人工智能的革命:通向超级智能之路(下)

我们现在的位置——狭隘型AI随地可见的世界

狭隘型AI是一种在某一特定领域,和人类智力相当或胜出人类智力的智能机器。很很多这样的例子:

  • 充满ANI系统的汽车,包括何时启动防锁死制动系统到调节燃油喷射系统参数。目前正在测试中的谷歌无人驾驶技术,将会包含增强的ANI系统,能够感知周边并做出反应。
  • 你的手机就是一个小型ANI车间,当你使用地图导航,从Pandora中获取每日推荐的歌曲,检查明天的天气,和Siri谈话,或者一堆每日活动提醒,你都在使用ANI。
  • 你的邮件过滤器也是一个典型的ANI——它会智能的筛选什么是垃圾邮寄,什么不是,并能不断的根据你特别的喜好学习和优化。智能温度调节装置也是如此,根据你一贯的作息和行为智能的调节。
  • 接下来的事情让你有点惊愕,当你在亚马逊上查找一件商品,你会在不同的页面看到“为你推荐“,在Facebook会知道何时会有好友推荐。他们是怎么知道的?这其实是一个网络ANI系统,组合在一起就能够通知每个人你是谁,你喜欢什么,并利用这些信息来决定给你的推荐是什么。亚马逊上的”购买此商品的人通常也会购买……“也是同样的道理——一个ANI系统,用来收集并统计手机上百万客户的行为习惯,实现智能化的推销。
  • 谷歌翻译则是另一个经典的ANI系统——在翻译这一领域,谷歌翻译做的出奇的优秀。此外还有语音识别,有很多APP会把两者结合在一起,允许你用一种语言说话,手机则会用另一门语言同声翻译。
  • 世界上最好的西洋棋,国际象棋,拼字游戏,西洋双陆棋选手现在都是ANI系统。
  • 谷歌的搜索引擎则是一个巨大的ANI大脑,具备难以置信的,熟练的方法来处理网页分级,并为你挑选出呈现的内容。Facebook的新闻摘要也是如此。
  • 这些都还是消费级别。在军事,制造业和金融行业,成熟的ANI系统也都广泛使用,美国有一半以上的股票交易都由算法设计的高效AI交易员完成,而在一些专业系统,比如帮助医生诊断方面,著名的IBM的Watson,拥有大量的内容并充分的理解,看上去一定能打败最强的提问节目冠军。

ANI系统现在并不格外让人担忧,一个小故障或错误编写的ANI能导致一个孤立的灾难,比如电力网损坏,引起核电站故障,引发金融市场的灾难(比如2010年的Flash Crash事件,一个ANI程序以错误的方式来应对一次异常情况,导致大盘狂泻,造成了一万亿美元损失,最后当错误修复,只挽回了一部分损失)。

但ANI系统还没有能力威胁到生存层面,我们应当把这个不断增大的,复杂的,并且相对无害的ANI系统当作未来改变世界的飓风前兆,而飓风现在已经上路了。每一次ANI无声无息的创新,都在为通往通用型AI和超级AI的圣殿上更上一层。Aaron Saenz意识到,当前在我们身边的ANI系统就像早期地球混沌状态下的氨基酸,这些原本无生命的材料,突然某一天就苏醒了。

从ANI通往AGI之路

为什么就这么难

当你真的试图创造一台和人类一样聪明的电脑,你就会深刻意识到这有多难,也会更加钦佩人类的智慧和学习能力。相比能够清楚的了解并复制大脑而言,摩天大楼,人类送到太空,研究清楚宇宙大爆炸的细节,这些简直小菜一碟。迄今为止,在我们已知的这个宇宙,人类的大脑最为复杂。

最困难的部分往往也是最有趣的地方,试图研制AGI(不只是在某一特定领域,而是在广义上和人类一样聪明)的方式和我们直观的想法并不一样。研制一台能够霎那间完成整数乘法的电脑非常的简单。研制一台能够看到并识别出这是一只狗还是猫的机器则异常的困难。让AI成为象棋高手,打败所有人类?这已经是事实了。给AI一本六岁儿童的读物,读一小段,识别里面的单词并理解其含义。为了达到这个成就,谷歌目前花费了上亿美元。复杂的事情,比如计算,金融市场策略和语言翻译,对电脑而言反而简单,不假思索就可以得到结果;但那些简单的事情,比如视觉,概念,运动和感知,它们却懵然不知。计算机科学家Donald Knuth说:“目前,AI在那些需要思考的领域已经很出色的证明了自己,相反,在一些人类和动物看起来很简单,不需要思考的领域却失败了。”

让我们仔细回味一下这句话,你会发现什么。我们觉得轻松平常的事情,实际上异常的复杂,之所以我们觉得简单,是因为在上百万年来的物种进化中,我们和多数动物不断的优化这些技能,所以才会如此。当你伸手去够一个物体,你肩膀,肘子和手腕间的肌肉,肌腱和骨骼立马完成了一系列的物理操作,这还要结合你的眼睛,保证在三维空间中你的手沿直线运行。对你来说这都不是事,因为你的大脑可以很完美的完成。同样,因为你的大脑已经对文字的认知极为熟悉,你可以很好的识别出不规范的验证码,而恶性软件对此却无能为力。

另一方面,对于大数运算或下棋这种新运动,生物体还没有足够的时间去进化,精通这些新技能。所以,一台电脑不需要费太多功夫就可以打败人类。设想一下,让你实现下面两个程序,你更愿意选择哪一个?一个是可以完成大数之间的乘法,另一个程序要求在随机环境下,从上千个手写的,奇形怪状的字体中理解字母B的本质,并能够立刻识别出来。你更愿意做哪一个。

下面是一个有趣的例子。当你看到这张图片,你和电脑都可以认出这是一个矩形,矩形边是两个不同的灰色交替组成:

大家看到的都差不多,但是如果你把黑色的背景去掉,显示出整个图像呢:

你可以很轻松的识别出这些不透明的,或半透明的圆柱,条状和三维拐角,但计算机就不行了。它看到的还是一个个不同灰度组成的二维形状,这就是问题的本质。你的大脑有无数奇特的能力,可以很好的解读隐含的深度,混合的阴影,并且对图片的高亮处进行特殊解读。看看下面的图片,电脑看到的是一个由黑白灰组成的二维图片,而你可以很轻松的辨别出它是一块全黑的,局部发亮的,三维效果的岩石:

而且,到目前为止我们提到的和处理的都还只是一些静态的信息。为了达到人类级别的智能,电脑还需要了解更多信息,比如面部表情的细微不同,欣慰,放松,满意,满足和高兴之间的区别,为什么《勇敢的心》很好看,而《爱国者》就有些血腥。

举步维艰,如何是好?

要点1:增加计算能力

如果AGI成为可能,一个必要条件就是增强硬件能力。如果一个智能系统能达到和人脑一个水平,它首先需要达到和人脑一样的原生计算能力。

一种表达该能力的方式就是人脑的每秒计算量(CPS),通过获取人脑在每种结构下达到的最大CPS数,然后计算总和,可以得到人脑的CPS总值。

Ray Kurzweil简化了这个算法,通过专业的方式估算人脑在一个结构下的CPS值,以及该结构在整个人脑中的权重,根据比例获得整个人脑的CPS值。这个算法听起来有一点不可靠,但他对不同的区域多次使用了这种估算方式,发现最终的总和基本相当——大约10^16,也就是10千万亿次。

当前,世界上最快的超级计算机,中国的天河2号,已经达到了这个数值,每时钟下是34千万亿次。但天河2号也是一个鸡肋,占了720平方米的空间,使用两千四百万瓦特(人脑只用20瓦特),斥资三亿九千万构建。所以没有什么特别广泛的应用领域,甚至在商业和工业领域也无法落地。

Kurzweil认为,从可行性来看,我们可以用1000美元能购买的计算力作为衡量电脑状态的标准,当这个指数达到人脑的级别,也就是CPS为10千万亿次,这意味着AGI会变得接近于一个真实生命。

摩尔定律是一个经过时间检验的法则,它指出,每过两年,世界上最大的计算能力大约会翻番,这说明从长远看,计算机硬件的提升,和人类在历史上的发展一样,都是指数级的增长。看一下在这种增长方式下,计算机CPS值和Kurzweil提到的一千美元的计算力之间的关系,当前,一千美元可以购买大约10万亿的计算力,和下图预测的轨迹吻合:

目前,世界上一千美元的电脑已经打败了老鼠,大约是人类的千分之一。如果你还记得,1985年是人脑的万亿份之一,1995年是人脑的十亿分之一,2005年是人脑的百万分之一,这个差距已经非常小了。按照这个增长率,到2025年,我们就能够创造出一台具备人脑能力,成本也可以接受的电脑。

所以在硬件层面,在中国,AGI所需要的计算能力在技术上已经满足要求了,而十年以后则会在全球普及。但仅仅是原始的计算能力并不足以实现通用性AI——下一个问题就是如何借助这种能力实现人类级别的智能?

要点二:让它变得聪明

这是一个艰难的部分,我们还在争论之中。事实是没有人真的知道如何让它变聪明——如何让电脑达到和人类一样的智能,能够辨别什么是狗,认出一个潦草的字母B,看懂一部普通的电影。但还是有一些比较牵强的策略,而且在某些情况下,或许会有价值。下面是我遇到的一些最常见的策略:

  • 抄袭大脑 这就像是科学家绞尽脑汁的研究隔壁班级的小孩为什么这么聪明,为什么每次考试都这么优异,但这些科学家无论怎么研究,他们还是造不出来和这个小孩一样的机器,还是考不过这个小孩,后来科学家自暴自弃,干脆直接抄袭这个孩子的答案。这个故事是有意义的——我们像无头苍蝇一样想要造出一台超级复杂的计算机,恰好有一个人的想法真的可以做到。 科学界正在反编译大脑,希望能找到在演化过程下,是如何创造出这样一个神奇的器官——乐观估计到2030年就可以做到这一点。一旦我们知道了这个过程,我们就能知道关于大脑高效运作的所有秘密,我们可以从中获取灵感并直接借用它的创新点。计算机神经网络就是计算机架构模拟大脑的一个例子。一开始它就像一个神经元形成的网络,连接每一个输入输出接口,但它一无所知——就像婴儿的大脑。它在实际任务中得到学习,比如对手写字体的识别,开始它的神经元放电和子列完全随机的猜测破译每一个字母,每当被告知猜对了,则会强化创建这条答案的传感器,反之则会弱化。经过多次的问询和反馈,这个神经网络自身就会形成一个灵活的神经回路,同时在任务中也得到优化。大脑的原理也是如此,以一个更复杂的方式下一点点的学习,借助神经回路的优势,我们发现了很多独创性的方法。 一个更极端的变态方法涉及到一个称为“完全大脑模拟”的策略,目标是把大脑切成极细的切片层,扫描每一层,用软件汇总,重构出一个准确的三维模型,然后把该模型应用在一个强大的计算机上。然后我们正式拥有了一个和这个大脑能力相当的电脑——这个方法只需要学习和收集信息。如果工程师做的足够好,一旦大脑的架构能够上传到一台计算机中,他们能够非常精准,完整的模拟一个真实的大脑,包括全部的个性品质,记忆。如果刚刚复制了Jim的大脑, Jim不幸死掉,电脑可以立马苏醒代替Jim。这台电脑就是一台强健的,人类级别的AGI,然后我们可以继续把Jim打造成一台难以想象的超级AI,Jim很可能对此兴奋不已。 我们距离完全大脑还有多远?目前,我们刚刚能够模拟一毫米长的绦虫的大脑,里面只有302个神经元。而人类的大脑中有一千亿个。如果你觉得这个项目没有前途,想象指数增长的力量——现在,我们已经攻克了一个小小的蠕虫的大脑,攻克蚂蚁指日可待,接着就是老鼠,突然,这个方案看上去就很可行了。
  • 试着走一遍我们的进化之路 如果我们觉得对聪明小孩的实验太难了,无法复制,我们可以试着模仿他的学习方法。 这是我们能知道的一些方面。构建一个和电脑一样强大的计算机是可行的——我们大脑自身的进化就是一个证据。如果大脑太复杂而无法模拟,我们可以模拟进化的过程。实际上,即使我们能够模拟大脑,这就像是复制鸟儿飞翔的动作,而造出来的是一架飞机——通常,机器是用一种全新的,面向机器的策略来达到最佳设计,而不是单纯的一味模仿生命体。 如何模拟进化的过程,来制作一台AGI呢?答案就是遗传算法,它是这样工作的:它会一次又一次的完成执行、评估的过程(就像生物体以生命做赌注来争取生存,而大自然则会对他们评估,优胜劣汰)。一组计算机会去执行任务,最成功的品种通过互相结合形成新的计算机。不太成功的则会被消除。经过多次迭代,自然选择下会创建越来越好的计算机。在这种方式下,挑战在于如何创建一个自动进化和繁殖的循环,实现进化过程的自主运行。 这种方式的缺点在于,就像人类进化花费了十几亿年一样,可能需要几十年的时间。 但我们可以对此做很多优化。首先,生物的进化并没有前瞻性而是随机的——相比有益的突变,它会产生更多无益的突变,但在AI中我们可以控制进化的方向,只会按照有益的方向变异和调整。其次,进化本身没有任何目标,比如以提高智力为目标——有时候,环境的选择可能是不利于智慧的,因为这意味着需要消耗更多能量。而我们可以指定人工智能进化的方向,以增加智力为目的。最后,为了增强智力,物种还需要对其他辅助器官优化,协调各个部位因为智力的提升所必要的改善——比如改善细胞产出能量的方式——但在人工智能中,我们可以抛弃这些额外负担,提供类似电能的方式来支撑。毫无疑问,AI的进化会比物种进化要快得多——但还是不能确定,这个策略是否足够的快,能够投入到实际应用中。
  • 让计算机自己解决问题,而不是我们来解决 当科学家开始绝望时,可以尝试编写程序来接管工作。而这可能也是最值得期待的一个办法。 想法是这样的,我们将会构造一台电脑,它的两大技能是AI研究和自身规范的改变——允许它不仅仅学习,还可以根据所学改变自己的架构。我们让电脑成为电脑中的科学家,这样他们可以自己引导自己的发展。而他们的主要工作就是让自己变得更聪明。一切的一切,未完待续。

所有的一切可能马上就会发生

硬件的快速提升和软件创新性实验都在同时发展,AGI可能也在快速发展,不经意就进入了我们的视线。之所以如此,主要有两大理由:

  • 指数的增长是很可怕的,看上去发展的速度慢的像蜗牛,但会变得越来越快,下面这个动画很好的说明了这个概念(一台电脑需要多久可以达到和人类一样的智力水准,假设密歇根湖的容量和我们大脑的计算量相当。每隔18个月,计算机的运算能力翻番。在这种速率下,你会看到很长一段时间,这种提升都没什么起色——突然有一天,计算机的运算能力就和我们一样了):
  • 对于软件,可能看上去进展缓慢,但迈过了这道坎可能就是翻天覆地的的变化。就像科学一样,一段时间,人们认为地球中心说,我们很难计算出宇宙运转的规律,后来我们发现了日心说,一切都变得简单明了。计算机改善自己也会有同样的情况,看上去我们和达到人类级别智能的计算机相隔十万八千里,但或者一个转弯就柳暗花明豁然开朗。

AGI通往ASI之路

在某个时刻,AI终会达到AGI的水平,电脑具有和人类一样的智慧。然后人们和电脑在一起平等的生活。

实际上,这个想法只是我们一厢情愿而已。

事实上,一个和人类同一级别,具有同等能力和计算能力的电脑还是有很多明显优势的,比如:

硬件方面:

  • 速度。大脑神经元最大能够达到200赫兹,而当今的微处理器(比AGI时代的CPU要慢得多)是2兆赫兹,比我们的大脑神经元要快千万倍。而且大脑内部的交流中,移动速度约120米每秒,而电脑能够以光速通信,这是人类难以企及的。
  • 体积和存储。大脑受限于我们头颅的体积不会更大了,而且120米每秒的内部交流速度也无法满足长距离的信息传输。计算机可以任意扩展它的物理体积,更多的硬件,更大的内存,更大的硬盘来参与工作,达到更大的能力和精度。
  • 可靠性和耐用性。不仅仅是内存能让电脑的精度更高。电脑的传感器也比人类的神经元更准确,而且更不容易遭到破坏(可修复和替换)。人类的大脑容易疲倦,但电脑永不停息,能够7*24小时高性能运转。

软件方面:

  • 可编辑,易升级以及更广泛的可能性。不同于人类大脑,计算机软件可以升级,修复,可以很随意的做实验。升级可以涵盖很多区域,而人脑在这方面很薄弱。人脑的想象力模块非常先进,但在复杂工程能力方面非常有限。电脑可以在想象力上匹配人类的同时,也能够在工程和其他领域优化。
  • 收集能力。在收集能力方面,人类碾压其他物种。从最早的语言发展和大规模,高密度的社区形成,进一步的出现了书籍和打印技术,如今借助网络这样的工具不断强化,收集能力也是我们能够如此领先其他物种的主要原因之一。而电脑在这方面比我们做的更好。一个世界范围的AI网络,在信息同步的支撑下,任意一台电脑学到的任何一件事情都可以和其他电脑分享。这个群组可以拥有一个共同目标,因为他们不会像我们人类一样存在不同的意见,动机和私心。

AI通过编程提升自己,很可能最终成为AGI,但AI自己并不认为这是一个重要的里程碑——仅仅是从人类的角度看,这确实是一个不同寻常的日子——但对AI而言,没有任何理由止步不前。很明显,借助超越平均人类智慧的优势,AGI瞬间就会超过最聪明的人类。

当这一切发生的时候,我们会很震惊,可能也会骂娘。因为从我们的角度来看,A)在不同物种的智力对比下,一个众所周知的特征就是人类的智慧明显高于其他物种,B)我们认为最聪明的人和最笨的人之间存在明显的差别,差距就像下图那样明显:

随着AI在智力上迅猛飞涨,逼近我们,我们很容易发现它变得越来越聪明,就像动物看待我们的感觉一样。当它达到最低人类智商时——Nick Bostrom采用了术语“智障”来描述它——或许我们会欣喜的说:“太酷了,它就像是一个笨小孩。”然而,我们所认为的从智障到爱因斯坦之间的天壤之别,其实只有很小的一段范围——所以,当AG刚刚达到智障水平并宣称自己进化为AGI,马上它就会超过爱因斯坦了,而我们还浑然不知:

后事如何?

智能大爆炸

我希望你能以平常心来欣赏下面的内容,因为下面的话题开始变得不寻常而且让人提心吊胆,这是分隔符。

首先打断一下,我要提醒各位,下面我所说的每一句话都是真的——来自最受尊重的思想家和科学家的严谨的科学观点和对未来的预测,,所以一定要切记。

不管怎样,上面我们提到的,目前大多数AI模型,都涉及到通过自我提高来达到AGI水平的能力。而且一旦达到AGI水平,那些先前没有自我提高功能的系统也会变得足够聪明,能够按照他们自己的想法自我提高。

这正是我们紧张的地方:不断的递归自我提高。它的工作就像这样:

在某个级别的AI系统——我们称为人类智障水平的——通过编码,该AI的目标就是提高自己的智能。一旦它做到了,它变得更聪明——或许此刻它是爱因斯坦的级别——所以它可以在爱因斯坦的级别下优化自己的智能,随意的一个时间点实现更大的跳跃。这让它比任何人类都更聪明,进而得到更大的跳跃。随着这些跳跃越加显著,提升也更加迅速,AGI在智能方向的发展呈现井喷式,很快就能达到超级AI的水平。这称为智能大爆炸,这也是加速回报率的终极案例。

关于AI多快能够达到人类水平的通用型AI还存在很多争论。关于这个问题,我们对上百位科学家进行了问卷调查,平均时间是2040年,当你意识到AI领域的很多思想家都认为从AGI到ASI的进程会很快,你就会发现距今只有25年差距不是很大。很可能就会发生下面的情况:

AI系统花费了数十年达到了最低水平的通用型智能,尽管差强人意但不管怎样还是做到了。一台电脑可以像四岁的小孩一样理解周边,不到一小时,这个系统就明白了物理学中的大一统理论,统一了广义相对论和量子力学,这是人类绝对没能力做到的。90分钟以后,这台AI成为了超级AI,比人类要聪明170000倍。

这种数量级的超级智能不是我们能够消化的,大黄蜂财团不能再控制经济了(个人理解:凯恩斯经济中的一个财团垄断经济现象)。在我们这个世界,聪明意味着IQ达到130,愚蠢意味着IQ只有85——我们对IQ达到12952还没有任何概念。

为什么人类能完全的主宰这个星球?这个事实揭示了一个清楚的准则:智慧就是力量。这意味着当我们创造了超级智能,它将是地球上有史以来最强大的物种,而且所有生命,包括人类,都要彻底的生存在在它的意念下——这在随后的几十年内就可能发生。

如果我们我们贫瘠的大脑能够发明出无线网络,那么比我们聪明成百上亿倍的AI可以在任何时间,轻松的,随心所欲的控制地球上每一个原子——我们所认为不可思议的,我们认为只有至高无上的上帝才拥有的力量,在ASI眼里,分分钟切换几条电路就能做到。破解人类衰老,治愈疾病甚至永生,重新编写气候来保护地球上未来的生命,这些技术突然就可行了。当然,这也可能是地球上所有生命的终点。我们一直很关心,如果一个ASI成为现实,这个世界真的有了一位无所不能的上帝——而对我们而言,最重要的问题就是:

它会是一个好的上帝吗?

原文发布于微信公众号 - LET(LET0-0)

原文发表时间:2016-05-21

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AI研习社

关于机器学习,你所知道的,可能都是错的

AI研习社按,虽然机器学习已经成为一个高频名词,但是对于大众而言,它依然是一个遥不可及乃至模糊不清的概念。为此,著名投资人 Benedict Evans 在自己...

872
来自专栏新智元

【新智元笔记】反伊莉莎效应,人工智能的新概念

【立委按】隆重推出立委版人工智能新概念【反伊莉莎效应】,以后如果进了AI历史,各位都是见证人,发明权属于立委。 我: 人工智能里面有一个著名的现象,叫伊莉莎效应...

2875
来自专栏AI研习社

6 次 Kaggle 计算机视觉类比赛赛后感

我从 2017 年年初开始接触 Kaggle。曾翻阅知乎上很多关于 Kaggle 的回答和文章,然而逐渐发现大部分文章中提到的经验和技巧是针对传统 machin...

1562
来自专栏机器学习算法与Python学习

清华大牛告诉你如何读博士......

当然了,还有别的一些考虑, 例如家人的看法、 现在找工作或工作的不如意等等,但总的来说,是离不开上面两点——当然,有的人只是因为其中某一点,有的人是两点交织在一...

1013
来自专栏悦思悦读

为什么别人一点就透,我却迟迟学不会?

天明同学是这门课的一位非常用功的学生。之前,他就自己的学习经历、心得和收获写了一篇《我是这样入门“机器学习”的》。

472
来自专栏专知

我们需要打造有意识的人工智能吗?

任何配备了统计公式的计算器都能进行信度估算,但目前还没有机器拥有人类这样的后设认知能力。

1215
来自专栏人工智能头条

机器学习挑天赋吗?为什么别人一点就透,为什么我就不行?

之前我们的特约作者李烨跟大家分享了《她在机器学习踩过的坑,现在告诉你怎么跳过去》。

885
来自专栏新智元

【深度学习看手相】台湾学生获奖 AI 项目是科学还是伪科学?

【新智元导读】 本周日带来一个有趣的研究——台湾的研究者使用深度学习用于看手相的项目。他们结合了看手相、深度学习和聊天机器人,以2000张人手照片作为基础数据,...

3408
来自专栏量子位

Goodfellow说,聊失败才不是在秀优越...

Ian Goodfellow是来自谷歌大脑的科学家。作为GAN的爸爸,他也是MIT科技评论选中的“35 under 35”中的一员。

671
来自专栏镁客网

科学家学习天竺葵特性,研制出用水分子来驱动的微型机器人 | 黑科技

1074

扫码关注云+社区