人类智能:相对稳定;桎梏于物理先验(prior)。
人工智能:进化迅速;可容纳任意的统计先验。
首先,时间尺度的差异让它们有了分明的界限。
当然,人类智能(或者说生物智能)也是在自然选择的作用下不断进化的。但我们谈论人类智能进化的时间尺度是万年,谈论生命进化的时间尺度是亿年。而我们谈论人工智能的时间尺度总是年、十年。 如果把1956年达特茅斯会议作为人工智能这个诞生的时刻,人工智能到现在也不过是60余年历史而已。这放在生命进化的时间尺度看,只能说是白驹过隙,不过转瞬。而就是在这转瞬之间,人工智能已经达成了很多让人吃惊的里程碑。
从这里,我们大概可以说,人类智能和人工智能遵循着截然不同的进化规律。
人类智能主要是由一堆蛋白质、遗传物质构成,由能量驱动。
人工智能主要是由一堆代码、数据构成,由计算力驱动。
生命在物质世界吃负熵(蛋白质为主)。
AI在信息世界吃数据。
人类智能的演化服从物质世界客观规律的约束,主要是物理等自然科学。
人工智能的演化服从信息世界客观规律的约束,我认为主要是统计等。这个「等」主要包括的是一些经常被当作数学、和数学关联很深却又不是数学的学科/领域。
从学科的角度说,这是两套有很多关联却极为不同的体系。它们研究的对象和方法论都截然不同。
比如,「概率论和数理统计」大家都觉得是数学课,但统计其实是和数学并列的一级学科。斯坦福大学统计系教授Bradley Efron老先生在纪念贝叶斯定则(Bayes rule)250周年的文章[1]画了这样一个图:
信息论开山之作(A Mathematical Theory of Communication)和经典力学开山之作(The Mathematical Principles of Natural philosophy)这两者的名字是不是也有点神似?这也不意外。毕竟最开始都逐渐是从数学中分化出来的。从文明的根部生长分化出来的两个分支学科——物理与统计——分别成为了我们认识两个世界的主要工具。一个学科的研究对象是物质,对物质如何携带信息稍有关心;另一个学科的研究对象是信息/数据,但信息的物质现实却并不重要。
我想一个重要的界限就在于此。
人类智能和人工智能来自两个不同的世界(物质和信息)。一个从诞生的那一刻起就是为如何在物质世界繁衍服务的。一个从诞生的那一刻起就脱离了物质世界的桎梏,关心的是信息和数据本身。
人类智能(物理视角)擅长的是处理与物质世界交互有关的数据。这些数据样本相当严格地符合物理定律(即是符合物理先验)。人类智能在漫长岁月里的进化既在被解决物理先验问题引导的,也在被其桎梏。
人工智能(统计视角)则关心整个广袤的数据世界,而不论它与物质世界的关联。即使是那些人类智能极为不擅长感知的高维数据,对于人工智能(统计)来说都只是比特而已。人工智能的能力天然地可以剥离物理而存在,甚至去处理那些完全不符合物理规律的任务。
极度简单的不符合物理先验案例:试试把屏幕倒过来看电影。
相对简单的不符合物理先验案例:给定一个正交矩阵,把自己照片的像素矩阵正交变换一下。
尽管上述两个操作都没有信息损失,但都破坏了物理先验。人类智能处理这些问题几乎要崩溃了。而人工智能可以方便地针对不同任务加入不同的统计先验知识。对于物质世界少见的高维度数据问题,比如10000维的逻辑回归——对于人工智能来说是一个再简单不过的问题,还可以方便地加入L2正则化项(高斯先验)。对于人类智能来说,这是一个脱离物理的问题,我们擅长的物理先验毫无用处,同时我们很难在脑里直接插入违背物理先验的统计先验。
所以,这个重要的界限从一开始就存在了。
我们擅长的(符合物理先验的问题),AI还有一些办不到;
AI擅长的(广袤的数据问题),我们永远也办不到。
另外,把复杂的物理先验抽象成数学加入机器学习算法,这可能是提高AI解决物理先验问题的一个重要途径。实际上convolution,dark channel prior等都可以当作应用物理先验的案例。
Ref:
[1] Efron, B. (2013). A 250-year argument: Belief, behavior, and the bootstrap.Bulletin of the American Mathematical Society,50(1), 129-146.
这里是Summer Clover的小星球。理工双修的东京大学人工智能博士生,带你享受思维的乐趣。从物理到智能,从中国到日本,从自然之美、科技之妙到... Summer自己的故事。
领取专属 10元无门槛券
私享最新 技术干货