你好,游客 登录
背景:
阅读新闻

“强人工智能”的秘密:向人类大脑学习

[日期:2017-12-18] 来源:36氪   作者: [字体: ]

  Numenta联合创始人Jeff Hawkins最近写了一篇文章,名为“强人工智能的秘密”。他认为,目前的AI技术存在限制,如果想开发通用AI,我们必须寻找新方法,而向大脑学习是最好的捷径。

  

 

  在图像识别、自动驾驶汽车及其它难以征服的领域,深度学习、卷积神经网络等AI技术取得了相当大的突破。无数AI公司破土而出,它们也在追赶潮流,因为融资、收购速度正在加快。

  尽管如此,一些顶尖AI研究人员已经意识到,事情似乎有些不对头。虽然进步惊人,但是目前的AI技术仍然存在许多局限。例如,深度学习网络需要几百万个训练案例,然后才能正确运行,人类不一样,很快就能学会。正是因为存在这种限制,所以深度学习网络的应用范围很小。虽然平均精准率很高,但是也会出现严重的失败。

  例如,即使图像只是稍作更改,AI系统也会犯错,将牙刷当成棒球棒。在某些应用中,这类错误可能会引发大灾难,致人死亡或者受伤。因为存在这样和那样的限制,AI领袖们认为应该寻找不同的方案。Geoff Hinton是最著名的AI科学家之一,他最近就说自己对当前的AI技术“深表怀疑”,我们需要重新开始。Francois Chollet是深度学习网络的知名专家,他也说:“我认为应该完全抛弃,然后重新开始。如果只是增强今天的深度学习技术,不可能达到一般智力的水平。”

  Chollet认为,人类智力并无限制,而深度学习存在基本限制。事实上,人类大脑相当有弹性。人类不只会驾驶汽车,还能建造摩天楼,管理农场,给计算机编程。我们可以轻松拿起东西,比如咖啡杯,用手指灵活操纵它们,但是AI系统做不到。每一个人都学会了几百项复杂技能,可以混合,快速完成。

  从另一方面看,深度学习系统只能完成少量任务,一次只能做一件事。如果需要完成新任务,必须重新训练。人类相当于通用学习机器,AI系统可不是这样的。如果AI想持续取得成功,必须打破之前的限制,成为更具通用性的AI。

  近来,AI科学家已经开始向人类大脑学习。谷歌DeepMind的联合创始人Demis Hassibis说:“我们想开发‘一般智力’,真的可能吗?人类大脑是目前存在的唯一证明,为什么人类有这样的能力,是如何做到的,值得我们花时间研究理解。”

  我很赞同。在过去30年里,我一直在研究人脑。2004年,我曾写过一本书,名叫“On Intelligence”,我在书中指出AI的发展需要人脑理论支持。2005年,我曾与人联合创办Numenta公司,这是一家专注脑皮质逆向工程的公司,而脑皮质是人类大脑最大的部分,也是与智力关系最密切的部分。

  我们想搞清一些问题,比如人脑细胞是如何协作的,从而形成认知和行为能力。人脑与当前的AI技术有许多相似点,这说明AI正在沿着正确的方向发展。不过二者也有明显的不同。大脑的能力不只比当前AI系统强很多,而且人脑的物理架构也比AI人工神经网络的架构复杂很多。大脑能做的事AI系统做不到。

  Numenta的研究告诉我们人脑的运行遵循一些重要原则,最终我们认为AI也会遵循同样的原则。例如,人脑的每一个神经元有几千个突触(也就是神经元之间的连接点)。我们仍然不知道大部分突触是如何工作的。我们发现神经元用大部分突触进行预测。

  预测是在细胞内进行的,当我展望未来时,这些预测扮演了重要角色。AI人工神经元没有这样的能力,预测能力没有大脑那么强。为什么大脑通过形成新突触来学习新东西?我们还对原因有了深入的理解。深度学习依靠修改连接来学习,而人脑的学习方式更强大。为什么我们可以快速学习新东西,不会影响之前学到的内容?可能就是这个原因吧。

  我们还有其它一些发现,这些发现对于智力来说至关重要,我想介绍一下最近的重要发现。人类是如何通过触摸识别对象的?我们正在研究。以此作为基础,我们发现脑皮质有一个新属性,触摸体现了这样的属性,视觉也体验了这样的属性,凡是脑皮质所做的一切都体现出来。有时我会将这种属性称为“失去的部分”,或者正如本文标题所说的,找到了“强大AI的秘密”。最近,我们发表论文,介绍这一发现,今天我来简要介绍一下。

  

 

  看看这张图片,很明显,它是一只杯子。实际上不是杯子,只是线条聚集在平坦表面上。要将图片视为线条在平面上的集合,而不是3D杯子,居然会是一件难事,真是奇怪。脑科学家一般都认为脑皮质从眼睛提取图像,经过一系列的处理,找到更多复杂的特性,然后就能识别图像了。

  深度学习网络也是这样运行的。我们管这种处理流程叫作模式识别,深度学习网络的长处正在于此。用许多图片训练之后,给系统一张新图片,它就会告诉你图中有什么。不过系统只能识别标签,不能理解其它东西。人类不一样,我们看到一张图片,马上就可以知道它的3D形状是怎样的。你可以想像从不同的角度观看是怎样的,里面可能有液体,你甚至可以知道 触摸它是怎样的感觉。不知道图中有什么就给图片贴上标签,这是深度神经网络擅长的事,脑皮质却可以知道目标物的架构是怎样的,是怎样运行的。

  给人一张平面图片,人类就可以将它转化为实物的心理表征,到底脑皮质是怎样做到的?之前没有人知道,最近才找到了突破口。我们已经知道人脑是如何做到的。我们推断,所有脑皮质的输入信息都与一个代表“位置”的信号匹配。当你观看杯子照片,或者是图片的各部分,或者是线条,都会与位置匹配——也就是相对于3D杯子的位置。

  计算机也用相似的方式创建实物CAD模型。你是如何用3D方式感知杯子的,转动杯子时你是如何想像杯子模样的,触摸时又是怎样的感觉?这些问题我们的理论都能给出解释。不只如此,当你的眼睛移动时,注视图片的不同位置时,为什么我们对杯子的感知仍然是稳定的?理论也可以解释。只要输入属性与相对于杯子的正确位置匹配,图像相对于视网膜的位置就变得不再重要了。

  我们正在评估发现的意义,相信这些发现能破解大脑的一些秘密。虽然我们通过研究触摸、视觉能力推断出这一属性,但是确定位置信号的神经架构存在于脑皮质的任何部分。这一切都表明,脑皮质的所有处理都是与位置联系在一起的,即使这些位置并不一定与世界的物理位置一致。由此暗示:操纵抽像概念,操纵物理对象,二者的神经原理可能是一样的。当然,操纵概念正是“一般智力”的核心特点。

  到底AI需要模拟人脑到怎样的程度,几十年来,大家一直争论不休。直到最近深度学习取得成功才为一种理论提供更强的支持:即使没有脑理论,AI也可以进步。不过成功也让我们看到了深度学习的局限性,我们需要新方法,这点再明显不过。如果想寻找新创意,大脑是一个好目标。亚马逊CEO Jeff Bezos最近说:“人类的行事方式与机器学习、机器智力目前的行事方式有着本质的不同。”

  如果想开发通用AI,我们并不需要完全模拟大脑。不过大脑的一些基本原则不能忽视,如果有任何系统想展现通用智力,遵守这些原则很重要。通过研究,我们找到一些基本原则。我相信最近的发现是很重要的,这点终会证明。它可以完全改变我们对人脑感官输入的认知,以及人脑描绘世界知识的方式。

  希望能有更多AI实践者能认识到当前AI技术的局限,到时他们将会在快速形成的“脑理论”世界内寻找一条通往通用AI的阳光大道。如果想将脑理论发现完全融入AI,可能还要好几年的时间,但是路线已经很清楚。

  原文链接:https://medium.com/@Numenta/the-secret-to-strong-ai-61d153e26273

收藏 推荐 打印 | 录入:Cstor | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款