的局限性缺乏了解。想要建造一台行为像人类的机器,我们必须先理解“人类智能”的工作机制,而当时神经科学并没有强大到这种程度。

这个系列的文章是我最近阅读了《理解和改变世界》这本书之后的收获总结。写下文字的同时也是自己思路整理的过程。(非常推荐大家看一看这本书)

图片

这篇文章会论述“人类智能和机器智能的鸿沟”以及“自动系统与自主系统的区别”两个话题,如果你能看完那么对于人工智能会有更多技术以外、表象之下的新的理解。今天这篇文章我主要会介绍一下人类思维的主要表现方式以及和机器计算之间的鸿沟。

快思考和慢思考

在《思考快与慢》这本书中,作者丹尼尔·卡尼曼详细介绍了人类思维的两种方式:快思考和慢思考

图片

“慢思考”是反应较慢却有意识加工的思维,例如数学计算以及逻辑推理,这种思维模式和计算机编程的计算模式类似,计算机编程在处理这类问题上的表现要远远优于人类思维。

另外一种“快思考”是反应快速确自动完成的思维,例如走路、吃饭时对身体四肢的协调、面对不安全环境时身体的警觉等,大脑在完整这一系列的意识行为时几乎是在瞬间完成的,并且只消耗了非常少的能量。如今的人工神经网络的计算模型就是模拟了人类的快思考进行的设计。

这两种方式互相协同补位形成了人类的思维模式。自从出生后,慢思考系统逐渐创造出了一系列的流程,随后有快速系统进行自动化执行。例如婴儿在刚学会说话时非常努力才能叫出“妈妈”,随着不断的练习,“叫妈妈”这个行为变得越来越熟练和自动化。学习骑自行车和开车的过程亦是如此。所以某种程度上来说,这就是人类智能的最根本表现。

图片

从计算机到人类智能

如今的计算机是否具备智能了呢?很多人认为“智能”的表现是形成决策解决复杂确定定义明确的问题,这显然并没有达到人类智能的高度。

人类智能的重要特征是“自主行为”以及“适应内部和外部环境的变化”。这是人类大脑能够创造新知识,理解从未遇到过的情况并且设定新目标的关键所在。

但很遗憾,目前的机器学习并不能做到这一点,我们目前看到的更多的是“程序员智能”,即执行程序员提前用符号描述好的命令。

图片

只有当哪一天,计算机不需要人类干预而能自主进行大量任务,并且能够适应不断变化的内外部环境时,我们才能说人工智能和人类智能之间的差距在消失。

为了理解人类智能,我们需要几个至关重要的概念(也可以理解为大脑的行为):意识、理解、常识

关于意识

关于意识,你可以通过这句话来理解:大脑在外部世界和内部世界的语意模型中“看到”自己如何行动的能力。这让我想到了海贼王中的见闻色(预测能力)霸气。意识是指人类主观体验和知觉的状态,是我们对自身和外部世界的感知和理解。

图片

意识具有多个特征,如主观性(只有个体能够体验)、主动性(能够在一定程度上主动选择和决定)、连续性(意识的流动性)和选择性(能够选择注意力的对象)。与意识相对应的是非意识,非意识的心理过程和信息处理即上文提到的快思考。

人类大脑通过对于客观世界的不断“理解”,从而源源不断地产生所谓的“常识”。

关于理解

通过“理解”,我们能够将观察到的东西和头脑中已经掌握的关系联系起来。例如我们看到一件东西加速坠落地面,我们理解这是因为地球引力在产生作用。

世界是复杂的,为了更容易理解这个世界的各种现象,人类的大脑往往倾向于将现象的影响因素做主要和次要的区分。但有时候现象过于复杂,例如气候、经济、社会问题等,这种超负荷的复杂度导致人类的理解能力具有局限性。

这种理解上的局限性进一步限制了理论的构建(爱因斯坦至死都没有将相对论和量子力学进行大一统)和工件制造的复杂性(由于基础生物学的缺乏,导致短期内无法找到对于癌症的有效治疗方法)。

关于常识

人类的大部分智力都属于“常识”。常识的出现意味着大脑的某一类型思维由满思考到快思考进行了转变。大脑会使用它的语意模型评估环境中正在发生的事情以及可能的过程,不断积累经验的语意模型每天都在自我丰富。

为了让计算机表现出人类的这种行为,我们必须赋予它相应的语意模型。理论上,如果我们能够对自然语言进行分析和形式化,按照层级构建出概念之间关系的语义网络,再加上表征和更新知识的规则,我们就可以构建出这样一个模型。

图片

例如在定义“父子”时,我们需要想象这个词所包含的所有相关关系和规则,并把他们都形式化。然而在过去的50 年时间里,我们在这个方向上没有实质性进展。


理解了人类智能的特征表现,我们得以更好的理解机器想要实现类似的智能系统需要具备哪些条件。在下一篇文章我想聊聊关于“自动系统”以及“自主系统”的区别,自主系统的实现将意味着两种智能之间的界限变得越来越模糊。

  • 9
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

轻流Qingflow

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值