KK唱反调!全网刷屏的霍金人类终结论,竟是逻辑不通的伪科学?

今天的演讲,霍金说人脑和计算机在智能上并无差别,他说,人类可能终将被这样的智能所终结。 昨天,KK 却提前跳出来说,霍金的逻辑从根本上就错了。今日同台竟演的李开复,对于霍金的观点,也并不苟同。 在这场争论战中,到底谁说的更有道理呢?

霍金又来谈人工智能了。

他还是担心人类文明会被人工智能所终结,毕竟,那是一个足以等同或超越人类的新事物。

因为强人工智能的崛起,要么是人类历史上最好的事情,要么就是最糟的事情。

而眼下是好是坏,霍金坦言他也不能确定。但潮水的方向无法改变,他从头到尾都在呼吁:

我们的人工智能系统,必须要按照我们的意愿来工作。

AI 论战升级

通篇内容看下来,霍金演讲的论点大体如下:

人工智能正在加速发展; 人工智能本质上就是模仿并超越人类; 计算机智能与生物智能没有本质的区别; 人工智能做决策、计划与推论的能力,适用于各种细分领域; 人工智能一旦脱离束缚,就将彻底取代人类。

这跟他们在2015年公开信中的说法基本一致。当时,就连盖茨、马斯克等人也公开署名支持他的主张,唱反调的人很少。

然而就在昨天,《失控》作者凯文·凯利正式站在了这群人的对立面,发长文逐一批驳霍金他们的论点:

智能不是单一的维度,所以“比人类更聪明”毫无意义; 人类自己都没有通用型的思维,更别说人工智能了; 在其他媒介上模拟人类思维会受制于成本; 智能的维度不是无限的; 智能只是影响科技进步的一项因素。

KK 认为,相比于霍金他们的观点,支持他的科学证据更多一些;说得不客气一点,霍金他们对超级智能的理解,简直就是迷信。

KK 的主要依据,是人们对生物智能的普遍误读。

正确解读智能的概念

在《超级智能》一书中,Nick Bostrom 用幅度逐个增加的单维线性分贝图来描述智能:

如上图所示,低级智能的一端,比如某种恐龙,高度相对较低;高级智能的一端,比如人类,高度则涨满图表。

该图表的拓扑结构,其实相当于阶梯,智能的梯级一层层递增。低级动物位于下层,高级动物处于上层。

根据传统理解,霍金所说的超级智能,将在很短的时间内出现在一个远超人类的阶梯上。

正如蚂蚁无法理解摩天大楼能被造出来一样,人类也将完全无法理解超级人工智能所能做到的事情。

这里的图表是能说明一些问题,但 Nick Bostrom 用得并不科学。在达尔文之前,人们早已假定,自然世界存在有某种生物阶梯,人类自处于低级动物之上。

达尔文之后的进化阶梯,也是类似的概念。而更精确的图标,则是 David Hillis 基于 DNA 设计出来的这张辐射形圆盘:

它所强调的一个进化上基本事实,是现存的每一个物种的进化程度都是相等的。人类与蟑螂、蛤、蕨类、狐狸和细菌共存于它的外环上。

圆盘中的每一个物种都完成了历时30亿年的基因延续链条,这就意味着细菌、蟑螂与人类的进化程度是同等的,不存在阶梯。

同理,也不存在智能阶梯。

动物的思考方式差异显著。针对不同的认知类型,我们有着许多不同的指标,智能不是单一维度的。

更准确的智能模型,是绘制出它的可能性空间,如 Richard Dawkins 所做的可能性空间渲染图:

图中的智能是某种组合的连续体:有的智能很复杂,有着许多思维上的子节点;有的智能可能很简单,但也更加极端,处于空间的某个偏远角落……思维的不同节点是相互依存且相互触发的。

各物种及个体之间的认知体系各不相同。松鼠有能力记住它几年前存放的几千粒橡子的确切位置,这是人类难以做到的。在这方面的认知能力上,松鼠是超过人类的,尽管它在其他能力上可能不比人类。

人工智能领域同样如此。人造思维在很多维度上已经超越了人类,计算器算数比你快,搜索引擎记住的文字比你多……相比于人类,人工智能自有其固有的优势。

未来,我们完全有可能为机器构建出它独有的认知体系,用以解决人类智能所无法解决的问题。由于这里的人工智能能做到我们所做不到的事情,我们难免下意识地认为机器将超越我们。

事实却是,它只是跟我们不一样罢了,这与生物界的情形一致。即便是将来,等人工智能做出来的事情越来越多,我们跟它还是不一样。

智能不是单一的维度,我们不仅仅是用大脑的神经网络进行思考;我们全身的神经网络都在全速运转着。

用能力空间来解释智能的概念后,很多观点确实要做出适当的调整。

通用人工智能

把智能视为可能性空间,它的通用目的就不存在了。相比之下,人类智能也不过是数百万年所演化出来的特定智能,依旧能被毒蛇猛兽依吃掉。

从工程上讲,你可以做出通用的多元智能去做每一件事,但专注于特定目的的智能,处理对应的事情显然更具优势。权衡取舍之下,你必定要去优化特定的智能维度。

我们只是以为,人类智能的目的是通用的,但模拟人类智能并不解决所有的问题,正如接下来的解释。

模拟人类智能

霍金提到了人工智能所遵循的原则:“计算机在理论上可以模仿人类智能,然后超越。”该理论的出发点是,给定无限的内存空间和运算时间,所有计算都是等价的。

是的,如果你忽略时间,所有的思维都将是等价的;是的,你可以在任何你想要的矩阵中模拟人类类型的思维,只要你忽略时间或现实中的存储与内存约束。

可事实却在于,计算机从来都没有无限的内存或时间。因而,在差距很大的平台上运行的两个计算系统是不会实时等值的。

这就意味着,运行在芯片之上的复杂人工智能,只会生成旁大而复杂的非人类思维。

考虑到大脑运转的能耗与费用因素,模拟人类思维的最佳硬件还是人类自己的大脑。大量的证据显示,我们内脏的神经系统也在指导我们的理性决策过程,同时还能预测和学习。

越是完整地模拟整个人体系统,我们就越能够完整地重制出它。而完整孕育出一个人类个体,所花的时间也不过九个多月。

智能的限度

超级智能的核心,特别是人工智能可自主改进这一点,是在于智能在发展上不存在限度。

但就目前所知,宇宙中的物理尺度、温度、时间、速度都是有限度的。如果智能可以无限发展下去,如果超越人类的智能得以存在,费米的问题就又能问出来了:

那么,它们在哪呢?

另外,库兹韦尔解释,人工智能不以指数式增长,只是其发展水平却是以指数增长的。

他的意思是说,尽管制造人工智能的努力是以指数增长的,但其成果在一定时间内仅会上升一个层级,致使人工智能的力量无法以指数增长。

对于智能爆炸的理解,KK 所用的场景是寒武纪生命大爆发,而非核爆炸式的链式反应。他认为技术加速发展的结果不太可能是超级智能,而是某种可以跟我们共生的外在智能。

智能与科技进步

超级智能的一个显著特征,是能以无穷的力量来快速解决我们所有的问题,如同万能的神一般。

这就是说,仅靠阅读现已有的文献或数据,超级智能就可以解决癌症或死亡问题,或是调和相对论与量子力学的冲突。

但未知层面与已知层面之间,还需要很多思考之外的东西。在真实世界中存在着无数的实验,其中的每一个都会生成更多的矛盾或数据。

这些数据需要进一步的实验研究,才能形成正确的假说,仅针对潜在数据进行思考无法将造就正确的科学。

当然,通过计算机模拟,超级智能可以加速科学的进程。但科学模型终非真实的世界,它总会遗漏一些因素,科学实验正是此处的补充。

无论思考了多少东西,你都需要做实验进一步验证。超级智能不会立刻带来进步,解决现实问题所需要的远不止智能。

最后,KK 承认,他这些观点也有可能出错。创造出无限能力的人工通用智能的可能并未完全排除,因为我们对智能的了解是如此之少。

而相比于超级智能毁灭人类,小行星毁灭地球的可能性一点都不低,但我们从不会拿“行星防御”来说事,并为此投入大量的人力、物力。这样说来,KK 的说法倒也很有理由。

版权申明:该文章版权归AI100所有,如需转载、摘编、复制等,请后台留言征得同意。若有直接抄袭,AI100将追究其责任。

原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2017-04-27

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MixLab科技+设计实验室

人机协作、知化、跨领域的思维方式

周末在讲课的时候,临时给学生讲解了一些技术前沿的思维方式,从“人机协作”---“文本挖掘”---“正态分布”---“考试成绩”---“反欺诈”---“机器学习预...

16130
来自专栏AI研习社

微软黄学东:微软在很多AI领域领先Google | AI NEXT

AI 研习社按:本月 18 日,由美中技术与创新协会(Association of Technology and Innovation,ATI)主办的第一届“A...

29660
来自专栏企鹅号快讯

人机结合技术取得进展,人工智能将跨越式发展!

文/三易 近些年来,人工智能的发展速度大大超出了人类的预期,甚至连霍金都警告,人工智能留给我们的时间不多了。但实际上,人工智能的发展还存在着一个非常难以逾越的瓶...

26950
来自专栏AI科技大本营的专栏

Google Brain团队最新视频介绍

刚刚,Google Brain团队发布了一个全新的介绍视频"Meet a few of our machine learning makers",Jeff De...

42760
来自专栏AI科技评论

对大脑的逆向工程是不是走向强AI的唯一出路?

GAIR 今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,谷歌,DeepMind,Uber,微软等巨头的人...

319100
来自专栏java达人

人工智能全局概览:通用智能的当前困境和未来可能

来源:机器之心 作者:Mike Loukides、Ben Lorica 链接:http://www.jiqizhixin.com/article/1336(点...

19770
来自专栏大数据文摘

我们问了Yann LeCun等16个顶级数据科学家,这是他们给数据新人的建议

9120
来自专栏AI科技评论

盘点丨2016 这一年,深度学习开始主宰互联网

AI 科技评论按:2016 即将画上句号,当我们回顾这一年的科技进展时,很难不联想到一个词——深度学习。当它从研究室中脱胎而出,并成为今年的当红热词,实际上我们...

35360
来自专栏PPV课数据科学社区

【学习】如何成长为顶级数据分析师和数据挖掘师?

#玩转大数据#12点的钟声敲响后,意味着已经跨过2015,进入2016了。新的一年应该拥有新的开端以及新的计划目标,也标志着新的希望。一个数据科学家在年尾做了一...

39540
来自专栏CDA数据分析师

六分钟动画揭开 AI 的神秘面纱(附视频中字)

? CDA字幕组 编译整理 本文为 CDA 数据分析师原创作品,转载需授权 美国数字营销公司HubSpot以六分钟动画的趣谈AI。当中揭示了AI的实质,以及A...

24870

扫码关注云+社区

领取腾讯云代金券