金观涛:反思“人工智能革命”

2018-02-22 08:25 来源:《文化纵横》 作者:https://login.cass.cn/

 Reflections on the AI Revolution

  作者简介:金观涛,中国美术学院,台湾政治大学,香港中文大学中国文化研究所。

  原发信息:《文化纵横》第20174期

 

  柯洁和AlphaGo的对决,再次掀起人工智能的讨论。伴随大数据时代的来临,互联网、人工智能、虚拟现实互相融合进而有可能重塑社会,特别是人工智能的蓬勃发展,似乎正在颠覆人类社会现有的组织、生产和生活形态。

  本文力图从人类智能和社会长时段发展的视角,审视当下这场人工智能革命的实质,及其对现代社会的冲击。进一步来说,今天有必要在认识论层面上,理解“什么是人类智能”,重新界定人类智能的进步与社会形成、演变的关系。当前对这些问题的认识空前混乱,恰恰反映出科学被技术异化和人文精神的丧失。

  一场退回到原点的革命

  当前正在发生的这场人工智能革命,实质是一场“退回到原点的运动”,由此所引发的讨论,在某种意义上也是对人类“智能”认识的大倒退。所有这一切都和人文精神的沦丧有关,特别是对人工智能的发展历史的忽略。

  其实,早在“人工智能”这一观念出现以前,AlphaGo的工作原理已经被数学家和生理学家发现了。1948年,美国应用数学家诺伯特·维纳提出了“控制论”,促使智能研究的行为主义大转向。与今日人工智能研究直接相关的,是当时的自动机理论,麦克卡洛和匹茨的神经网络模型就是这类自动机之一,其被视作人工智能研究的连接主义学派(其对智能的认识也是行为主义的)的开创者。神经网络模型的基本思想极为简单——大脑神经元的工作原理和电脑工程师所说的逻辑门一样,一个CPU就是一个逻辑门的集合体。①在此基础上可以得到神经元的计算模型:系统的输入为I1,I2,…,IN,接受这些输入的神经元输出用如下法则规定:将这些信号经过加权(W1,W2,…,WN),如果其强度超过了一定的阈值(T),则该神经元就会发放一个信号y给其他神经元或者直接输出到外界。②这样,阈值的改变意味着输入和输出关系的变化。当阈值的改变由输出引起时,我们可以说这部自动机在“学习”。

  简言之,复杂的智能行为被简化成机器对外界刺激的反应和反馈。低层次的反馈是达到目的的行动;高层次的反馈,因存在代表网络连接方式之参数随输出结果变化而不断地调整,其可以解释神经网络结构和相应行为模式的变化,也就是学习机制。

  作为神经网络自动机的AlphaGo,其工作原理早已一清二楚,在今天没有新的内容。20世纪40~50年代,因电脑刚刚出现,加上数据量的限制,AlphaGo不可能被制造出来。近年来,伴随计算机硬件的发展,以及海量数据的积累,使得神经网络自动机的研究和制造突破了物质和技术条件的限制,这就是今天的人工智能“革命”。

  

  AlphaGo接连战胜人类棋手,掀起人工智能的持续讨论

  仿生学和AlphaGo

  既然早在20世纪40~50年代,AlphaGo的工作原理已得到清晰认知,为什么当时神经网络自动机的功能没有被冠以人工智能之名呢?因为神经网络模型对应的是生物本能,而不是人类智能。

  举个例子。1959年,麦克卡洛、匹茨与美国认知心理学家杰罗姆·莱特文等合作完成了一篇论文——《蛙眼告诉蛙脑什么》。他们发现,蛙眼能看到的是相对于背景运动着并具有特定形态的物体,而对背景视而不见。如一只昆虫或者天敌的“影子”只要从眼前掠过,青蛙会立即做出反应:扑向食物或者逃进水中。麦克卡洛等人用一个神经网络的数学模型来解释青蛙看到了什么。蛙眼神经网络的功能是青蛙的本能,不能被视为智能。但是从神经网络来讲,它和AlphaGo没有区别。正因如此,当时神经网络自动机的研究对应的是仿生学。

查看余下全文
(责任编辑:李秀伟)
更多学术内容,请关注 www.cssn.cn
';?> ';?>