主题:【原创】智慧的诞生 -- 看树的老鼠
当宇宙还是一个小小娃娃的时候,小到没有人能看见它,但每个人都谈论它。谈论它那无可限量的未来,那里有难以想象的虚空,有亿万光年的宏大结构,有庄严旋转着的星系,剧烈爆炸的星球,也有天空、山脉、海洋和鲜花繁盛的草原,还有宇宙的最高成就,那个叫做智慧的东西。可是,人们必须用虚拟语态来谈论这未来,因为,时间还没开始呢!
在大爆炸的一瞬间,宇宙的发条在一瞬间失去了所有的制约。在几百亿年生活,生活中宇宙中某个漩涡星系第二悬臂上的生物将会这样描述大爆炸。那时候,他们刚刚发明了一种能够测量宇宙脉动的仪器,他们管这仪器叫做时钟。这种仪器的复杂让他们为自己的智慧而骄傲,想到这个宇宙或许就像一座时钟,在滴滴答答中推动中周遭的一切,也推动着智慧,他们第一次相信自己也是时钟。
当眼睛感受到亮光时,它知道新的清晨又将开始。每一根血管和神经中都传递着饥饿的信号,几亿年的进化,为它创造了这个星球上最强大的模糊记忆系统之一。它回想起食物的鲜美滋味,甚至能想起早餐之后,浑身涌起的幸福和强大。风从远方吹来,带来了食物的气味,就和曾经的记忆一样,循着食物的方向奔跑,视网膜上不断变换的信号,唤醒部分神经细胞又压抑了另一部分,记忆系统忠实回应着这变换的信号,直到羚羊闯进了它的脑海。它知道自己该怎么突然出现在羚羊面前,它能调出过去每一次捕猎的场景,一瞬间,无数的选择与相伴的未来在脑海中重叠。
新的知识诞生了。如果猩猩会说话,它一定会这样告诉我们。
摘自〈费曼的彩虹〉:
“现在它饿了,可是香蕉皮又不能吃。诺瓦在研究自己的困境时,一位叫科勒(Koehler)的教授也在研究它。他跟诺瓦、还有爱因斯坦一样,也有一股欲望需要满足,而他的笔记注定要出现在许多书籍和论文中。科勒拿香蕉给诺瓦,不过他没把食物放进它的笼子,而是把它放在笼子外面诺瓦够不到的地方。
他在向它挑战,如果诺瓦想吃的话,就得设法拿到香蕉。它先做了最显而易见的举动,走到栅栏旁边,把手伸出来。
它拼命把手臂伸长,想拿到香蕉,但就是够不着。于是趴在地上绝望地打滚。在不远处,爱因斯坦已经研究相对论九年了,从那时起两年以后,他才有了重大突破。
过了七分钟,诺瓦突然瞪着木棍,它不再呻吟,而是一把抓住它。它把木棍伸到笼子外,越过香蕉,再把它们往里拖到它够得到的地方。它已经有所发现了。
”
在诺瓦的绝望与凝望中,我们只知道,某种机制在发挥作用。也许在诺瓦的眼中,木棍不那么清晰地变成了另一只手臂。
而它的亲戚们,发展出一种新的能力。他们学会了改造模糊记忆系统,让它变得精确,但更慢。利用这种新能力,他们能够记忆根本不存在于这世界上的物体,矩阵、曲线、微分,一个又一个的概念仿佛实体一样存放在记忆中。顺着未来的方向看去,这种物种看到了在无穷大宇宙中自由延展的曲面,地球从太阳所造就的深渊边擦肩而过,险险的避开堕入深阱的命运。那无从具象化的时间,第一次变成皮筋一般的实体,构成了令人眩目的第四维度。
智慧仍在追索这它自身的圣杯:“复制自身。”〈地球周刊〉的〈人工智能改变生活〉的最后一段是这样写的“在1950年DNA结构发现前3年的阶段,人人都很悲观,大家都在说,我们可能永远都琢磨不透啦。然后,双螺旋结构横空出世。在之后的50年,生物学取得了难以想象的进步。”但愿我们正处在这个时代,但愿我们能活着取得圣杯。
======================================================================
本文总结了一种关于智能的观点,认为智能来自于记忆。这一观点来自于Jeff Hawkins的<on intelligence>一书。Jeff Hawkins本人不是人工智能或机器学习领域的正统研究者,但是他的观点对我而言有很大的魅力。
目前主要有两类方法实现人工智能,即模糊方法和精确方法(符号主义)。这种划分不很严谨,像神经网络这样的连接主义工作和统计机器学习,我都算作是模糊方法。而规划、符号运算都算是精确方法。
模糊方法本质上就是记忆。比如手写数字识别的一个最简单的方法就是KNN,就是说程序后台放了成千上万个各个数字的图像样本。人手写一个数字,就把数字的图像和后台样本比较,图像和哪个样本最接近,就把这个图像当作对应的数字。后来的神经网络、决策树、支持向量机等方法,其实就是换着各种方法,来表达什么叫做“接近”。
对于不需要知识的任务来说,我认为现在的模糊方法已经非常出色了。比如判断信用卡欺诈,神经网络已经比专家要准确。不过,我认为这并不表明人类智慧的算法比起电脑差。更多地是人类的感受能力有限。信用卡欺诈中运用到几千个数字,人没法直观感受到这几千个数字,所以只好依赖几个数字来判断,自然比不上机器。如果能够把这些数字变成一个二维图像,用颜色深浅表示数字的大小,没准人会说:“嘿,你竟然信任这家伙?他的信用记录长的像只吉娃娃。我宁愿给那个猛犸客户贷款”
对于某些复杂的任务,人类的表现还是好于机器。比如图像理解、写作、语音识别等。这些任务看起来也非常模糊,因为你没办法精确的阐述你听别人说话时运用了哪些知识。但是,有可能这些知识就是难以表达的,它是进化而来的一些非常稳固的神经连接,我们可以把它们看成是先验知识。
除此之外,现有的模糊方法无法产生知识。人类可以从很多现象中总结出规律。看到轮胎、太阳、月亮什么的,慢慢就总结出了“圆形”这个概念。现在的模糊算法其实可以部分做到这一点,你观察模糊算法的参数,其实可以看出它在抽象一些东西出来。但是我们不知道怎么把这些知识提取出来,和精确方法结合。做一些演绎。所以现在的模糊方法只能像个婴儿。
而精确方法呢,就是演绎法。这种方法其实也是一种回忆。在解决问题时,人都会用三段论,回忆出A, A->B,就推理出B,并加回记忆。专家系统之类的东西曾经给大家很大的希望,因为它看起来确实太智能了。可是专家系统需要人手工的输入知识,不能自己观察世界,自动总结知识,连读书也做不到,因为语言理解也是一个难题。
这些都只是猜测。等到有一天我们终于克隆了智能,或许会发现我们走了好大的一段弯路。不过,也许我们就处在发现DNA的前夜,谁知道呢?
一个智能应用的列表,来自〈地球周刊〉《人工智能改变生活》:
我们已经习以为常的智能:
Facebook早期几十个员工就能服务上亿的用户
医疗机器人,可以自动做手术
互联网搜索
文本翻译
路线规划
识别信用卡诈骗
控制光圈和快门
干衣机中的温度和湿度探测器
自动泊车
Siri
扫地机器人
拆弹机器人
较酷的智能
好奇号火星探测器。Behave like a human.
近未来的智能
自动驾驶汽车
自动调节房间的光线,监控住户的活动,记录他们的生理特征
未来智能
哈尔.爱因斯坦
本帖一共被 2 帖 引用 (帖内工具实现)
- 相关回复 上下关系8
🙂【原创】智慧的诞生
🙂哦,写的不错。能问下如果我想做 英汉互译(精准的) 我该 捣江湖 字14 2013-11-11 12:45:57
🙂不知道多精准? 看树的老鼠 字49 2013-11-12 04:49:37
🙂你可以用下面的方式来检测一下 捣江湖 字334 2013-11-13 00:36:02
☹️这就是目前机器翻译的水平 1 看树的老鼠 字50 2013-11-14 00:14:23
🙂之所以模糊是因为人类的记忆很大部分只是图像 桥上 字0 2013-11-11 11:13:27
🙂好帖 月下 字0 2013-01-30 07:56:22
🙂写得极好。我差点错过了你这个文字,极好 6 鸿乾 字887 2013-01-14 14:57:18