人工智能，能婴儿乎？

能不能让人工智能，模仿小孩的学习方式

贝叶斯方法

观点要随着事实发生改变

婴儿大脑的可塑性更强

在实践中学习新技能，“在战争中学习战争”

共计2882字|建议阅读时间6分钟

编者按

万维刚老师在其专栏里介绍一篇关于人工智能和婴儿的文章，非常有启发性，今天跟大家分享一下。

这几天的一个新闻是Google的人工智能实验室DeepMind，在用AlphaGo打败李世石之后，又研发了一个人工智能系统，其在阅读唇语方面的水平超过了人类专家。它的做法就是用5000个小时的BBC电视节目作素材，对演员说话时候的唇形变动进行数据分析，模式识别，反复训练，看着看着就会了。

这种模式的人工智能，我们现在已经很熟悉了。机器翻译也好，疾病诊断也好，基本都是这个思路。表面上看很厉害其实背后并没有多少真正的“智能”，都是大数据训练的结果——就好一个棋手之所以下棋厉害，都是因为他背的棋谱多......非常，非常多。

可是如果没有么多素材可以供你训练，你怎么办呢?从这个角度讲,一个4岁的人类小孩的智力就能匹敌于现在任何一个人工智能。

所以很多科学家关注的问题是，能不能让人工智能，模仿小孩的学习方式。

这就引出了万维刚老师要介绍的本周International Business Times(《国际财经时报》)上的一篇文章，Artificial Intelligence Has a Lot to Learn From Babies （入工智能可以从婴儿身上学到很多)，作者是 Samantha Olson. 这篇文章综述了一些人工智能在模仿人类学习模式方面的进展，以及加州大学伯克利分校的发展心理学家Alison Gopnik(艾莉森.高普尼克) 对于幼儿学习模式的一个解释。

如果你仔细观察过，小孩学习新东西的这个能力，实在是令人震惊。他们根本不需要什么大数据，什么多少个小时的训练，很多东西根本就是看一遍就会。你今天跟他说个新词，明天他就能用上还用得挺好。

高普尼克说，孩子的学习模式不是靠数据积累，而是靠对周围人和环境的探索和测试。换句话说，这叫“贝叶斯方法”（我们大学里学过概率学的同学应该不陌生，如果忘了或者没接触过，就度娘一下吧。推荐大家有时间好好的学习一下这个方法，实际上以它的外延来看，已经不能仅仅说只是方法论，更是一种世界观）。

今天我们没必要关心数学细节——小孩哪知道什么定理，但是他们天生会用这个定理!用一句话总结，贝叶斯定理的精神就是——观点要随着事实发生改变。

你先根据已经掌握的少量信息，推测出一个假设。等新的信息来了你就用新的信息验证这个假设。如果新信息符合这个假设，你就提高假设的可信度，如果不符合，你就降低假设的可信度。

比如你告诉小孩一个新单词，他一开始并不知道这个词的精确含义和用法，但他可以根据当时情境，先来个猜测。一有机会，他就会在不同的场合说出这个词，并且观察你的反应。如果你表示他用对了，他就会进一步确定这个词的含义，如果你告诉他用错了，他就会进行相应调整。这样不断地猜测、试探、调整猜测，就是贝叶斯方法。

高普尼克甚至说，一个15个月大的婴儿学习事物因果关系的速度，会比年龄比她大的孩子更快——这是因为婴儿大脑的可塑性更强!之前掌握的信息越弱，你改变自己看法的可能性就越大。这就是为什么小孩学东西比大人快。

这篇文章提到，现在已经有不少科学家开始模拟婴儿的学习方法，去建立新的机器学习算法。比如最近《科学》杂志上有篇论文， 就是用这个方法识别不同语言的手写文字。只要给这个新系统一两个例子它就能对文字做出大致的判断，基至能拆解笔画重新组合，效果很不错。简直有点像最近一个新的科幻电影《降临》(Arrival)里面，人类语言学家在学习外星人文字的时候使用的方法。

目前世界上有好几个机构在研究让人工智能直接模仿人脑。麻省理工学院的一个实验室拿到了5年2500万美元的经费，一边研究人脑，一边研究人工智能。新西兰一个团队的项目负责人干脆就以自己女儿的大脑为样本搞了个虚拟婴儿!

但是人工智能仍然远远比不上一个婴儿。这篇文章也介绍了当前人工智能的几个重要短板。

首先，前面说的贝叶斯方法中，婴儿要做的第一步就是先提出一个猜测，可是目前没有一个人工智能程序可以做到主动猜测，都需要让人来做“猜测”这个动作。是在人已经列出了所有可能性的情况下，人工智能根据下一次的学习，来调整各种可能性的概率大小。

第二，孩子是有目标的主动学习而人工智能完全是被动的。小孩想知道一个单词的含义，一定是发自内心地想要去了解，并且他知道学习到了什么程度就可以中止。而人工智能既不知道要学什么也不知道该学多长时间——全靠人类训导。

第三，还没有任何证据表明计算机模拟的人脑可以具备“意识”或者形成高级认知。

谁要是能在这三个方向上取得突破，绝对是大新闻......但是目前来说一点迹象都没有。

由此我们可能得到两点认识:

• 我们了解了目前人工智能研究的新思路，以及人工智能在模仿人脑方画所能够达到的高度。  
• 更重要的是，通过对计算机和人脑的对比，我们也对人脑到底是如何工作的有了进一步的认识，尤其是孩子大脑的工作方式。  

万维刚老师由此评论到:

我真是非常期待人工智能在模拟人脑方面的进展，将来计算机到底能不能有自发的假设和自发的学习目标?我猜，很可能在长时间内都不会有什么突破。也许专家们低估了这些功能的难度。  

再者，我们成年人也可以从婴儿身上学到很多东西。孩子学习用的贝叶斯方法，不就是我们常说的“实践出真知”吗?这不就是胡适说的“大胆假设，小心求证”吗?这不就是“刻意练习”中的“即时反馈”吗?

人工智能在向人类学习，但我们人类可不能向人工智能学习——你没有办法用六周的时间看5000个小时的电视节目!人得发挥人类所长，还不如向婴儿学习。  

在实践中学习新技能，数据有限先上手再说，“在战争中学习战争”，这个做法比较适合人类。  

比如你要写小说。你不要等到读完500本小说、熟悉各种风格、学了一大堆小说理论再动手——那是人工智能写小说的方法。你应该看过一两本小说，知道小说是怎么回事儿了马上就动笔开始写。别人反馈不好，你就慢慢改进，但是永远都大胆尝试新写法！

邱翔嘚吧嘚：

我记得著名战略顾问刘润老师曾经讲过一个故事。一次聚会，他微软的老同事故作神秘的对刘润说，他正在创业，正在憋一个大招，做一个非常好的产品，一年之后正式推出时，大家一定会惊叹的。刘润听到这里，心里一凉，隐隐就开始担心他的这位朋友了。互联网时代，信息越来越对称，越来越少有东西是你知道别人不知道，就算有，一年之后也没有了。要不然就是客户的需求早变了，要不然就是你知道的秘密已经路人皆知了。

做技术的，都有种想要“憋大招”的情结，要不就是想准备好了再上，要不就想做完美了再出，殊不知结果可能事与愿违。这个世界上实际不存在准备好了再做的事情，因为你永远都会觉得没有准备好。这个世界也不存在完美的产品，因为你眼中的完美可能对客户来说毫无意义。

我的一位领导说的那样一句话，如果我们要失败的话，我们也要“fail fast”。以我的粗浅理解，这里蕴含着两层意思:

1）在有限的资源的情况下（时间，人员等等），我们要快速的开展工作，迅速的突破。

2）要快速的出原型，以使我们的潜在用户能够快速试用，如果发现无法满足客户的需求（或者客户的需求变了），或快速的放弃，把资源转到更有潜力的工作上；或快速改进，迅速的调整以符合客户的需要。

在这个技术飞速发展的时代，让我们像婴儿一样，探索，实践，试错，调整，不断尝试和学习......

原文发表时间：2016-11-28