怎样让机器有人类思维

timg.jpg
章节一

今天,看到这样一篇文章《数学说:机器人永远不会拥有人类思维》,而他的论据竟然是美国威斯康星大学的研究者Giulio Tononi说,“要获得意识,机器人首先得拥有将信息综合的能力。他举了一个生动的例子:当看到一个绿色长方形的时候,人脑只会想到这是一个整体,不会将它拆解为‘无色的形状+绿色的区域’两大块。只要人工智能一天没有这种感性的综合能力,它就一天不能够获得人类那样的意识。”
把这句话作为决定性的论据,来论证数学观点“机器人永远不会拥有人类思维”,我觉得是有些不太合适。
今天,我就说说我眼里的人工智能。
纵观人工智能的发展历程,从最初的算盘,到电子计算器,再到计算机的出现,人工智能才逐渐浮出水面。此后便出现各种交互式系统、各种各样的交互式应用等等,有了象棋软件、有了身临其境的游戏体验,再有了如今的无人飞机、无人汽车等。人工智能给我们带来了很多奇迹,但是也让我们产生了担忧。
首先,说说人工智能可能带来的危害。人工智能未来肯定会带来道德上、法律上的一些问题,这是必然的。目前,计算机的普及已经让我们从繁重的工作中稍微解脱了出来,同时也是出现了一些危害,一些人整天沉迷于游戏,也出现了一系列的网络违法犯罪事件。面对这些危害,我们也寻找着各种方法进行控制。一定程度上,人工智能和刀具、火、炸药、枪、大炮、石油、天然气、原子弹等等,这些早已在人类历史上揭开文明历程的事物一样,它们的出现也曾让人们担忧,但最后都改变了世界。刀,多么可怕的东西,碰一下就会流血;火,多么有杀伤力,一不小心就会烧尽整片森林;炸药,多么恐怖的东西,分分钟会爆炸的东西;……等等,在人类发展历程来看,面对新事物,我们应该学会运用和控制。接受新事物是需要勇气。而不管你是否有勇气,新事物总会诞生。
回到人工智能的发展历程。为什么我要把算盘列在人工智能的历程呢?算盘的计算处理方法,某种程度上也给计算器的计算方法提供了参考。是人类脱离记忆计算、,开始大规模处理计算的得第一步。发展直到到谷歌的无人汽车,其原理是通过CPU计算、数据存储调用分析等来实现的,而这些都是从最原始的01代码运算而来。联系算盘和无人汽车,人工智能的发展其实只是迈进了一小步。算盘,只是让我们解放了大脑的记忆功能,大脑在计算过程中因为要通过简单的1+1来逻辑相加,而算盘使我们不用再去记住相加的值,只需通过算盘上的珠子来存储记忆即可。而到了无人汽车这一步,我们也仅仅是释放了大脑的另一部分功能,那就是考虑该怎么计算,而其实它的很多指令还是通过人为控制的。计算机获得信息综合的能力,首先需要的是众多的传感器,其次需要的是传感器数据的综合分析,而这两步都已实现,只是在不断地完善。就从这个发展进程来看,计算机下一个要解决的问题,应该是可以自主地建立考虑问题的方法。或许这将是漫长的一步。
信息存储、信息处理这两个问题已经解决。从这个角度上说,“可以自主地建立考虑问题的方法”才是人工智能的核心。
而现在,我们先假设计算机可以自主地建立考虑问题的方法。那么会面临众多的问题?
计算机可以自主地建立考虑问题的方法,或许是很简单的一条规则,或许是稍显复杂的多条基本规则,也或许是像人类DNA遗传一般N条基本规则。但是我相信,“自主地建立考虑问题的方法”,这会是一个不需要太多信息,只需要相应结构的一个处理体系。也许它可以简单地实现。
如果有这个处理体系,计算机看到的事物,根本不需要我们在代码里这样写——“正在移动过来的东西,他的形状是什么,他的构成是什么,它的移动方式是什么,他的颜色是什么,通过传感器得到这些数据,进而分析判断这是什么东西。”,而应该是这样,计算机不知道这是什么东西,但是会试探,会分析,会研究,然后得到它是什么样的一个东西,或者也可以通过别人的介绍,这是什么东西,会做什么等等。这样它就会知道这是什么东西。这也就和我们人类的认识一样。或许它的理解有错误,或许它的理解不完整,但是这样就建立了它自己的认知。
当然,这个体系也应该有一个处理高效的机制。毕竟每个场合每个状态下,都会有众多的信息,我们不能因为信息不重要就对它屏蔽。这就像我们日常生活中,虽然针对每一件事我们都有明确目标,但往往都是个别细节决定了成败。因此,我们需要高效的机制,这样的机制是从相关性考虑。比如面对一个复杂的图片,我们知道我们看图片是干什么,只看主体,背影我们可以给它一个“建筑”或是“景色”的概括。当然,仅仅这样是不够的。因为,太过于专注也会让我们失去很多学习和了解信息的过程。怎么样来解决这个问题呢?
这个问题,或许也可以这么理解。不同的人工智能计算机会有不同领域的专长。它们考虑问题的角度、方面会因为计算机学习事物过程的不同而不同。它们处理当下信息的角度、方式也会有所不同,这也是它能较快处理信息的依据。也就是这个处理高效的机制,也就会涉及到“自主地建立考虑问题的方法”这个处理体系上。怎样让计算机在学习的同时,也可以处理问题?怎样让不同的状态计算机有不同的处理能力?怎样让计算机在不同场合不同情况下做出最适宜的处理行为?而且处理需要高效?
状态,让计算机加载当前状态(类似于计算机的运存机制)。也就是说计算机在处理问题前,会加载很多前提条件,会加载当前情况下的众多共识。这又该怎么理解呢?比如,你与计算机的对话,你问他,他叫什么,问他是否可以与你聊天,可以聊一些相互知道的话题。这是一种交流。交流的时候,我们会有交流的前提条件,我问计算机喜欢我吗?这虽然是一个喜欢和不喜欢的简单答案,但是它隐藏着很多前提条件。比如我是计算机,我会回忆调用我们之前的一些对话,对这人进行一个简单的评价。比如默认回答是“这人说话很痛快,我喜欢。”,这时,我或许还会问,你喜欢我什么吗?或者问它为什么喜欢等等。交流需要有连贯性,连贯需要一些共识来支撑。这样,计算机就能跨越考虑这个人喜欢不喜欢,我要分析它的所有信息。当然,针对于某一天,某个地方,计算机对事物的处理也应该有加载信息。而这些加载信息,我们也可以根据加载的信息,来使计算机有自己的情绪(喜怒哀乐)。让计算机自主地建立考虑问题的方法,并能够了解到当下的情况,难免计算机需要考虑自己的处境,自己的状态。因此,能否“自主地建立考虑问题的方法”,有时候可能会失败,这样就会有烦恼,寻找其他途径等等。或许计算机建立了处理问题的方法,正在执行,执行完成之后,他会建立一种兴奋感,或者荣誉感。同时执行过程中被人打断,它就会产生不愉快。(当然是否该有这样的表现或情绪,这与处理问题的优先,以及允许失败的次数等等有关。情绪的必要性也许这也和人类的优越感等等有冲突。暂不考虑。)
这样,计算机也就有了自己的情绪,甚至是意识。
也就是说,在我的认识里,“让机器有人类思维”是可行的。或许在未来真的有机器和人类的矛盾。或许我们也可以回顾整个历史,我们发明了语言,发明了文字,发明了刀,发明了手机,发明了汽车,发明了手机,它们是否也曾统治了我们?我只是想说,在人类历史中,我们人类最大的敌人是自己,我们的假想敌也都是子虚乌有的。如果害怕机器人的出现,是不是代表着我们人类不想进步。或许未来的发展,会使我们依赖于我们发明的东西,也许等我们发展越来越先进的时候,我们将进化的更为脆弱。
再回到人工智能。它能不能实现,受制于我们以定向思维的传感器,我们的脚步或许更慢了。或许看到一个东西我们可以用其他传感器,听到声音不是用麦克风,说出话不是用音箱等等,或许我们的技术会更快一步。当然我也不是否认这些。我只想告诉大家,解决任何问题,我们要试着逃出我们的共识,来思考问题,多做一些哲学思考,改变一下考虑问题的角度,或许问题就能迎刃而解。
待续,由于时间有限,暂时讨论到此。稍后我会说说我设想的实现人工智能的可行方法。

timg (1).jpg
章节二

要解决“让机器有人类思维”这个问题,首先我们必须先弄清楚两个问题:①用什么样的机器来满足实现人类思维的前提;②人类思维究竟是怎样的运行机制。
第一个问题,考验的是我们的硬件技术水平。我们需要弄清楚,我们凭什么说机器有可能拥有人类思维。这,我们还需要回顾历史,人类发展历程中出现过很多伟大的构想,虽然当时无限渺茫,当我们通过一代人又一代人的不断探索和努力,最终实现当初我们幻想的未来,但是实现方式却略有不同。我们曾想象着我们能够拥有千里眼顺风耳、金刚不坏长生不老的身体、以及隐身术分身术等等,也曾幻想着天空翱翔日行万里、预测未来无所不知、以及呼风唤雨无所不能。我们不能否定这些东西我们都没能实现,只是我们实现了,回首方才发现,我们依旧这么脆弱这么渺小,真正的实现并不是从里向外的,而是从外向里的。要实现我们的构想,我们依靠的不是一个人的力量,而是大家的力量,甚至是依靠前人的不断努力。同样,我们让机器拥有人类思维的构想也不是无中生有的。或许很多年前,这个构想看起来是多么可笑。当然,也或许被看来是那么easy。不同时代不同的技术难题,也有着不同的看问题的角度。我也就不举例子了。我们之所以有这样的认为,或许是因为我们的技术和硬件发展越来越接近这样的可能。我们有着十分牛逼的象棋软件,已经战胜了曾经的象棋冠军。我们有着很宏伟的网络世界,上面有着各种各样的奇思妙想。我们甚至造出了可以自主移动,并处理问题的机器人。或许我们的技术还相对较弱,但组合这众多的已实现技术,我们相信只要较好的结合这些技术,在不远的将来,机器不但可以向人类一样思维,甚至能像人类一样生活。是的,我们或许都曾这么幻想过。我们拥有最先进的镜头和摄像机,它们可以区分景深、区分色彩的处理影像,甚至比人类的眼睛还要略胜一筹。我们也拥有先进的录音和声音解析系统,凭借它们我们甚至听见了我们不曾想到的东西。我们也有着在社会体系分工不同的各类机器,它们让我们实现了各种各样的便利和可能,他们可以实现各种各样的机械运动、负责运动、还有我们梦寐以求的力大无穷、迅速移动、远程控制等等。人类思维接受信息主要是眼睛、鼻子、耳朵、皮肤等,这是对不同信息的采集,虽然我们只能实现相应的一部分,当然我们也可以通过这部分信息来分析事务。人类反馈信息,主要是通过嘴巴、手、脚等东西来实现对事务的震动、移动和改变,这部分已经可以完全实现。我们已经可以实现信息的采集和反馈,这时就要说说信息的综合处理。要说信息的处理,通过计算机的普及和发展,信息的计算机处理已经非常普遍,只是谈到信息的综合处理,计算机总是有着或多或少的缺陷,甚至处理机制和效率相对都太不健全。说了这么多,也就是说目前机器已经具备了信息的采集、处理和反馈等功能(比如扫地机器人、电子开关门等等),虽然功能相对较少,但是已经实现。那么我们还有什么理由说机器不能实现人类思维。或许信息的处理量和运算复杂度与人类相比较少,但或多或少已达到某种程度。或许,能真正实现人类的什么世界观、价值观等才能算是人类思维。当然这就要说到了人类思维的根本。
第二个问题,反映的人类文明的发展水平。人类思维,是通过接受外部信息,建立自己的信息处理系统,然后完成信息的反馈。人类建立自己的信息处理系统,它是基于自己的主观建立的一个相对的世界。这个世界里(也就是世界观吧),所有的事物都是通过相应的规律来建立起不同的联系,像蜘蛛网一般网结成一个规则分明的世界。在这个世界里,会划分已知和未知,已知的事物我们会定义它的类型,并且迅速得出相应的事物相关项,并画上句号;而对于未知事物,会唤起我们的好奇心和恐惧,好奇心是为了接受新事物而不断要求自己探索,恐惧是因为对未知事物可能带来威胁的一种谨慎。当然对事物的认识,可能存在千万种程度和状态,就是说一个事物我们了解的程度,可能了解一点点,只给它定了个性;也有可能了解了大概,对他的各种情况都能有简单的了解;也有可能了解较多,能够做出相应的预测;也有可能了解很细,知道他各种情况的根本;也有可能了解完善,知道他的各种情况。每个事物不同年代的认识也是不一样的。所以这就造成了事物的了解程度,可能有千千万万种。这同时也是对好奇心和恐惧的抑制。所以说,人类信息处理机制,首先对了解事物程度的划分,我们首先要解决一个问题,机器人如果有人类思维,它所做出的判断结果可能会发生错误,我们要允许错误,同时这个错误也必须能够控制。这或许和人一样,人也会犯错,但机器的犯错需要能够控制。另外,怎样处理信息的采集机制,不光涉及上边的信息统筹(了解程度)的采集,也要涉及当下状态的实时采集过程。对人类来说,每一个状态可能都伴随着各种各样的任务,而且各个任务都有其任务进程,怎么有效地对其进行控制,不仅仅是通过任务优先性执行,也应该有其选择和放弃。作为人,烦恼是可以的,但是死机了,这可能是不行的。我们必须时刻都要对当前的信息采集机制,这与任务进程相关,但也要独立运行。采集信息,同样我们也要有取舍。假设我们采集信息,通过眼睛、耳朵、皮肤等器官采集信息,首先采集的信息我们要怎么处理,我想绝对不是if判断,判断他有用没用。首先我们的当前状态先调用目前环境的相关值,比如我站在一个路口,我来过这个路口,我可能就会调用信息,建立立体的、多参数甚至包含当时触觉、味觉、喜欢的东西、经过的人等等一个环境世界。这是我采集信息,如果与之前无变化的,我会跳过,并加深记忆,发生变化的我则采用变化机制的处理,而对于其他事物,该注意什么该忽略什么该怎样看待处理等等,再一次进行时它会使又一次的验证,及是经验的总结和事物的学习。这样一来,我们就可以进行事物的学习,经验的总结,甚至是机器能够达到人类思维。
这就是这么两个先要解决的问题。
理论上是可行的,这就要说到实际。实际和理论的矛盾,也就是我们所说的前两个问题矛盾。单因素考虑或许可行,是因为我们忽略了相关实现的具体办法,我们要让它在实际中可行,解决的问题,就是两个问题各因素的对接。如果可以完全对接,那说明机器就可以像人类一样学习和思考。如果对接之中,存在了某一方面或多问题的对接存在技术短板,这就类如我们科技发展一样,总有一样意想不到的细节短板制约着可以的突飞猛进。当然这些短板,也存在着可解决、短时间解决、长时间解决、不能解决等情况,客观也会存在各种观点。这就要求我们去解决。
我之所以要把这个理论到实际说的这么清晰,是因为机器实现人类思维中另一主要问题。面对一个问题,目前计算机解决,需要对其各参数进行相对固定的定义,而且需要考虑各种可能发生的情况。为什么呢?是因为我们要实现一个方案,可行性确定,但实际执行或存在各方面的bug。而修正bug对每个程序员来说都是个头大的事。假设计算机自己制定了某一个方案,现在需要实际执行,遇到某一个问题,它都能找到相应的解决办法,这样想了相对bug可能就不再存在了。在遇到方案的更新时,可能还会存在一些问题,如果计算机都能自己解决,我相信这将是一个历史性的跨越。而这个问题就是理论和实际的对接。
理论和实际的对接,说得大一点或许可以是目前技术、硬件与人类思维体系的各问题对接,说得小一些就是我们小学应用题中已知条件和结果的对接。因此兼顾效率、准确性等实现问题的对接,我称之为联系对应,解决一个问题会有双向运行机制,即逆向运算和正向运算,最终问题的解决会缩小到某一小问题的对应,也就是说这个处理问题的方式中不涉及大量的运算,只会涉及大量的对应。好了,下一篇详细介绍。

timg (2).jpg
章节三

上节我们提到了“让机器像我们一样学习和思考”的可能性,以及提到机器实现人类思考的一个主要问题——大量信息处理机制,也就是上节设想的联系对应。
大量的信息,通过分析得到结果。或许还谈不上大数据,但是作为一个社会微观的个体“人”,其实时时刻刻我们也面对着大数据的处理。每分每秒,我们通过视觉、听觉、味觉、触觉等等感官器官收集着这个世界的各种信息,或许我们的大脑过滤了无用的信息,只记录了重要的信息。但潜意识或许我们也分析着无用信息。
所以,人工智能和大数据或许都面临着同样的数据处理机制问题,其中涉及信息的采集维度、信息的存储方式、以及信息的归纳分析机制。
首先,信息的采集维度说的是面对多变的现实情况,我们要怎样采集信息。说得玄奥一点,信息到底是什么形式的。或许你会说,信息不就是数据嘛。也许可以这么理解,但是数据永远都是信息的一种简化处理。信息,针对每一件事都是原始的,比如看见一个苹果,在信息的范畴你就不能说它是一个苹果,因为说它是一个苹果,我们还必须弄清楚它为什么是一个苹果、而苹果又是什么等等问题。所以说对信息的采集上来说,我们不能因为它是苹果而忽略其他信息。我们的采集方式应该是多维度,维度到底多到什么程度呢?那就要看我能采集到什么程度。我们可以通过这样一个方式来判断它是苹果。假如我看见一个东西,它有各种信息,比如有水果的形状,有光滑的外皮,有着青到红过度的过度颜色,有果香的味道,等等信息。这些信息与苹果的信息相符,我们就可以知道它是苹果,当然有时候它也会使一幅画,或是一个模型,我们都要能够区分开来。或许这涉及到了,信息的最原始状态,抛却人类对各类信息的加工,我们对信息的采集方式,或许才是信息最全面的采集方式。要实现信息最原始的采集方式,或许这才是人工智能的起航之地。我们站在人类文明的高峰,想象着我们人类能够直接创造出拥有同等文明的人工智能,显然是有些好高骛远了。首先我们要解决的问题是通过视觉、听觉、触觉、味觉等等信息融会贯通后建立的微妙世界是什么样的,我不能说它是个三维世界,或许它不止五维、六维,我只能用一个词回答,它是一个未知体系。我们信息的采集必然是通过最原始的信息,如若不然,即使机器拥有人类思维,等到信息的变革,机器必然会成为社会的旧思想而被淘汰,或者说它只有定向思维,而根本经不起细化的信息沟通以致崩溃。
信息的采集,可以采用各种各样的传感器,采集的方式或许也可以是多种多样。但是采集信息的存放,必然是一个思考问题快慢的关建,当然存放信息的载体,也是一个很重要的关键技术。
目前信息存储,由符号到文字,再由文字到计算机的01代码,存储方式也在底层发生着变化,但是我们目前的存储介质,实现上或许还是以01代码为主。通过01代码,我们实现了声音、影像、文字等信息的存储。但是信息的全方位存储,可能在01代码存储的目前,可能是一个很大的数据。首先是视觉信息,视觉信息人类可以从中提取物体、事物、以及物体的延伸含义等等信息,每时每刻都会有信息变化,存储起来可以说类似视频。那视频的分辨率、视频中物体的相关信息呢,又该怎样存储。我们不能不说视频信息过于庞大,而且将二维的图像扩展到三维立体图像,甚至是四维、五维(假如气味、声音、触感等等),那样数据的庞大性是目前技术很难实现的。而且也涉及信息的调用、分析,将会使我们的目标人工智能更加遥远。所以我们必须改变存储方式,人类的存储介质是大脑皮层,我们知道大脑皮层上面密密麻麻地分布着大约140亿个神经细胞,在这些神经细胞的周围还有1000多亿个胶质细胞,这些构成了信息的存储系统。类似于01代码,信息的辨认和存储依然也会是通过标记、修正、归纳,以此使得复杂的信息能够存储下来。目前大脑存储和机器存储有一个最显著的特征,人脑的信息存储基本上都是抽象存储的(这个可以从很多记忆法学习中得到实证),而机器的储存基本上都是数据化存储(即将原始信息通过某种或者几种特征对信息数据化,然后通过01代码存储于存储介质)。两者的最大区别就是人脑存储主要是通过事物的行为轨迹、不出现具体时间标记,跨越式的存储,将复杂的原始信息简单的储存,但同时具有事物的相关性信息记录;机器存储即是通过固有传感器搜集信息,他可以根据传感器的特点针对性的采集一连串没有进行处理的原始数据。当然或许我们也可以从后者提取前者的信息。或许我们可以这样设想,传感器类似于器官,它是采集信息的工具,但是数据的存储会经过大脑(处理器)的分析,然后通过简化压缩,然后存储。如此就可以实现信息的采集和存储。当然还要面对一个问题,信息的存储结构。
接下来,我们就详细地探讨一下信息的存储结构。
目前,信息存储首先我们想到的可能是文字化的存储结构。当然我们必须要跨越它,想好些年前,不识字,人们也可存储信息,记忆事物。那么信息存储会是影像化的吗?那又会是几维影像呢?试想,我们对影像进行主体和背景的分离,并对主体进行相关性的联系、联想,这样存储的对象我们就能判断它是什么东西,以此文字化的处理,我们就能完成人类与机器的交流。或许这可以通过把物体分为动物和静物来分析,固定的物体我们可以通过虚拟补全法来完善,形成立体的影响,这样我们就可以通过不同的角度来辨认事物。这又该怎么理解呢?通过视觉,大部分情况我们看见的东西都是事物的一面,比如一个人站在了一个东西后面,只能看见头和脚,我们便会默认东西后面的就是他的身体。也就是说,我们可以对摄像头采集的信息,首先进行物体相关信息的补全(假设我们看到的一张图是没有目的性的),假如我看到了一棵树,虽然只有一面,我就可以给他建立3d的模型,已知的部分我们通过计算填充绿色,未知的部分我可以用未知色(使用对称原则和假设原则)补充,然后对这棵树以已知定义。这样计算机看到维纳斯的雕像,也会幻想维纳斯有一双怎样的手,会是怎样的摆法,或是怎样的纤美。另外说到对已知事物和未知事物的处理,假设依然是一棵树,计算机是第一次看到,已知部分可以建立模型,但未知部分采用对称原则和假设原则补充,随着他的进一步了解发现这两个原则并不适用,这样我们可以对这棵树进行神秘未知的划分,激发好奇心,去探索补全未知部分的补全原则。这样计算机也就会懂得学习。对人类的记忆、回忆我们目前的探索还有限,我也不能妄自下结论。所以还使用假设来说。假设人类的思考问题的过程,面对一个问题,我们通过大脑皮层的映射,建立一个无边无际的虚拟空间,根据问题的已知条件、利用默认的共识填充这个空间的事物、然后通过假设原则建立起透明的每一部分都了然的虚拟空间,然后依据问题提到的事物变化或者动词、判断词,对虚拟空间的事物进行模拟运行,并通过模拟运行得到问题的答案。比如回答你是谁的问题,我此刻坐在办公室看着电脑工作,提问我的人是想了解我的工作,我的回答会是我是数据研究员;当我走在大街上,一个陌生人问我,我不清楚他有什么样的目的,我的回答会是,我是路人而已。当然由于我们的信息缺少量级的划分,如果给计算机也去掉量级划分,我相信计算机的抽象概念或许对我们人类来说也是一种学习。回到存储结构,我们假设可以这样分级处理:传感器得到的影像,补全的主体事物,事物的相关轨迹,文字的描述。假设有这么几个存储过程,我们将每个过程的信息都存储下来,随着我们主观目的的改变,对信息再采用过程分级的弱化,即摒弃无用的信息。因此,当有文字时,也可以通过文字建立主体事物,相关补全信息,以及事物的发展轨迹,从而也能够更好的理解文字。这个也就不得不提及什么样的情况才算是理解文字。我脑海里一直有一个印象特别深刻的场景,是一个老师和学生的对话,老师只是说了这么几个词“黑板,粉笔,姓名!”我相信很多人都能明白他的意思,就是让学生到黑板前,用粉笔在黑板上写出自己的名字。我当时对这句话(原文为英语)印象深刻,是因为我忽然间明白了,英语的学习,太多的情况是依赖情景。后期我也逐渐明白,我们对事物进行标记,再对事物的轨迹、时间描述等等才建立起来了我们的语言。假如是计算机理解这句话,黑板、粉笔、姓名、黑板,老师默认的意思就是让其走上黑板,当然走上黑板干什么呢?粉笔?粉笔能干什么呢?可以写字,可以在黑板上写字,这也是老师让其走上黑板的原因,但是写什么字呢?姓名?那就是在黑板上用粉笔写出名字,而写上谁的名字呢?所以这就又回到对话之前的情景,根据情景的针对性,我们便可以知道,老师让其写的名字是谁的名字,有可能是自己的,也有可能是哪个历史人物的。也就是说简单的几个词,我们必须有其当下的情景,而这个情景针对于某一个主体,而情景相对会建立虚拟空间,就类似之前说的会补全信息的虚拟现实。这样机器就可以根据简单的文字进行相应的行为、甚至判断、分析、回答等等。
因此这个存储结构,要完成这么几件事。一是传感器采集信息时,它能通过信息调用,在运存(或者其他运行介质)中建立虚拟现实,即拥有事物的标记,分类,事物的透视化信息,以及事物之间的关系等等,甚至事物运行的预测轨迹、事情的发展可能性等等。因为涉及的信息较多,需要高效的调用机制。二是信息的存储形式。我之前一直想,如果计算机是在汉语基础上实现的,想必汉语拟物化的设置,可能实现人工智能更能容易一些。信息的存储形式,根据信息的分级,比如就如上文中提到的分级,会有四级信息的存储形式,第一级的影像和最后一级的文字,我们可以通过视频和文字处理,但是补全信息的主体事物,也就是在视频的基础上加上视频中每一件事物的“全貌”,再到事物的相关轨迹,我们又该怎样存储。或许我们可以通过图表来建立事物的相关性,联系性等。当然也可以不需要这一步,通过信息的大量分析直接跨越这一步,或许可行,但是考虑的处理数据的负荷,我更偏重于认为前者更容易实现,而且易于解决后期的其他问题。
接下来是信息的分析归纳机制,这和存储形式是相互依存的。信息的归纳分析机制某种程度上决定了信息的存储结构。信息的归纳分析机制其实涉及的是建立自我意识的世界观,即是通过对上文中采集的影像信息中的主体进行分类,对事物运行规律的掌握。比如,由快速行驶的汽车骤然停止,会有惯性缓冲,我们会知道各种物体运动停止都会有惯性缓冲。虽然我们建立这样的世界观,是通过物理课程和实践得到的理论,但是我们自身本来也会对事物进行潜移默化的归类和分析,某种程度物理课程的学习,只是帮助我们对其定义,并定向的研究分析。也就是说,不通过学习,大脑本身就具有一定的信息归类和分析。因此我们需要建立一种高效且可行的或许也更具智慧的信息归类分类机制。这让我首先想到的是举一反三。这是我们学习所要实现的目的,即使提取事物发生的过程,以此把事物主体设定为变量,或者把事物发生过程设为变量,让其在运行一遍,我们这侦测结果。或许这就像我们的做实验一样。似乎这又回到了程序代码,程序代码实现的就是众多变量的处理、分析。从这一点上我们或许可以设想,代码就可以实现信息的归类和分析。所以我们要建立的信息归纳分析机制,需要在存储形式的基础上,偏向补全信息的主体事物,通过分级归纳,通过个例统筹到整体,再由整体得出普适规律,而普适规律又映射到各种科类,最终得到更深层次、更普遍通用的规律,从而使事物得以认知。这里面各种映射的规律,还需要设定无限级,以便能够了解事物的方方面面。某种程度上,每一个机器思维都会差异,成就了其很大难度的复制性。或许这就是人类的思维体系,我们有时候甚至都不知道,其实我们明摆着很多的道理,而有时候直觉会是那么地准确。
从信息的采集,到信息的归纳分析,或许每一步我们都能看到一个人类思维的一个未知性。这就是我所要提到的未知体系。未知体系,从采集信息开始,虽然我们受着主观思想的引导,但是我们从思维底层或许根本就没有明白的概念,通过事物之间的联系,建立起未知事物的联系体系,从而明白事物的规律,而事物的联系、事物的规律依然没有绝对性,只是相对的映射。那么一切都是未知,主观思想又在哪里?这就要说到未知体系的另一个概念,相心。相心,这是未知体系确定思索方向的依据,我们认识很多事物,都是从自我主观上认知。也就是说,我们认识任何东西都是围绕相心展开的,我们要认识一个苹果,我们的相心就是苹果,那么我们自己又在哪里呢?或许我们可以是苹果,或许我们可以围绕着苹果转一圈,也可以没有我,有的是其他水果,无限延伸全是水果,一个全是水果的世界。这就像看电影,看电视剧一样,我们要看懂,我们会建立一个相心,主人公或者其他人物,然后展开事物的联系对应,从而明白这是个什么事。当然对相心的理解,很多情况下,或者说有的人会把电影的相心和现实生活主观相心的自己重叠去加深理解,有的人会时时刻刻建立对比系统,用电影相心和现实相心展开事物联系对比,假设自己处于相对处境的反应,等等。我们明白大脑思维不是人独有的,动物也有,我们之所以说自己是高等动物,是因为我们有智慧,有完善的社会体系,有广泛的交流,有文字、有书籍、有计算机等先进工具。我们之所以统治着地球,是因为我们的智慧覆盖了地球的各个地方和领域。但对于动物来说,他们所了解的往往是局部的、对于外界受未知威胁的恐惧迫使我们止步。这个怎么理解呢?就如外星生命、机器人、克隆等等一样,我们面对威胁大部分停止脚步,但针对个体,他就是不去接受。在人类面前,承受后果的是更多的人,是个体承受威胁减弱,但对个体而言,是完全威胁。所以他往往会采取退步。假设人类思维是有上述的信息处理系统,通过相心映射未知体系理解事物,并建立更高级的事物规律,逐渐形成的普适规律也体现着心智的成熟度。或许这就可以解释思维的发展过程,以及狼孩融入社会的难度。
总而言之,回到人工智能,我们作为地球智慧文明的顶级,下到动物、植物、微生物等等他们都有着自主的运动和对外界的反应,虽然没有到达语言的智慧程度。但是从中我们可以猜测,人工智能或许需要经历这样的一个过程,人工智能的基本体系相对来说不是非常大的,或许会非常的简洁;但从基本体系到人类智慧的程度,可能需要外界的反应机制、自我认知、能够完成简单的交流、建立语言体系等。人类的文明进程,往往依靠的是撼动底层的默认规律,人工智能的思维体系以及人工智能的发展进程也必然是底层的一个自我认知和了解,才能够得到开启文明进程的钥匙。

发表评论
加载中...
    1. 不暇   2019-06-13 16:14

      相当详细的一篇文章,细致得有些过分了。说实话对于人工智能这些的了解一直都不怎么全面,没有想到还是会有懂行的在后台投稿,总之很赞,用极为丰富的论点说明了人工智能的见解!

相关文章