通用人工智能的四大基本問題

　　《返樸》重新出發(fā)，我的人工智能(AI)專欄也繼續(xù)搭載。和以前的做法一樣，我會(huì)把AI作為一個(gè)科學(xué)問題(而非技術(shù)或商業(yè)問題)來討論，力圖提煉智能、認(rèn)知、思維、意識等現(xiàn)象中的一般規(guī)律，或者說探索在什么意義下計(jì)算機(jī)可以和人腦相提并論。和一般的科普不同，我寫的更像是自己的“探險(xiǎn)筆記”，因?yàn)檫@個(gè)領(lǐng)域仍處于百家爭鳴時(shí)期，尚未有很多公認(rèn)的“科學(xué)”結(jié)論來被“普及”。如果讀者發(fā)覺我的“妄議”(或者“王議”)和別處看到的不同，可以想想哪種說法更有道理，而不是哪種更流行。由于很多話題彼此交織，我會(huì)引用我以前寫過的文字以避免重復(fù)。至于這個(gè)專欄的名稱，自然不是說AI像《水滸》里的牛二，“滿城人見那廝來都躲了”。這事以后會(huì)交代。今天以基本問題開篇，就是先把招牌掛出來，后面再陸續(xù)上貨

　　——王培

　　像很多其它研究領(lǐng)域一樣，人工智能的基本問題可以提煉成四個(gè)：“做什么?” “能做嗎?” “怎么做?” “該做嗎?” 下面是我對這些問題的簡略分析。

　　研 究 目 標(biāo)

　　我在《當(dāng)你談?wù)?a class="contentlabel" href="http://www.ex-cimer.com/news/listbylabel/label/人工智能">人工智能時(shí)，到底在談?wù)撌裁?》(點(diǎn)擊文末“閱讀原文”查看，下同)中已經(jīng)列舉了“人工智能”名下五類不同的研究目標(biāo)，而目前流行的“人工智能就是用計(jì)算機(jī)解決那些以前只有人腦才能解決的問題”就是其中的“能力派”。這一派的優(yōu)勢是通俗易懂，直接見效，但缺點(diǎn)是圈畫得太大，以至于以前叫“自動(dòng)化”“計(jì)算機(jī)應(yīng)用”的工作現(xiàn)在都趕時(shí)髦改叫“人工智能”了。由于這種界定使得AI涵蓋了大量完全不同的系統(tǒng)，在此范圍內(nèi)建立一個(gè)統(tǒng)一的人工智能理論的可能性甚微。

　　在《人工智能迷途：計(jì)算機(jī)的高技能等于高智能嗎?》中，我介紹了“通用人工智能”的觀念及其在歷史中的浮沉。時(shí)至今日，這個(gè)詞越來越多地出現(xiàn)在各種討論中，但對其意義的理解仍有很多誤區(qū)。比如一個(gè)常見的說法是把通用系統(tǒng)叫做“強(qiáng)人工智能”，而把專用系統(tǒng)叫做“弱人工智能”。這個(gè)區(qū)分不無道理(因?yàn)榍罢叩哪繕?biāo)遠(yuǎn)高于后者)，但二者的區(qū)別其實(shí)不是能力的強(qiáng)弱(專用系統(tǒng)在能力上往往已經(jīng)遠(yuǎn)勝于人)，而是應(yīng)用范圍和工作原理，所以這種稱呼會(huì)使人將二者間“質(zhì)”的差別誤判為“量”的差別，以為把各種專用系統(tǒng)整合在一起就是通用系統(tǒng)了。

　　即便在當(dāng)前的通用人工智能研究者之中，對研究目的的確切設(shè)定也各有不同。有些人企圖盡可能忠實(shí)地模擬腦結(jié)構(gòu)，有些人企圖在盡可能多的領(lǐng)域中取代人，有些人(包括我)企圖讓計(jì)算機(jī)遵循和人基本相同的“思維規(guī)律”。

　　有些讀者可能會(huì)想，連基本概念和目標(biāo)都沒弄清還怎么研究，殊不知對很多復(fù)雜現(xiàn)象的準(zhǔn)確刻畫不可能發(fā)生在研究的開始，而會(huì)是研究結(jié)果的一部分，所以先“統(tǒng)一思想”是不現(xiàn)實(shí)的。另一方面，那種認(rèn)為無需爭辯“智能”定義，只需跟著直覺用法走就好的看法恰恰是目前這個(gè)領(lǐng)域中觀念混亂的重要原因，也是不可取的。人工智能研究中的很多爭論都可以回溯到對智能的不同理解，而這個(gè)問題又不能靠字典、權(quán)威或民意測驗(yàn)來解決。如果研究目標(biāo)不一樣，對其它相關(guān)問題的回答自然也就不會(huì)一樣。在這一議題上尚無共識，恰恰更意味著我們應(yīng)注意辨識不同的研究目標(biāo)，而避免籠統(tǒng)地?cái)嘌浴叭斯ぶ悄堋比绾稳绾巍?/p>

　　成 功 可 能

　　從“人工智能”“思維機(jī)器”等成為研究對象時(shí)起，這種努力的成功可能性就一直是有爭議的。隨著深度學(xué)習(xí)等技術(shù)的成功，目前流行話語中的人工智能(在某個(gè)具體問題的解決能力上達(dá)到或超過人類)的可能性不再是問題，但通用人工智能的可能性仍是受到廣泛懷疑的。

　　對這個(gè)問題的肯定性論證即使在學(xué)術(shù)界認(rèn)為大功告成之后的很長時(shí)間內(nèi)仍不會(huì)被公眾普遍接受，比如有人會(huì)堅(jiān)持說它沒有“靈魂”，不管它做到了什么。因此，我下面只簡單說明為什么現(xiàn)有的否定性論證都是不能成立的。這里有幾種不同的情況。

　　一類“人工智能不可能”的斷言是出于對這個(gè)領(lǐng)域的研究目標(biāo)的誤解，因而是在攻擊一個(gè)稻草人。持這種態(tài)度的人往往以為這個(gè)領(lǐng)域的目標(biāo)是制造在所有方面都和人一摸一樣的計(jì)算機(jī)。找些證據(jù)說明這不可能并不難，但問題是，我還不知道任何研究者真是沖著那個(gè)目標(biāo)去的。實(shí)際上，所有研究人工智能(包括通用人工智能)的人都只是認(rèn)為計(jì)算機(jī)可以在某些方面和某種程度上和人腦相類似。很多研究者認(rèn)為在“人類智能”的諸多現(xiàn)象之中存在一個(gè)更一般的“智能”機(jī)制，而“人工智能”是這個(gè)機(jī)制的另一種實(shí)現(xiàn)方式。按照這種觀點(diǎn)，即使人工智能完全實(shí)現(xiàn)，也不會(huì)和人類智能在外部表現(xiàn)上完全相同。因此，這種“人工智能不可能”的論斷不會(huì)對這個(gè)領(lǐng)域中的研究有任何影響。

　　相比之下，另一類“人工智能不可能”的論證是值得重視的，因?yàn)樗鼈兪侵敝溉斯ぶ悄芗夹g(shù)的某些“死穴”。比較常見的包括“計(jì)算機(jī)必須遵循程序，因此不可能有靈活性和創(chuàng)造性”“計(jì)算機(jī)只能根據(jù)形式來使用符號，但無法獲得其意義”“有些真理人能發(fā)現(xiàn)，但計(jì)算機(jī)永遠(yuǎn)不能”。在這里，我不具體討論它們(參見我以前的文章)，只是指出它們的一個(gè)共同問題：其實(shí)這里每個(gè)論證都是針對一個(gè)具體的智能技術(shù)或計(jì)算機(jī)用法，但結(jié)論卻往往是“人工智能”如何如何、“計(jì)算機(jī)”怎樣怎樣，其結(jié)果是夸大了其結(jié)論的適用范圍。這些討論對人工智能的發(fā)展是有益的，因?yàn)樗鼈儚姆疵鏋樾吕碚摗⑿录夹g(shù)的研發(fā)提供了借鑒。遺憾的是，至今仍有不少人以為它們限定了所有人工智能研究所能達(dá)到的高度。

　　具有諷刺意味的是，在近期對人工智能的限度的討論中，很多形如“人工智能永遠(yuǎn)也無法……”的斷言反而是出自“人工智能專家”之口。這其實(shí)也源于主流人工智能在歷經(jīng)挫敗后對“大問題”的回避。很多人研究多年“人工智能”，但只是注重于對某個(gè)別功能的實(shí)現(xiàn)和某個(gè)別問題的解決，因此在他們說“沒人知道如何實(shí)現(xiàn)通用智能”時(shí)，他們實(shí)際上說的是“我不知道怎么做，而且我所追隨的那些名人也不知道怎么做。其它人的工作不值得注意，因?yàn)榉凑麄円策€沒做出來呢”。由于有理由認(rèn)為通用智能系統(tǒng)和專用系統(tǒng)是非常不同的領(lǐng)域，在后者的研究中成名的人物對前者發(fā)言時(shí)權(quán)威性其實(shí)是很有限的，而且“現(xiàn)在還沒做出來”和“永遠(yuǎn)也不能做出來”顯然不是一回事。

　　總之，通用人工智能目前起碼應(yīng)被看作是可能的，因?yàn)闆]有足夠強(qiáng)的反面理由。

　　實(shí) 現(xiàn) 途 徑

　　由于專用系統(tǒng)的實(shí)現(xiàn)途徑因問題而異，在這里我只討論通用人工智能，而且只集中分析幾種常見的觀點(diǎn)，而把對我自己的研究進(jìn)路的介紹留給其它文章。

　　在相信通用人工智能可能實(shí)現(xiàn)的人們當(dāng)中，目前最被看好的技術(shù)自然非深度學(xué)習(xí)莫屬。每當(dāng)深度學(xué)習(xí)的一個(gè)新用途出現(xiàn)，總會(huì)有人說 “這標(biāo)志著又向通用人工智能前進(jìn)了一步”，似乎在這個(gè)方向上走下去就是了。在《深度神經(jīng)網(wǎng)絡(luò)會(huì)產(chǎn)生人這樣的智能嗎?》中，我已經(jīng)說明了通過深度學(xué)習(xí)以及相關(guān)的機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)通用智能的困難。這里要補(bǔ)充的一點(diǎn)是：有人認(rèn)為深度學(xué)習(xí)已經(jīng)是“通用”的了，因?yàn)檫@個(gè)技術(shù)可以被應(yīng)用于很多不同的領(lǐng)域。但這不是“通用人工智能”的意思。深度神經(jīng)網(wǎng)絡(luò)的確既能被訓(xùn)練下圍棋，也能識別照片，但同一個(gè)網(wǎng)絡(luò)不能同時(shí)做這兩件事。由于以往的機(jī)器學(xué)習(xí)研究基本上都是以“逼近單一函數(shù)”為指向的，把它們推廣到多目標(biāo)(尤其是設(shè)計(jì)時(shí)沒有考慮過的目標(biāo))絕不是個(gè)容易的事，因?yàn)樗笳麄€(gè)研究規(guī)范的根本改變。時(shí)至今日，尚沒有一個(gè)用深度學(xué)習(xí)實(shí)現(xiàn)通用人工智能的完整路線圖，而相信這個(gè)可能性的人往往是從已有的成果做簡單外推。

　　另一個(gè)想法是整合各種專用“模塊”于一個(gè)“構(gòu)架”之中，以讓它們分工協(xié)作，成為一個(gè)通用系統(tǒng)。這是個(gè)很自然的想法，也有不少人在試。但是這條路遠(yuǎn)不如看上去那么理所當(dāng)然。隨便找一本人工智能教科書，其中提到的算法或設(shè)計(jì)就得有幾百個(gè)，各有不同的用途。把它們都實(shí)現(xiàn)在同一個(gè)計(jì)算機(jī)系統(tǒng)中在原則上是可能的，但決定在什么時(shí)候用哪個(gè)工具，這本身大概就需要通用智能了，更不要說這些工具各自的理論預(yù)設(shè)往往是互相沖突的，因此無法互相協(xié)調(diào)。另一個(gè)大問題是諸認(rèn)知功能的劃分大致上是沿用心理學(xué)的傳統(tǒng)(如推理、學(xué)習(xí)、記憶、聯(lián)想、感知、運(yùn)動(dòng)、語言、情緒、意識等等)，盡管它們之間的聯(lián)系顯然非常密切。如果智能的確是“橫看成嶺側(cè)成峰”，那么從不同角度和距離描繪不同的“嶺”和“峰”自然可以，但如果目的是給廬山造個(gè)模型，那么分別構(gòu)造這些“嶺”和“峰”，然后再把它們“組裝”起來，這就不對了，因?yàn)檫@些“構(gòu)件”更應(yīng)被看作同一個(gè)對象的不同側(cè)面，而非不同部分。

　　有人試圖通過構(gòu)造更“忠實(shí)于人腦”的模型來達(dá)到各認(rèn)知功能的統(tǒng)一再現(xiàn)。像我在《深度神經(jīng)網(wǎng)絡(luò)會(huì)產(chǎn)生人這樣的智能嗎?》中所說的，這條途徑的最大問題不是其難度，而是其必要性。如果我們把智能看成一種有不同實(shí)現(xiàn)方式的認(rèn)知機(jī)制，那就沒有理由認(rèn)為人腦是唯一能實(shí)現(xiàn)它的方式，盡管它的確是我們最熟悉的方式。和人腦在實(shí)現(xiàn)細(xì)節(jié)上最接近的模型未必是人工智能最合適的模型，盡管這種模型對腦科學(xué)而言很有價(jià)值。

　　總之，在實(shí)現(xiàn)其它目的時(shí)有效的技術(shù)未必對通用人工智能有很大貢獻(xiàn)，因?yàn)檫@里的目標(biāo)和制約條件非常不一樣。在選擇技術(shù)路線時(shí)應(yīng)當(dāng)從智能的特征出發(fā)，同時(shí)考慮計(jì)算機(jī)系統(tǒng)的現(xiàn)實(shí)條件。

　　倫 理 抉 擇

　　最后，即使我們發(fā)現(xiàn)了建造思維機(jī)器的途徑，那也不一定意味著我們真要把它做出來。已經(jīng)有很多名人大聲疾呼地要求人工智能慢下來甚至停下來了，因?yàn)樗麄兒ε氯祟愂ァ叭f物之靈”的地位及其后果。關(guān)于這種詰難，我已經(jīng)寫了《人工智能危險(xiǎn)嗎?》來回應(yīng)，而這里只是再加些補(bǔ)充。

　　首先，很多“人工智能專家”對AI安全性所做的保證往往只涉及他們所構(gòu)建或能夠設(shè)想的系統(tǒng)，其中完全沒有適應(yīng)性、靈活性、自主性、創(chuàng)造性等通用人工智能系統(tǒng)才可能具有的特征，因此說的基本就是另外一個(gè)問題。由于這些特征，通用人工智能帶來的倫理道德問題和傳統(tǒng)技術(shù)有根本的不同，因此要求不同的應(yīng)對方案。

　　作為適應(yīng)性系統(tǒng)，通用人工智能最大的特點(diǎn)之一就是其行為不僅僅取決于設(shè)計(jì)(先天因素)，而更加依賴于經(jīng)驗(yàn)(后天因素)，因此對這種系統(tǒng)的控制需要通過影響它的經(jīng)驗(yàn)來實(shí)現(xiàn)，就像社會(huì)對個(gè)人的制約那樣。因此，不能指望人工智能工作者可以設(shè)計(jì)出永不犯錯(cuò)的系統(tǒng)，也不能奢望對人工智能安全性的研究可以預(yù)先排除掉所有危險(xiǎn)。而在另一方面，在這種系統(tǒng)上進(jìn)行的研究可以極大豐富我們對適應(yīng)性系統(tǒng)(包括人和動(dòng)物)的認(rèn)識，將教育學(xué)和社會(huì)學(xué)(甚至經(jīng)濟(jì)學(xué)和法學(xué))的研究范圍擴(kuò)展至包括智能機(jī)器在內(nèi)。

　　和其它問題一樣，對人工智能的恐懼常常來自對其研究目標(biāo)的誤解。很多人以為“通用人工智能”會(huì)是在一切領(lǐng)域超過人類，以至于近乎全知全能的存在，所以這種系統(tǒng)的出現(xiàn)會(huì)在人類歷史上造成一個(gè)“奇點(diǎn)”，此后的發(fā)展便不在我們的掌控甚至理解范圍之內(nèi)了。至今為止，我還沒有看到足以使我相信這一結(jié)論的證據(jù)。我認(rèn)為通用人工智能完全可以造出來，而這種系統(tǒng)會(huì)有和人非常類似的認(rèn)知功能。但是，這不意味著計(jì)算機(jī)可以全面達(dá)到以至超越人的解決問題能力，因?yàn)檫m應(yīng)系統(tǒng)的行為依賴于其經(jīng)驗(yàn)，而一個(gè)人工智能系統(tǒng)是不會(huì)擁有和人完全相同的經(jīng)驗(yàn)的。因此，人和機(jī)器的具體能力會(huì)有重合，但仍會(huì)有人能解決但機(jī)器不能解決的問題。像我在《人工智能迷途：計(jì)算機(jī)的高技能等于高智能嗎?》中所解釋的，通用的“智能”和專用的“技能”不是一回事。不同形式的智能，不論是人類還是人造的，在前一方面都類似，而在后一方面未必可比，就像沒法說諸葛亮、達(dá)芬奇、莫扎特誰更聰明。這也說明通用人工智能的工作原理仍是我們可以理解的，其行為也是可以通過對其經(jīng)驗(yàn)加以影響來控制的，盡管它的運(yùn)算速度可能很快，存儲(chǔ)量可能很大，經(jīng)驗(yàn)可能和我們非常不同，因此它的具體行為可能不是那么容易解釋或預(yù)測。

　　總之，人工智能研究的正當(dāng)性既來自人類認(rèn)識思維一般規(guī)律的長期渴望，也來自社會(huì)發(fā)展對復(fù)雜信息加工的實(shí)際需求。這項(xiàng)研究同時(shí)也帶來了新的挑戰(zhàn)，對此我們絕不能掉以輕心，但也不該盲目恐懼。要避免AI造成的危險(xiǎn)，起碼要把AI是怎么回事搞對吧?那些“AI必然導(dǎo)致災(zāi)難”的斷言在這一方面往往都不及格，其結(jié)果是和風(fēng)車作戰(zhàn)，反而對可能性大很多的危險(xiǎn)毫無提防。除非我們有足夠的證據(jù)認(rèn)為某項(xiàng)技術(shù)(包括各種意義下的人工智能)的確會(huì)是弊大于利，我們還是有充分理由來繼續(xù)這項(xiàng)探索，同時(shí)拒絕廉價(jià)的保票，準(zhǔn)備好對該技術(shù)的各種后果進(jìn)行盡可能恰當(dāng)?shù)膽?yīng)對。