精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕

打開APP
userphoto
未登錄

開通VIP,暢享免費(fèi)電子書等14項(xiàng)超值服

開通VIP
溯因推理:人工智能的盲點(diǎn)

本文給當(dāng)今人工智能界推崇深度學(xué)習(xí)的現(xiàn)象潑了冷水,指出了人工智能的盲點(diǎn):溯因推理,并提醒人們不要忽視深度學(xué)習(xí)的種種問題,否則將會(huì)因?yàn)樯疃葘W(xué)習(xí)又面臨第三次“人工智能的冬天”。

最近深度學(xué)習(xí)領(lǐng)域的進(jìn)步再次激發(fā)了人們對(duì)那些通用人工智能新機(jī)器的興趣。這一想法認(rèn)為,通過構(gòu)建更大、更好的神經(jīng)網(wǎng)絡(luò),我們就能夠獲得越來越接近于人類大腦的數(shù)字化版本。

但這是一個(gè)神話,計(jì)算機(jī)科學(xué)家 Erik Larson 認(rèn)為,所有的證據(jù)都表明,人類和機(jī)器所擁有的智能有本質(zhì)的不同。Larson 的新書《The Myth of Artificial Intelligence: Why Computers Can’t Think the Way We Do》(目前尚無中譯本,本文暫譯為《人工智能的神話:為什么計(jì)算機(jī)不能像我們這樣思考》),討論了廣泛宣傳的關(guān)于智能和推理的誤解,是如何將人工智能研究引向狹窄的道路,限制了創(chuàng)新和科學(xué)發(fā)現(xiàn)。

《人工智能的神話》, Erik J. Larson 著。

Larson 警告說,除非科學(xué)家、研究人員和支持他們工作的組織不改變方向,否則他們將注定“屈服于機(jī)器世界的擴(kuò)張,在機(jī)器世界中,真正的發(fā)明被邊緣化,轉(zhuǎn)而支持那些鼓吹現(xiàn)有方法的未來主義言論,而這正是來自根深蒂固的利益集團(tuán)。”

人工智能的神話

以科學(xué)的觀點(diǎn)來看,人工智能的神話是假定我們將通過在應(yīng)用領(lǐng)域取得進(jìn)展,來實(shí)現(xiàn)通用人工智能(Artificial General Intelligence,AGI),例如對(duì)圖像進(jìn)行分類、理解語音指令,或玩游戲。但是,這些狹窄的人工智能系統(tǒng)的基礎(chǔ)技術(shù)并不能解決通用智能能力所必須解決的更大挑戰(zhàn),例如進(jìn)行基本的對(duì)話、完成簡(jiǎn)單的家務(wù)活,或者其他需要常識(shí)性的任務(wù)。

Larson 寫道:“當(dāng)我們成功地應(yīng)用了更簡(jiǎn)單、更狹窄的智能版本,并從更快的計(jì)算機(jī)和大量的數(shù)據(jù)中獲益時(shí),我們并沒有逐步取得進(jìn)展,而是在摘取低垂的果實(shí)。”

人工智能神話的文化后果就是忽視了智能的科學(xué)奧秘,無休止地談?wù)撋疃葘W(xué)習(xí)和其他當(dāng)代技術(shù)的不斷進(jìn)步。這個(gè)神話阻礙了科學(xué)家們思考新的方法來應(yīng)對(duì)智能的挑戰(zhàn)。

“如果我們選擇忽視一個(gè)核心奧秘,而不是正視它,我們就無法獲得創(chuàng)新,”Larson 寫道,“健康的創(chuàng)新文化強(qiáng)調(diào)探索未知,而非夸大現(xiàn)有方法的延伸……關(guān)于人工智能必然成功的神話,往往會(huì)扼殺真正進(jìn)步所需要的發(fā)明文化。”

演繹、歸納和溯因推理

當(dāng)你走出家門時(shí),你發(fā)現(xiàn)街道是濕的。你首先想到的是,一定是下雨了。但現(xiàn)在是晴天,人行道是干的,所以你立即排除了下雨的可能性。當(dāng)你往旁邊看時(shí),你看到一輛灑水車停在街道旁。你就斷定,街道之所以是濕的,是因?yàn)闉⑺嚊_洗了街道。

上面是一個(gè)“推理”的例子,即從觀察到結(jié)論的行為,也是智慧生物的基本能力。我們不斷地根據(jù)我們所知和感知的事物來推理。它們大多發(fā)生在潛意識(shí)中。

Larson 寫道:“任何能夠進(jìn)行推理的系統(tǒng)都必須具有一些基本的智能,因?yàn)槔靡阎陀^察到的事物來更新信念的行為本身,必然與我們所指的智慧相關(guān)聯(lián)。”

人工智能研究人員將他們的系統(tǒng)建立在兩種類型的推理機(jī)上:演繹式和歸納式。演繹式推理是利用先驗(yàn)知識(shí)對(duì)世界進(jìn)行推理。這是符號(hào)人工智能的基礎(chǔ),也是人工智能早期幾十年研究人員關(guān)注的重點(diǎn)。工程師通過賦予它們一組預(yù)先定義的規(guī)則和事實(shí)來創(chuàng)建符號(hào)系統(tǒng),人工智能利用這些知識(shí)來推理它所接收到的數(shù)據(jù)。

溯因推理是通過經(jīng)驗(yàn)獲取知識(shí),在過去十年中,溯因推理在人工智能研究人員和科技公司中獲得了更多的關(guān)注。機(jī)器學(xué)習(xí)算法是溯因推理引擎,一個(gè)在相關(guān)實(shí)例上訓(xùn)練的機(jī)器學(xué)習(xí)模型,將找到輸入映射到輸出的模式。最近幾年,人工智能研究人員利用機(jī)器學(xué)習(xí)、大數(shù)據(jù)和先進(jìn)的處理器,對(duì)超出符號(hào)系統(tǒng)能力的任務(wù)進(jìn)行模型訓(xùn)練。

第三種推理類型,即溯因推理,是由美國(guó)科學(xué)家 Charles Sanders Peirce 在 19 世紀(jì)首次提出的。溯因推理是一種能夠提出直覺和假設(shè)的認(rèn)知能力,作出比隨機(jī)猜測(cè)真相更好的猜測(cè)。

美國(guó)科學(xué)家 Charles Sanders Peirce 在 19 世紀(jì)提出了溯因推理。資料來源:紐約公共圖書館,公共領(lǐng)域。

舉例來說,街道潮濕的原因可能有很多(包括一些我們從未直接經(jīng)歷過的),但是通過溯因推理,我們可以選擇最有希望的假設(shè),迅速排除錯(cuò)誤的假設(shè),尋找新的假設(shè),并得出可靠的結(jié)論。正如 Larson 在《人工智能的神話》一書中寫道:“我們從實(shí)際上無限可能中猜測(cè)哪些假設(shè)看起來是可能的或可信的。”

溯因推理就是許多人所說的“常識(shí)”。這是我們看待事實(shí)或數(shù)據(jù)的概念框架,也是結(jié)合其他推理類型的“粘合劑”。這能讓我們時(shí)刻注意大腦中大量的信息,以及我們從感官接受到的海量數(shù)據(jù)中的相關(guān)內(nèi)容。

但問題在于,人工智能界對(duì)溯因推理的關(guān)注還很少。

人工智能與溯因推理

20 世紀(jì) 80 年代和 90 年代,由于溯因邏輯程序(Abductive Logic Programming)的嘗試,溯因進(jìn)入了人工智能的討論中,但是這些努力都存在缺陷,最終被放棄。Larson 告訴 TechTalks:“它們是對(duì)邏輯編程的重新表述,是演繹的一種變體。”

Erik J. Larson,《人工智能的神話》一書作者。

溯因在 2010 年代得到了另一個(gè)機(jī)會(huì),那就是貝葉斯網(wǎng)絡(luò),它是試圖計(jì)算因果關(guān)系的推理引擎。但是,與早期的方法一樣,較新的方法也有一個(gè)缺陷,它不能捕捉到真正的溯因,Larson 說,貝葉斯和其他圖形模型都是“歸納法的變種”。他在《人工智能的神話》一書中稱它們?yōu)椤懊逼鋵?shí)的溯因”。

在很大程度上,人工智能的歷史都以演繹和歸納為主導(dǎo)。

“當(dāng)早期人工智能先驅(qū) Alan Newell、Herbert Simon、John McCarthy 和 Marvin Minsky 開始著手解決人工推理(人工智能的核心)問題時(shí),他們認(rèn)為編寫演繹式規(guī)則就足以產(chǎn)生智能思維和行動(dòng),”Larson 說,“事實(shí)上事實(shí)并非如此,在關(guān)于我們?nèi)绾巫隹茖W(xué)的討論中,這一點(diǎn)應(yīng)該更早被認(rèn)識(shí)到。”“這太奇怪了,沒有人真的停下來,明確地說'等等,這是行不通的!’” Larson 說,“這將使研究直接轉(zhuǎn)向溯因或假設(shè)的生成,或者說,'上下文敏感推理’。”

在過去的二十年里,隨著數(shù)據(jù)和計(jì)算資源的日益豐富,機(jī)器學(xué)習(xí)算法——特別是深度神經(jīng)網(wǎng)絡(luò)——已經(jīng)成為人工智能領(lǐng)域的研究熱點(diǎn)。深度學(xué)習(xí)技術(shù)開啟了以前超出計(jì)算機(jī)極限的應(yīng)用。這也吸引了世界上一些最富有的公司的興趣和資金。

Larson 說:“我認(rèn)為,隨著萬維網(wǎng)的出現(xiàn),經(jīng)驗(yàn)式或歸納式(以數(shù)據(jù)為中心)的方法占據(jù)了上風(fēng),而溯因法和演繹法一樣,基本上被遺忘了。”

但是,機(jī)器學(xué)習(xí)系統(tǒng)也存在嚴(yán)重的局限性,包括缺乏因果關(guān)系,邊緣情況處理不好和對(duì)數(shù)據(jù)的需求過多。同時(shí),隨著研究人員嘗試將機(jī)器學(xué)習(xí)應(yīng)用到醫(yī)療和金融等敏感領(lǐng)域,這些限制正變得越來越明顯,問題也越來越多。

溯因推理與人工智能的未來之路

包括強(qiáng)化學(xué)習(xí)先驅(qū) Richard Sutton 在內(nèi)的一些科學(xué)家認(rèn)為,我們應(yīng)該堅(jiān)持使用能夠隨著數(shù)據(jù)和計(jì)算的可用性而擴(kuò)展的方法,即學(xué)習(xí)和搜索。舉例來說,隨著神經(jīng)網(wǎng)絡(luò)的規(guī)模越來越大,數(shù)據(jù)也越來越豐富,它們最終會(huì)超越極限,帶來新的突破。

Larson 駁斥了數(shù)據(jù)驅(qū)動(dòng)的人工智能的大規(guī)模應(yīng)用,認(rèn)為“作為一種智能模型,其本質(zhì)是有缺陷的”。他重申,盡管搜索和學(xué)習(xí)都可以提供有用的應(yīng)用,但是它們是基于非溯因推理。

“如果沒有推理思維的革命,搜索就無法擴(kuò)展到常識(shí)或溯因推理中,而這還沒有發(fā)生。與機(jī)器學(xué)習(xí)類似,學(xué)習(xí)方法的數(shù)據(jù)驅(qū)動(dòng)特性意味著推理必須來自數(shù)據(jù),可以說,人們經(jīng)常進(jìn)行的許多智能推理顯然不是這樣的,”Larson 說,“我們不會(huì)僅僅通過觀察過去,比如說,從大型數(shù)據(jù)集中獲取的數(shù)據(jù),就能弄清楚對(duì)未來的結(jié)論、思考或者推理。”

另一些科學(xué)家認(rèn)為,混合人工智能將符號(hào)系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合起來,將有望克服深度學(xué)習(xí)的缺陷。IBM Watson 就是一個(gè)例子,它在 《危險(xiǎn)邊緣》(Jeopardy!)美國(guó)電視智力問答節(jié)目中擊敗了世界冠軍而聞名。最新的概念證明了混合模型在單獨(dú)的符號(hào)人工智能和深度學(xué)習(xí)表現(xiàn)不佳的應(yīng)用中有很好的效果。

Larson 認(rèn)為,混合系統(tǒng)可以填補(bǔ)僅靠機(jī)器學(xué)習(xí)或僅靠規(guī)則方法的空白。身為自然語言處理領(lǐng)域的研究人員,他目前正致力于將大型與訓(xùn)練語言模型,如 GPT-3,與知識(shí)圖譜形式的語義網(wǎng)方面的舊工作相結(jié)合,以便在搜索、問題回答和其他任務(wù)中創(chuàng)造更好的應(yīng)用。

“但是演繹-歸納組合并不能讓我們達(dá)到溯因,因?yàn)檫@三種類型的推理在形式上是不同的,所以它們不能相互還原,也不能結(jié)合起來得到第三種。”他說。

Larson 在《人工智能的神話》一書中將規(guī)避溯因的努力稱為“推理陷阱”。

他寫道:“不管計(jì)算機(jī)的速度有多快,單純的歸納啟發(fā)技術(shù),比如機(jī)器學(xué)習(xí),還是不夠的。像 Watson 這樣的混合系統(tǒng),也達(dá)不到一般的理解,”“在一個(gè)開放的場(chǎng)景,如語言理解,這需要關(guān)于世界的知識(shí),而溯因是核心和不可替代的。正因?yàn)槿绱耍瑢⒀堇[與歸納策略相結(jié)合的嘗試總是注定要失敗……這一領(lǐng)域需要一個(gè)關(guān)于溯因的基礎(chǔ)理論。與此同時(shí),我們卻被困在了陷阱里。”

人工智能的商業(yè)化

人工智能社區(qū)對(duì)數(shù)據(jù)驅(qū)動(dòng)方法的狹隘關(guān)注,使得研究和創(chuàng)新集中于那些擁有海量數(shù)據(jù)存儲(chǔ)和雄厚財(cái)力的少數(shù)組織。當(dāng)深度學(xué)習(xí)成為一種將數(shù)據(jù)轉(zhuǎn)換成有利可圖的產(chǎn)品的有效方式,大型科技公司正陷入雇傭人工智能人才的激烈競(jìng)爭(zhēng),他們通過給研究人員提供豐厚的薪酬,使得他們離開學(xué)術(shù)界。

這一轉(zhuǎn)變使得非營(yíng)利性實(shí)驗(yàn)室和小公司難以參與到人工智能的研究。

Larson 說:“當(dāng)你將人工智能研發(fā)與大型數(shù)據(jù)集的所有權(quán)和控制權(quán)聯(lián)系在一起時(shí),初創(chuàng)企業(yè)就會(huì)面臨進(jìn)入壁壘,因?yàn)樗麄儾⒉粨碛袛?shù)據(jù)。”他補(bǔ)充說,數(shù)據(jù)驅(qū)動(dòng)的人工智能從本質(zhì)上講就是在商業(yè)領(lǐng)域創(chuàng)造了“贏家通吃”的局面。

反過來,人工智能的壟斷也阻礙了科學(xué)研究。由于大型科技公司集中精力創(chuàng)造可以利用其巨大的數(shù)據(jù)資源以保持競(jìng)爭(zhēng)優(yōu)勢(shì)的應(yīng)用,沒有什么動(dòng)力去探索其他人工智能方法。這一領(lǐng)域的工作開始傾向于狹隘而有利可圖的應(yīng)用,而忽視了可以帶來新發(fā)明的努力。

“目前沒有人知道如果沒有如此龐大的集中式數(shù)據(jù)集的情況下,人工智能將會(huì)是什么樣,因此,對(duì)于那些想要通過設(shè)計(jì)出不同、更強(qiáng)大的人工智能來競(jìng)爭(zhēng)的企業(yè)家來說,沒有什么真正的機(jī)會(huì)。”Larson 說。

Larson 在他的書中警告了當(dāng)前的人工智能文化,“它在不斷編織人工智能神話的同時(shí),從低垂的果實(shí)中榨取利潤(rùn)。”他寫道,通用人工智能進(jìn)展的假象可能會(huì)導(dǎo)致另一個(gè)人工智能的冬天。

不過,盡管人工智能的冬天可能會(huì)抑制人們對(duì)深度學(xué)習(xí)和數(shù)據(jù)驅(qū)動(dòng)的人工智能的興趣,但它也能為新一代的思想家探索新的途徑開辟道路。Larson 希望科學(xué)家們開始超越現(xiàn)有的方法。

Larson 在《人工智能的神話》一書中提供了一種推理框架,它揭示了當(dāng)今該領(lǐng)域所面臨的挑戰(zhàn),并幫助讀者看穿通用人工智能或奇點(diǎn)進(jìn)展的夸大說法。“我的希望是,非專業(yè)人士有一些工具與這種非科學(xué)的必然想法作斗爭(zhēng),我的同事和其他人工智能科學(xué)家將此視為解決這一領(lǐng)域所面臨的現(xiàn)實(shí)問題的警鐘。”

作者介紹:

Ben Dickson,軟件工程師,也是 TechTalks 的創(chuàng)始人,作家,撰寫關(guān)于科技、商業(yè)和政治方面的文章。

原文鏈接:

https://bdtechtalks.com/2021/09/20/myth-of-artificial-intelligence-erik-larson/

本站僅提供存儲(chǔ)服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊舉報(bào)
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
人工智能的神話在走入死胡同:為什么計(jì)算機(jī)不能像人類那樣思考?
AlphaGo 4:1 贏了李世石,它真的贏了么? | 硅谷直說
人工智能的前世今生
人工智能與設(shè)計(jì)(1):人工智能的發(fā)展和定義
AI的下一個(gè)戰(zhàn)場(chǎng):認(rèn)知智能的突圍
鄭南寧:直覺性AI與無人駕駛
更多類似文章 >>
生活服務(wù)
分享 收藏 導(dǎo)長(zhǎng)圖 關(guān)注 下載文章
綁定賬號(hào)成功
后續(xù)可登錄賬號(hào)暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點(diǎn)擊這里聯(lián)系客服!

聯(lián)系客服

主站蜘蛛池模板: 西充县| 胶州市| 香格里拉县| 星座| 宜兰市| 星子县| 东丽区| 辽阳市| 新闻| 连平县| 公主岭市| 长顺县| 阿尔山市| 汕头市| 精河县| 金寨县| 八宿县| 应用必备| 平南县| 西城区| 久治县| 绥中县| 靖安县| 龙山县| 丹寨县| 云南省| 江门市| 三明市| 竹溪县| 京山县| 巩义市| 将乐县| 汉沽区| 越西县| 新竹县| 得荣县| 黑水县| 芦山县| 四会市| 怀化市| 平舆县|