首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

《生命3.0》二.人工智能到底能不能完全模拟人的智能

人工智能到底能不能完全模拟人的智能 —— 也就是今天标题里的 AI 到底能不能等于 I,是一个无比重要,而又充满争议的问题 。说人脑没什么特别的,无非也是一堆原子组成的东西,那我们就完全可以用另一堆原子模拟这堆原子,电脑总有一天能取代人脑……这是非常轻率、没有什么营养的说法。

想要合理推测,你得知道人脑有多厉害,更得知道现在的电脑都是什么原理,然后你还得猜测人脑是不是基于同样的原理。

现在全世界最厉害的超级计算机是咱们中国国产的,叫“神威·太湖之光” ——

它每秒能进行10^17次浮点运算,需要一个占地1000平方米的专用机房,它的总造价大概是人民币20亿元。

这种水平计算机的存在对脑科学家是个好消息,因为想要模拟人脑中全部的神经元的行为,你就至少需要一台“神威·太湖之光”。而这还仅仅是神经元水平的模拟,有的科学家认为模拟人脑必须达到分子水平,那就在可以预见的几十年里恐怕不管什么计算机都无能为力了。

就算神经元水平已经足够,你真的能用“神威·太湖之光”完全模拟一个人的大脑,能取代人的工作,你也未必想这么做,因为成本实在太高了。这种超级计算机不但造价高还费电,你直接雇几个工人才多少钱。

所以正确的策略不是模拟一个人脑,而是模拟人的“智能”。我们今天要说的,就是现在的 AI 是通过很可能完全不同于人脑的原理,在相当程度上实现、而且还超过了人的智能。我们还是说泰格马克的《生命3.0》。

什么叫“智能”呢?泰格马克给了一个比较笼统的定义:智能就是完成一个复杂目的的能力。当然,你可以进一步追问什么叫复杂,这都是科学家也说不清道不明的概念……不过这个意思你显然理解。反正能随机应变地完成一些复杂的任务,就可以叫做智能了。

想要实现智能,AI 大概只需要三种能力:存储信息、计算,和自我学习。而至于说人还有意识、主观的情感体验这些,也许重要也许不重要,咱们过几天再讨论。

我们来看看计算机和人在这三个基本能力上的对比。

1.存储能力

人的大脑以生物方式能够存储的总容量,大约是100TB。一部高清电影压缩之后大约2G,那么这100TB可以存储五万个电影 —— 这可是包括其中所有的细节。所以我们想想,大脑一般用用是不怕不够用的。这100TB 相当于是计算机的硬盘,我们所有的记忆、所有的技能都存储在其中。

跟计算机差不多,大脑考虑问题的时候不能总是从硬盘读取信息,还有一个快速读写的机制。在大脑中,这就是以神经元电信号的形式存储的信息,这个容量就小得多了,大约是10G,正好是现在一般水平个人电脑内存的大小。

对今天的计算机来说,100TB 的硬盘和10G 的内存都不算什么,而且随着技术进步存储的容量越来越大,价格越来越低。

你可以说计算机存储信息的方法和人存储信息的方法是不一样的 —— 计算机存储是按照地址索引,就好比找一本书,先记住这本书所在位置,再去寻找。而人存储信息是用神经网络,先想到大概的内容,然后一点一点回忆相关的细节。不过,人脑这种存储信息的方式并没有什么神秘的,已经有人证明,如果用神经网络的方法存储信息,每1000个神经元可以存储138条信息。

总之在存储方面,计算机是肯定没问题。

2.计算能力

对计算机科学家来说,人生中最值得赞叹的时刻肯定不是目睹 AlphaGo 打败柯洁。早在很久很久以前,自从“计算机”这个概念诞生那一天开始,甚至还没有一个实用化的计算机的时候,科学家就已经知道计算机可以下好围棋了 —— 悬念仅仅是需要多少时间。

这个赞叹必须属于祖师爷阿兰·图灵。

2014年有个电影叫《模仿游戏》(The Imitation Game),讲图灵怎么用自己发明的计算机破译德军密码,从而帮着打赢了二战的事迹。后世的人也许会说相对于图灵在计算机科学上的伟大贡献而言,打赢二战只是一件小事儿。

这个关键概念,叫做“图灵机”。图灵设想了这么一种简单的计算机,它可以读取信息,然后按照一定的规则操作,修改和输出新信息。它的结构并不复杂,你可以把所有信息、包括程序在内,都存放在一条纸带上,计算机就操作这条纸带 ——

你用的个人电脑、手机、包括以前那种特别土的计算机,都是图灵机。它们的基本原理是完全一样的,几十年来所有的技术进步仅仅是让存储能力更强,运算速度更快而已。

这就是说,计算并不神秘。凡是能用算法说清楚的问题,都可以用计算机实现。理论上这些都解决了,哪怕最简单的计算机都能完成所有计算,剩下的限制都是物理上的:你需要给它足够的电力让它运算,以及提供足够大的存储空间。

3.学习能力

近几年之所以出现了人工智能的大跃进,大概主要得归功于所谓“深度学习”的技术进步。深度学习其实就是过去计算机科学家们早就在用的所谓“神经网络”算法,只不过算法上有些改进,最重要的是硬件水平和数据量大大提升了。

请注意,这里说的“神经网络”,并不是直接做一个像人脑的神经网络那样的计算机 —— 我们用的还是图灵机,神经网络只是一个模拟算法。

人脑学习新技能,是发生在神经元这个层面的。因为练习一个动作而经常被一起触发的神经元,最后就会长在一起,整个网络结构长好了,就相当于一个技能长在了你的大脑之中。

并不需要多么复杂的“神经元”就能实现这种功能。1989年就有人证明,用最简单的神经网络反复训练,每次只要系统做对了就增加相关连接的权重,给足够多的时间最后它就能够做成任何事情。

从一张普通照片里识别各种物体也好、AlphaGo 下围棋也好,所有“深度学习”的基本原理都是这样的。神经网络算法,也是通用的。

***

泰格马克书中有很多技术细节,咱们时间不够只能忽略了,如果你感兴趣的话……这其实是一个无底洞。

那这些原理难道就足够模拟人的一切智能了吗?泰格马克对此持比较乐观的态度,但是我们知道有很多人不这么看。比如很多年以前英国物理学家罗杰·彭罗斯有本书叫《皇帝新脑》,在中国也很流行,那本书的观点就是人脑根本不是图灵机,基于图灵机的 AI 不可能真的具有人脑那样的智慧。

但是泰格马克的乐观也有道理。比如现在科学家已经知道,神经网络算法并不能解决所有问题,有些复杂的方程它根本解不了。但是泰格马克恰恰和他的学生写了一篇论文,说神经网络算法所*能解决的*那些简单方程,就已经足够对付真实世界了 ——因为描写真实世界的物理定律也都是简单方程!

这其实是个很有意思的现象。基础物理定律的确都是简单方程,比如说最多只需要用到二阶导数。那为什么物理定律都是简单的数学方程呢?这个问题其实很有意思,咱们以后找机会再说。

今天这个道理是,也许图灵机和神经网络算法不能完全取代人脑,但是对于真实世界需要的智能来说,它们可能就已经够用了。

咱们把存储、计算和学习这三点综合起来,你发现其中所有的底层原理都是逻辑意义上的。也就是说,这些原理跟把信息存储于什么介质中、用什么东西来计算无关。AI 的硬件,可以随便升级。这就是生命3.0。

硬件能升级到什么程度呢?有人说摩尔定律快要到极限了,泰格马克说这根本不叫事儿。如果你不局限于用基于硅的芯片,那计算能力最终只受到物理学的限制。而物理学的限制是,人类理论上可能拥有的计算能力是今天的10^33倍 —— 哪怕我们每隔几年就把计算能力增加一倍,也需要100年的时间才能达到真正的物理极限。

硬件持续升级之后的 AI 到底意味着什么,是我们下一期的内容。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180318A0JDBP00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券