最近,我與我最喜歡的新晉思想家就高性能和低性能AI進行了辯論,這讓我想起了自己一年多以前寫的東西,因此我決定拾起這些塵封的想法。人工智能的技術(shù)炒作太多了,有時應(yīng)該回到其哲學(xué)根源。而在圍繞AI的所有哲學(xué)爭論中,最重要的就是對強弱AI的爭論。
從技術(shù)角度來看,我贊成這樣的想法,即在實現(xiàn)某種形式的強大或通用AI的領(lǐng)域,我們實現(xiàn)了一兩個突破。但從哲學(xué)的角度來看,仍然存在一些需要調(diào)和的挑戰(zhàn)。許多挑戰(zhàn)都可以通過上世紀(jì)奧匈帝國數(shù)學(xué)家開創(chuàng)的晦澀理論以及神經(jīng)科學(xué)研究的領(lǐng)先領(lǐng)域之一來解釋。
在AI理論中,低性能AI系統(tǒng)通常只是看起來智能,而高性能AI機器則真正具備思考能力。這里的思考是指真正的思考,而不僅僅是模擬的思考。這種困境通常被稱為“高性能AI假設(shè)”。
在一個用數(shù)字助理和算法擊敗圍棋世界冠軍和魔獸世界2團隊的世界中,機器是否可以智能地行動這個問題似乎很愚蠢。在有限的一些環(huán)境中,例如醫(yī)學(xué)研究、圍棋、旅行等,我們已經(jīng)能夠構(gòu)建大量可發(fā)揮其智能作用的AI系統(tǒng)。大多數(shù)專家都認(rèn)為低性能AI絕對是可能的,但對于高性能AI仍然存在極大的懷疑。
機器可以思考嗎?
自從艾倫·圖靈在1950年發(fā)表著名論文《計算機與智能》以來,這些問題就一直困擾著計算機科學(xué)家和哲學(xué)家。當(dāng)大多數(shù)科學(xué)家甚至無法就思維的正式定義達(dá)成共識時,確定這個問題的答案似乎也不公平。
為了說明圍繞高性能AI假設(shè)的困惑,我們可以借鑒著名計算機科學(xué)家Edsger Dijkstra的幽默表達(dá)。他在1984年的一篇論文中將機器是否可以思考的問題與諸如“潛艇會游泳嗎?”或“飛機能飛嗎?”之類的問題進行了比較。
盡管這些問題看起來很相似,但大多數(shù)說英語的人都會同意,飛機實際上可以飛行,但潛艇不會游泳。這是為什么?這種比較的基本觀點是,如果沒有對思維的統(tǒng)一定義,那么對機器是否可以思考的癡迷似乎無關(guān)緊要。
在對高性能AI的主要反對意見中,從本質(zhì)上講,不可能確定機器是否能夠真正思考。該論證源于有史以來最著名的數(shù)學(xué)定理之一。
哥德爾不完全性定理
當(dāng)我們談?wù)摎v史上最偉大的數(shù)學(xué)理論對思維方式產(chǎn)生了廣泛的影響時,哥德爾的不完全性定理應(yīng)該有一席之地。
1931年,數(shù)學(xué)家?guī)鞝柼亍じ绲聽枺↘urt G?del)通過證明其著名的不完全性定理證明了演繹法的局限性。哥德爾定理指出了任何形式的可以進行算術(shù)運算的理論,但有真實的陳述在該理論內(nèi)沒有證據(jù)。
長期以來,不完全性定理一直被用作反對強人工智能的對象。該理論的支持者認(rèn)為,高性能AI主體將無法真正思考,因為它們受到不完全性定理的限制,而人類思維顯然不受限制。
該論點引發(fā)了很多爭議,許多高性能AI的從業(yè)者也拒絕接受它。高性能AI學(xué)派最常講的論點是,無法確定人類的思維是否服從于哥德爾定理,因為任何證據(jù)都需要形式化人類知識,而我們知道這是不可能的。
意識論證
在人們關(guān)于AI的激烈辯論中,我最喜歡的論點是意識。機器真的可以思考還是可以模擬思考?如果機器在將來能夠進行思考,這意味著它們將需要有意識(即意識其狀態(tài)和動作),因為意識是人類思維的基石。
對高性能AI的懷疑引發(fā)了各種爭論,包括經(jīng)典的數(shù)學(xué)理論(例如G?del的不完全性定理)到AI平臺的純粹技術(shù)局限性。然而,生物學(xué)、神經(jīng)科學(xué)和哲學(xué)的交集仍然是爭論的焦點,并且與人工智能系統(tǒng)的意識有關(guān)。
什么是意識?
關(guān)于意識有很多定義和爭論,這足以勸退多數(shù)人繼續(xù)追究其在AI系統(tǒng)中的作用的論點。意識的大多數(shù)定義都涉及自我意識或?qū)嶓w了解其心理狀態(tài)的能力,但是,當(dāng)涉及到AI時,自我意識和精神狀態(tài)也沒有明確定義,因此我們就像飛速掉進兔子洞一樣,陷入了迷茫無措。
為了適用于AI,意識理論需要更加務(wù)實和技術(shù)化,并且要少一些哲學(xué)性。我最喜歡的遵循這些原則的意識定義來自物理學(xué)獎獲得者Michio Kaku,他是紐約大學(xué)理論物理教授,也是弦理論的創(chuàng)造者之一。
幾年前,Kaku博士提出了他所謂的“意識的時空理論”,將生物學(xué)和神經(jīng)科學(xué)等領(lǐng)域?qū)σ庾R的定義匯總在一起??◣觳┦吭谄淅碚撝袑σ庾R的定義如下:“意識是使用各種參數(shù)(例如溫度,空間,時間以及與他人有關(guān)的參數(shù))的多個反饋回路創(chuàng)建世界模型的過程,以實現(xiàn)目標(biāo)(例如尋找伴侶,食物,住所)?!?/p>
意識的時空定義直接適用于AI,因為它基于大腦創(chuàng)建世界模型的能力,不僅基于空間(如動物),還基于與時間的關(guān)系(向后和向前)。從這個角度來看,卡庫博士將人類意識定義為“一種意識形式,它可以創(chuàng)建世界模型,然后通過評估過去來模擬未來,從而及時地對其進行模擬。”換句話說,人類意識與我們對未來的計劃能力直接相關(guān)。
除了其核心定義外,意識的時空理論還包括幾種意識類型:
級別0:包括行動不便的植物等生物,它們使用諸如溫度之類的少數(shù)參數(shù)創(chuàng)建其空間模型。
級別1:像爬行動物這樣的生物,它們活動并且具有神經(jīng)系統(tǒng)。這些生物使用更多其他參數(shù)來形成其空間模型。
級別2:諸如哺乳動物之類的生物不僅建立在空間基礎(chǔ)上,而且還建立在與他人有關(guān)的世界模型上。
級別3:了解時間關(guān)系并具有想象未來的獨特能力的人類。
AI系統(tǒng)有意識嗎?
意識是AI圈中最激烈的辯論主題之一。這里的AI意識,指的是AI能夠自我意識到其“心理狀態(tài)”的能力。前文介紹了一個由著名物理學(xué)家Michio Kaku博士率先提出的框架,用于從四個不同的層面評估意識。
在卡庫博士的理論中,0級意識描述了諸如植物之類的生物,它們根據(jù)諸如溫度之類的一些參數(shù)評估其真實性。爬行動物和昆蟲在使用包括空間在內(nèi)的新參數(shù)創(chuàng)建世界模型時表現(xiàn)出1級意識。2級意識涉及根據(jù)情感和與其他物種的關(guān)系創(chuàng)建世界模型。哺乳動物是與2級意識相關(guān)的主要種群。最后,我們可以根據(jù)涉及未來模擬的世界模型將人類意識歸于3級意識。
基于Kaku博士的意識框架,我們可以評估當(dāng)前一代AI技術(shù)的意識水平。大多數(shù)專家都認(rèn)為,當(dāng)今的AI代理可以分為1級或2級早期意識。將AI代理排名為1級涉及許多因素,包括流動性。
如今,許多AI代理已經(jīng)能夠?qū)崿F(xiàn)移動性并根據(jù)其周圍的空間開發(fā)其環(huán)境模型。但是,大多數(shù)AI代理在受限的環(huán)境之外進行操作都有很多困難。
空間評估并不是將AI代理置于1級意識的唯一因素。用于創(chuàng)建模型的反饋回路的數(shù)量是要考慮的另一個超重要因素。
讓我們以圖像分析為例。即使是最先進的視覺AI算法,也是使用相對少量的反饋回路來識別對象。如果我們將這些模型與認(rèn)知能力,昆蟲和爬行動物進行比較,它們似乎并不復(fù)雜。所以,是的,當(dāng)前的人工智能技術(shù)具有昆蟲的意識。
進入二級意識
一些AI技術(shù)已經(jīng)穩(wěn)定地展現(xiàn)出2級意識的特征,有幾個因素促成這一發(fā)展。人工智能技術(shù)正在獲得更高級的理解和模擬情緒,以及感知周圍的情緒反應(yīng)。
除了基于情感的AI技術(shù)發(fā)展外,AI代理在團體環(huán)境中的運行效率也越來越高,在團體環(huán)境中,他們需要相互協(xié)作或競爭才能生存。在某些情況下,小組合作甚至可以創(chuàng)造出新的認(rèn)知技能。具有2級意識的AI代理的最新案例,我們能想到DeepMind和OpenAI等公司的工作。
最近,DeepMind進行了一些實驗,其中需要AI代理住在資源有限的環(huán)境中。當(dāng)資源豐富和貧瘠時,人工智能代理表現(xiàn)出不同的行為。由于代理需要相互交互,因此行為發(fā)生了變化。
在最近的OpenAI模擬實驗中也能找到一個有趣的示例,在該實驗中,AI代理能夠使用少量符號創(chuàng)建自己的語言,以便更好地在其環(huán)境中共存。
主流的AI解決方案仍處于早期階段,但提高AI代理的意識水平是當(dāng)前AI技術(shù)堆棧中最重要的目標(biāo)之一,2級意識是下一個研究領(lǐng)域。
升至三級意識
目前,人工智能系統(tǒng)中的三級意識仍是一個活躍的辯論主題。但是,最近的系統(tǒng)(例如OpenAI Five或DeepMind Quake III)已經(jīng)清楚地顯示了AI代理進行長期計劃和協(xié)作的能力,因此我們可能不日實現(xiàn)這個目標(biāo)。
AI系統(tǒng)有意識嗎?我的答案是肯定的。將Kaku博士的時空意識理論應(yīng)用到AI系統(tǒng)中,很明顯AI代理可以表現(xiàn)出一些基本的意識形式??紤]到當(dāng)前AI技術(shù)的能力,我將AI代理的意識置于I級(爬行動物)或II級基本水平。
至于三級,雖然距離尚遠(yuǎn),但我認(rèn)為這絕不是天方夜譚。
責(zé)編AJX
-
AI
+關(guān)注
關(guān)注
88文章
35041瀏覽量
279102 -
人工智能
+關(guān)注
關(guān)注
1806文章
48987瀏覽量
249067 -
機器
+關(guān)注
關(guān)注
0文章
790瀏覽量
41243
發(fā)布評論請先 登錄
**【技術(shù)干貨】Nordic nRF54系列芯片:傳感器數(shù)據(jù)采集與AI機器學(xué)習(xí)的完美結(jié)合**
啟明智顯AI服務(wù)機器人解決方案:智能硬件方案的佼佼者

是否可以使用OpenVINO?部署管理器在部署機器上運行Python應(yīng)用程序?
AI機器人運動控制方案

DLP160CP DMD是否可以應(yīng)用于機器視覺應(yīng)用?
伺服電動缸在人形機器人中的應(yīng)用
【「具身智能機器人系統(tǒng)」閱讀體驗】+初品的體驗
《具身智能機器人系統(tǒng)》第1-6章閱讀心得之具身智能機器人系統(tǒng)背景知識與基礎(chǔ)模塊
名單公布!【書籍評測活動NO.51】具身智能機器人系統(tǒng) | 了解AI的下一個浪潮!
AI高性能計算平臺是什么
使用機器學(xué)習(xí)和NVIDIA Jetson邊緣AI和機器人平臺打造機器人導(dǎo)盲犬
AI大模型與傳統(tǒng)機器學(xué)習(xí)的區(qū)別
AI激發(fā)機器人市場,線纜行業(yè)將迎新發(fā)展前景

RISC-V如何支持不同的AI和機器學(xué)習(xí)框架和庫?
AI引擎機器學(xué)習(xí)陣列指南

評論