AI的发展已经失去了方向?人工智能哲学学家Aaron Sloman IJCAI演讲

Aaron Sloman专注人工智能哲学领域有几十年了,这项学科认为人们应该从根本上通过概念化自然界中的物体,为AI研究打下基础,Sloman还认为,现在的AI研究过于急躁的想要取得一些成果,却忽略了基础理论的研究。导致AI真正的发展不大。下面摘录一些Sloman演讲的要点。

图灵的论文“形态发生的化学基础”与1952年发表,2年后他就死了,但是如果他多活了几十年,看到了自己论文中理论变成现实,会发生什么呢?

有人在提出过一种可能,它看起来同图灵的期望相同,叫“变换形态发生”计划:是一项极具野心、相当长远、多学科的试图理解和学习地球的进化中逐步形成的信息处理方式的尝试。

在我们一知半解的那些最简单的生物原始的化学信息处理机制和我们所了解的最先进的关于大脑化学活动的知识之间,可能有着数量远远超出人类科学家认知的过渡信息处理机制。或许其中一些重要的机制仍然在生物进化的过程中起着重要,而且尚未被人察觉的作用。

而这些是怎么从最初那个毫无生机是星球演化而来的?

如果用人类设计的机器模拟一次整个进化的过程,会发生什么?一些学者试图通过来假设单个神经元的功能与电脑中单个晶体管起到的作用是相同的来推理并回答这个问题,并且用摩尔定律(它已经失效了)来预测计算机什么时候能有同大脑相当的计算能力。

但是如果像基于化学的计算在大脑中的作用就像图灵在那篇论文中提到的那么重要,那么在人造系统中为模拟相同等级的大脑运算需要的晶体管数可能会比神经元的数量多上好几个数量级,花费的时间也会长很多。John von Neumann在他的书《计算机与大脑》中意识到了这种可能性。这种争论由Tuck Newport在他的书《计算机与大脑:氨基酸vs晶体管》中做了一个总结。

1944年,薛定谔在《生命是什么》中指出,量子现象除了具有费决定论和统计属性之外,还为现实提供了一种理论基础。他注意到一些物理定律提供的基础定律具有重要的信息处理能力。

进化给自然带来了很多这样的定律,每一条定律都是由不同的演化规律中生成的。

除了化学和物理中所有的那些具体的概念,进化还造就了抽象概念和抽象和具体的混合概念。还赋予了概念变化来组成新的概念的能力。

这次将会报告一些这方面的进展,包括这些新的概念和新的信息处理架构自我更新的概念。这可能预示着我们能建设更多种多样的计算架构而不仅限于邱奇-图灵理论。

目前的AI似乎并没有试图建立一个适当的模型或理论解释,人们并没有试图去研究我们的祖先是如何发展出几何理论和语言系统,并且后来获得了一系列科学成就的。也没有试图去研究我们如何发展出了可变换认知的能力。而这些都是必要的。

我相信,AI作为一门科学,已经在过去的二三十年间(部分是因为对结果急躁和盲目的追求)失去了它的方向,在其最困难的一些问题上没有取得任何进展,而仅在一些极窄的领域内取得了一些微小的成果,和大量工程学上的进展。

我可以举出一些AI领域仍然未解决的问题(希望不是永远解决不了的)

1:组建/复刻动物/人类针对复杂不规则结构的场景中运动的认知,就比如在微风中走过一个布满了各种花草、灌木丛的花园中时视野中复杂的变化。又比如一个筑了巢的鸟不管从哪个方向,总能找到它的巢在哪里。

2:像在2500年前编写出《几何原本》的人们那样,能在逻辑、形式系统、以及几何学建立之前探索和推理出那些数学知识。

3:像尼加拉瓜的聋哑孩子们那样学习一门手语,然后由于老师们教的表达方式无法满足自己的需要而自己创造出这些手语更丰富的形式。

4:像一个小孩那样即使在还没学会语言的时候也能表达出自己学习到的东西和他们是如何使用自己所学的知识的自我延伸能力。

5:许多非人类的动物上的智能的表现形式。

6:欣赏和创造各种各样形式,包括音乐、诗词、舞蹈、绘画和故事,并且拥有对其的好恶。

7:开发出新的,无论是独立还是合作的学习能力的能力。

自从2012年退休之后,我把几乎全部的时间都用在了研究这个上面,但是目前这个变换形态发生计划仍然有大量的疑问和没有得到处理。

由这个问题产生的最重要的想法就是进化始于一个由物理和化学提供的“具体基本概念集”,其中很多概念在《生命是什么》中被提到过。进化在这个概念集上加上了许多分支的,被称为“衍生概念集”的东西。这些概念集都分别侧重于同一事物不同方面的属性。

在智能系统中足够精确的复刻其结构,来解释这些生物拥有的,包括欧几里得能在世界上还没有任何一个几何老师之前创立几何学的,现在的AI看起来完全没有的智能需要几十(或许上百)年。我们也需要将更多的注意力放在这种基础的理论研究上面。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-07-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【荐读】Michael Nielsen《神经网络和深度学习》:智能可以用简单的算法表示吗?

【新智元导读】本文选自量子物理学家、著名科普作家 Michael Nielsen《神经网络和深度学习》最后一章,探讨智能能否用简单算法来表示。Nielsen 从...

37516
来自专栏专知

人工智能“读心”有术

任何同Siri或Alexa有过令人沮丧的互动体验的人都知道,数字助理无法同人类媲美。而它们需要的是被心理学家称为“心智理论”的东西—— 一种意识到其他人的信念和...

795
来自专栏罗超频道

【深度】自然语言处理成为未来差什么

说起实现各种各样的智能系统,大家都认为“善解人意”应该是一个最起码的条件,一个绕不过去的条件。实现它的一个重要的桥梁就是语言。 拿语言说事,这个我们见得很多了。...

4357
来自专栏华章科技

如何真正学好数据科学?

作为一个全新的领域,数据科学的飞速发展让人激动。数据科学在带来巨大经济效益的同时,人们在数据科学技术方面的知识沟也逐渐出现,这意味着更多的人需要试图了解和学习数...

632
来自专栏Python数据科学

“半路出家”的Kaggle大师:如何正确打开数据科学竞赛?

凭借这一成绩,Vladimir也荣获了Kaggle的最高荣誉——竞赛超级大师(Competitions Grandmaster)。Kaggle至今已成立8年,注...

1121
来自专栏PPV课数据科学社区

数据到底如何搞定电影票房预测?

怎样利用微博数据从股市中掘金?气象台怎样预报天气并发布预警?Google如何通过搜索行为预报流感爆发?这些有趣的问题背后,其实都隐藏着大数据的影子。基于对搜索...

2633
来自专栏镁客网

人脸识别VS虹膜识别,智能机器人识人技能大比拼!

2174
来自专栏新智元

福布斯:10项最火的人工智能技术应用

【新智元导读】 人工智能非常热,市场潜力被众多行家看好。但是,你能列出最热的技术是有哪些吗?福布斯的Gil Press带来了他基于Forrester 人工智能人...

37711
来自专栏AI科技大本营的专栏

想去Google Brain实习吗?如何申请?Jeff Dean等牛人很认真地回答了这些问题

编译 | AI科技大本营(rgznai100) 参与 | 鸽子、Shawn 导语:昨晚谷歌大脑(Google Brain)在Reddit上举办了一年一度的在线...

4035
来自专栏大数据文摘

“半路出家”的Kaggle Grandmaster:如何正确打开数据科学竞赛?

凭借这一成绩,Vladimir也荣获了Kaggle的最高荣誉——竞赛超级大师(Competitions Grandmaster)。Kaggle至今已成立8年,注...

1487

扫码关注云+社区

领取腾讯云代金券