智慧存在简单的算法吗?

By Michael Nielsen / Jan 2016

关于计算机能力是否可能赶上人类智能已经有了很多争论。我并不打算涉及这个问题。尽管存在争议,我相信智能计算机是可能的 - 虽然它可能是非常复杂,并且可能远远超出当前的技术。相反,我在这里探讨的问题是,是否有一套简单的原则可以用来解释智能?更具体地说,是有一个简单的智能算法?

有一个真正简单的智能算法的想法非常大胆。这或许听起来太乐观了。许多人有一个强烈的直觉,智能具有相当难以想象的复杂性。他们对人类思想的惊人的多样性和灵活性印象深刻,于是他们得出结论,一个简单的智能算法是不可能的。尽管有这种直觉,我不认为急于判断是明智的。科学的历史充满了一种现象,即最初出现极其复杂的情况,但后来被一些简单但强大的想法所解释。

例如,天文学的早期。人类自古以来就知道,天空中有一些物体:太阳,月亮,行星,彗星和星星。这些对象的行为方式非常不同 - 恒星以恒定的,规则的方式在天空中移动,彗星看起来像是无处不在,横跨天空,然后消失。在16世纪,只有愚蠢的乐观主义者可以想象,所有这些对象的运动都可以通过一套简单的原则来解释。但是在17世纪,牛顿制定了他的万有引力理论,这不仅解释了所有这些运动,而且解释了地球现象,例如地球碰撞的粒子的潮汐和行为。

当然,科学包含更多这样的例子。考虑构成我们的世界的无数的化学物质,由门德列夫周期表(Mendeleev's periodic table)漂亮地解释了,这又通过可以从量子力学获得的一些简单规则来解释。或者是生物世界如此复杂和多样化的谜团,它的起源在于通过自然选择进化的原则。这些和许多其他例子表明,排除对智力的简单解释不是明智的,如果这仅仅基于我们的大脑的话,似乎是非常复杂的。通过本文,我假设对于被认为是智能的计算机,其能力必须赶上或超过人类思维能力。所以我会考虑的问题是“有一个简单的智能算法?”也就是等同于“是否有一个简单的算法,可以沿着与人类大脑基本相同的方式”思考?然而,值得注意的是,可能有许多形式的智能不包含人类思想,但仍然以有趣的方式超越它。

相反,尽管有这些乐观的例子,但在逻辑上可能的是,智能只能通过大量的根本与众不同的机制来解释。在我们的大脑的情况下,许多机制可能已经演变,以适应在我们物种的进化历史中的许多不同选择的压力。如果这个观点是正确的,那么智能涉及相当大的不可约复杂性,并且没有关于智能的简单算法是有可能的。这两个观点中哪一个是正确的?

要深入了解这个问题,让我们问一个密切相关的问题,是否有一个简单的解释去诠释人类的大脑如何工作。特别是,一些量化大脑复杂性的方法。我们的第一种方法是从连通的角度去大脑。这是有关于原始接线(wiring):脑中有多少神经元,有多少神经胶质细胞,以及神经元之间有多少连接。你可能已经听说过这些数字 - 大脑包含1000亿个神经元,1000亿个神经胶质细胞和100万亿神经元之间的连接。这些数字是惊人的。如果我们需要了解所有这些连接的细节(更不用说神经元和神经胶质细胞),以了解大脑是如何工作的,那么我们肯定不会得到一个简单的智能算法。

第二个更乐观的观点是有关分子生物学的大脑的看法。这个想法是要考虑有多少遗传信息可以描述大脑的建筑。要处理这个问题,我们将从考虑人类和黑猩猩之间的遗传差异开始。你可能听说过“人类是98%的黑猩猩”的声音。这种说法有时是多种多样的 - 流行使得数字变为95或99%。发生变化是因为最初通过比较人和黑猩猩基因组的样品而不是整个基因组来估计数字。然而,在2007年,整个黑猩猩基因组被测序,我们现在知道人类和黑猩猩DNA差异在大约1.25亿DNA碱基对。这是在每个基因组中总共约30亿个DNA碱基对。所以说人类是98%的黑猩猩是不对的 - 我们更喜欢96%的黑猩猩。

这个1.25亿个碱基对有多少信息?每个碱基对可以用四种可能性之一标记 - 遗传密码的“字母”,碱基腺嘌呤,胞嘧啶,鸟嘌呤和胸腺嘧啶。因此,每个碱基对可以使用两个比特的信息描述 - 刚好足够的信息来指定四个标记之一。因此1.25亿个碱基对相当于2.5亿比特的信息。这就是人类和黑猩猩之间的遗传差异!当然,这2.5亿比特就是人类和黑猩猩之间的所有遗传差异。我们只对与大脑有关的差异感兴趣。不幸的是,没有人知道需要总遗传差异的多少部分来解释大脑之间的差异。但是让我们假设为了争论,大约一半的2.5亿位占大脑的差异。总共有1.25亿比特。

1.25亿是一个令人印象深刻的大数字。让我们通过将它转化为更多的人类术语来了解它有多大。特别是,等量的英语文本是多少?事实证明,英文文本的信息内容大约是每个字母1比特。这听起来很低 - 毕竟,字母有26个字母 - 但英语文本中有大量的冗余。当然,你可能会认为我们的基因组也是多余的,所以每个碱基对两个比特是高估的。但我们会忽略这一点,因为在最坏的情况下,这意味着我们高估了我们的大脑的遗传复杂性。有了这些假设,我们看到我们的大脑和黑猩猩大脑之间的遗传差异相当于约1.25亿字母,或约2500万英语单词。这是the King James Bible的约30倍。

这是很多信息。但它不是不可思议的大。这是一个人的尺度。也许没有一个人能够理解代码中写的所有内容,但是一群人可能通过适当的专业化来集体地理解它。虽然它的信息很多,但是与描述1000亿神经元,1000亿神经胶质细胞和我们大脑中100万亿连接所需的信息相比,依然是微不足道的。即使我们使用一个简单的粗略描述 - 例如,1用0个浮点数来表征每个连接 - 这将需要大约70万亿比特。这意味着遗传描述是比人类大脑的完整连接组复杂度少约五分之一。

我们从中学到的是,我们的基因组不可能包含所有我们的神经连接的细节。相反,它必须仅仅指定大脑基础的广泛的架构和基本原理。但是,这种架构和这些原则似乎足以保证我们的人类成长为智能。当然,有一些警告 - 成长期的儿童需要一个健康,刺激的环境和良好的营养,以实现他们的智能潜力。但是,只要我们在一个合理的环境中长大,一个健康的人会有非凡的智慧。在某种意义上,我们的基因中的信息包含我们如何思考的本质。此外,遗传信息中包含的原则似乎可能在我们集体掌握的能力范围内。

所有上面的数字是非常粗略的估计。这可能是1.25亿比特是一个巨大的高估,有一些更紧凑的核心原则。也许这1.25亿的大部分只是微调相对较小的细节。或者我们在如何计算数字过于保守。显然,这将是伟大的,如果它是真的话!对于我们当前的目的,关键点是这样的:大脑的架构是复杂的,但它不像你可能认为基于大脑中的连接数量那么复杂。分子生物学的大脑观点表明,人类应该有一天能够理解大脑结构背后的基本原理。

我忽略了这一事实,即1.25亿比特只是量化人类和黑猩猩大脑之间的遗传差异。不是所有的我们的大脑功能是因为这1.25亿比特。黑猩猩本身就是杰出的思想家。也许智力的关键主要在于黑猩猩和人类共同的心理能力(和遗传信息)。如果这是正确的,那么人类大脑可能只是对黑猩猩大脑的一个小小的升级,至少基于基本原则的复杂性。尽管对于关于我们独特能力的传统人类沙文主义,这是不可想象的:黑猩猩和人类遗传线分化仅仅只有500万年前,在进化尺度上眨眼时间而已。然而,在缺乏更有说服力的论据的情况下,我对常规人类沙文主义表示同情:我的猜想是,人类思想的最有趣的根本在于这1.25亿比特,而不是我们与黑猩猩共享的基因组部分。

采用分子生物学的大脑的图像表示在我们的描述下的复杂性大约有9个数量级的减少。虽然振奋人心,但它并没有告诉我们一个真正简单的智能算法是否是可能的。我们可以进一步降低复杂性吗?更重要的是,我们可以解决一个简单的智能算法是否可能的问题?不幸的是,还没有任何证据足以解决这个问题。让我描述一些现有的证据,注意这是一个非常简短和不完整的概述。

有证据表明可能有一个简单的智能算法。这就是2000年4月在自然杂志上报道的一个实验。由Mriganka Sur领导的一个科学小组“重新连接”了新生雪貂的大脑。通常,来自雪貂的眼睛的信号被传送到被称为视皮层的脑的一部分。但是对于这些雪貂,科学家们从眼睛中获取信号,并改变路线,使它转到听觉皮层,即通常用于听觉的脑区。

要理解发生了什么,我们需要知道一点关于视觉皮层。视觉皮层包含许多方向列。这些是小块的神经元,每个响应来自某个特定方向的视觉刺激。您可以将方向列视为微小的方向传感器:当某人从某个特定方向发出明亮的光时,相应的方向列将被激活。如果光被移动,则激活不同的方向列。视觉皮层中最重要的高级结构之一是定向图,其定位了定向列如何布局。

科学家发现,当从雪貂的眼睛的视觉信号被重新传到听觉皮层时,听觉皮层发生了改变。方向列和方向图开始出现在听觉皮层。它比通常在视觉皮层中发现的方向图更无序,但是毫无疑问是相似的。此外,科学家做了一些简单的测试雪貂如何响应视觉刺激,在训练他们不同的反应时,从不同方向闪光。这些测试表明,雪貂仍然可以学会“看到”,至少是初步的方式-使用听觉皮层。

这是一个令人惊讶的结果。它表明,存在大脑的不同部分如何学会响应感觉数据的共同原则。这种共性至少提供了一些支持,认为有一套简单的基本智能原则。然而,我们不应该认为自己的实验中的雪貂的视力有多好。行为测试仅测试视力。当然,我们不能问雪橇是否“学会了”。所以实验没有证明重新连接的听觉皮层给予雪貂高保真的视觉体验。因此,他们只提供有限的证据,支持共同的原则基础下不同的大脑部分如何学习的想法。

有什么证据是反对简单的智能算法的想法?一些证据来自进化心理学和神经解剖学领域。自20世纪60年代以来,进化心理学家发现了广泛的人类共性,所有人类共同的复杂行为,跨文化和成长。这些人类的普遍性包括母亲和儿子之间的乱伦禁忌,使用音乐和舞蹈,以及很复杂的语言结构,例如使用咒骂词(即禁忌词),代词,甚至基本的动词结构。作为对这些结果的补充,来自神经解剖学的大量证据显示许多人类行为由大脑的特定局部区域控制,并且这些区域在所有人中似乎是相似的。总之,这些发现表明许多非常专业的行为连接到了我们大脑的特定部分。

有些人从这些结果得出的结论是,这些脑功能必须要有单独的解释,因此,大脑的功能有一个不可避免的复杂性,简单的解释大脑的操作(也许,简单的智能算法)不可能。在20世纪70年代和80年代,明斯基研究出了他的“思维的社会”理论,基于这样的想法,人类智能是一个大型社会的单独简单(但非常不同)计算过程的结果,明斯基称为agents。在他描述这一理论的书中,明斯基总结了他认为的这种观点的力量:

什么神奇的诀窍可以让我们聪明呢?诀窍是没有诀窍。智慧的力量源自我们丰富的多样性,而不是任何单一的完美原则。在William J. Clancey,Stephen W. Smoliar和Mark Stefik(MIT出版社,1994年)编辑的“思考心灵:人工智能论坛”中作出了回应。在他的书的评论里,明斯基阐述了心灵社会的动机,给出一个类似于上面所述的基于神经解剖学和进化心理学的论证:

我们现在知道,大脑本身是由数百个不同的区域和细胞核组成,每个具有显着不同的结构元素和分布,并且其中许多涉及到我们精神活动的明显不同的方面。现代大量的知识表明,许多传统上用“智力”或“理解”这样的常用术语描述的现象实际上涉及到复杂的机械装配。

明斯基当然不是唯一持这种观点的人;我只是给了这一个支持这种论点的例子。我认为这个论点很有趣,但不相信证据是令人信服的。虽然大脑是由大量不同的区域组成的,具有不同的功能是真的,因此它不因此就解释,关于大脑功能的简单解释是不可能的。也许这些结构的差异产生于共同的基本原则,就像彗星,行星,太阳和星星的运动都来自一个单一的引力。明斯基和任何其他人都没有令人信服地反对这些基本原则。

我自己的偏见认为有一个简单的智能算法。我喜欢这个想法的主要原因是,这是一个乐观的想法。当谈到研究时,一个不合理的乐观主义往往比看似更好的合理悲观主义更有效率,因为乐观主义者有勇气展开和尝试新事物。这是发现的路径,即使发现的东西可能不是最初期望的。悲观主义者在一些狭义上可能更“正确”,但会发现不如乐观主义者。

这种观点与我们通常对观点进行判断的方式形成鲜明对比:试图弄明白他们是对还是错。这是一个明智的策略,用以处理日常研究的日常细节。但是,它可能是一个错误的方式来判断一个大的,大胆的想法,这种想法,定义了整个研究计划。有时,我们只有弱的证据,证明这样的想法是否正确。我们可以温柔地拒绝遵循这个想法,而是花费我们所有的时间眯着眼睛看现有的证据,试图辨别什么是真的。

以最乐观的形式看待这一切,我不相信我们会找到一个简单的智能算法。更具体地说,我不相信我们会发现一个真正的Python(或C或Lisp或任何)程序 - 比方说,任何地方,一千行代码 - 实现人工智能。我也不认为我们会找到一个真正容易描述的神经网络,可以实现人工智能。但我相信它是值得的,好像我们可以找到这样的程序或网络。这是洞察的途径,通过追求这条道路,我们有一天可以理解足够写一个更长的程序或构建一个更复杂的网络,表达智能。因此,值得采取行动,就像存在一个非常简单的智能算法一样。

在20世纪80年代,着名的数学家和计算机科学家杰克·施瓦茨被邀请参与人工智能支持者和人工智能怀疑论者之间的辩论。辩论不在不合时宜,支持者对于那些惊人的事情提出过分的主张,怀疑论者对他们的悲观主义更加了解,声称人工智能是完全不可能的。施瓦茨是辩论的局外人,并且随着讨论的加热而保持沉默。在一段缓慢的时间里,他被要求说话,并陈述他对所讨论问题的想法。他说:“好吧,其中一些发展可能会得到一百个诺贝尔奖”(参见第22页)。在我看来,这是一个完美的应对。人工智能的关键是简单,强大的想法,我们可以而且应该乐观地寻找这些想法。但是我们需要许多这样的想法,我们还有很长的路要走!

原文发布于微信公众号 - 鸿的学习笔记(shujuxuexizhilu)

原文发表时间:2016-12-11

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

7 月机器学习10大热文,机器自动编程领先

【新智元导读】数据科学家 Flavian Hautbois 评选出了 7 月份他最喜爱的人工智能和数据处理相关论文的 Top 10。让我们来看看吧! 数据科学家...

375100
来自专栏UAI人工智能

译 Michael Nielsen 之问——是否有关于智能的一个简单的算法?

9970
来自专栏AI科技大本营的专栏

AI一分钟 | 柯洁将对战中国AI棋手星阵围棋;上海大学研发出制药界“AlphaGo”;Pornhub清理AI换脸视频失败

整理 | DavidZh 1. 柯洁将对战新的 AI 棋手——星阵围棋 Golaxy 网信集团和星阵围棋文化在昨天举行的发布会上宣布,4 月 27 日,柯洁...

413100
来自专栏新智元

LeCun :一味模仿人脑将阻碍AI的发展

【新智元导读】Facebook的AI研究负责人指出,一味模仿人脑开发AI将会阻碍AI的发展。很多业界专家也有类似的论调,他们认为AI研究的重点不应是模仿大脑的工...

27460
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。...

43870
来自专栏人工智能头条

2016年人工智能技术进展大盘点

23440
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...

6520
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...

382110
来自专栏CSDN技术头条

科研算法的敏捷应用

我记得几个月前看到Deep Dream研究员们(Leon A. Gatys, Alexander S. Ecker and Matthias Bethge)发布...

223100
来自专栏华章科技

如何用数学知识提升情商?数学学霸们的6大思维习惯

引言:成为一名“数学学霸”显然不是一件轻松的工作,不仅需要“高智商”的支持,还一不小心就被套上了“情商低”“Nerd”的“帽子”。

6510

扫码关注云+社区

领取腾讯云代金券