《全球脑》02/人工智能的发展

机器人第零定律

机器人不得伤害人类整体,或袖手旁观坐视人类整体受到伤害。

机器人三定律

第一定律 机器人不得伤害人,或任人受到伤害而无所作为;

第二定律 机器人应服从人的一切命令,但命令与第一定律相抵触时例外;

第三定律 机器人必须保护自己的存在,但不得与第一、第二定律相抵触。
——美国科幻作家艾萨克·阿西莫夫

在地球上,人类曾经是主要的信息处理者。不仅如此,在过去,人类还发明了一些信息处理工具,例如算盘和计算尺,等等,来帮助人类处理信息。之后,随着人类社会的发展,需要处理的信息变得越来越多,其总量会以指数级增长。我们需要不断加快信息处理的速度,以满足这种需求。等到了20世纪的时候,信息增长的速度不断加快,甚至发生了爆炸式增长。其结果是,无论是股票交易还是国家经济统计,都需要处理海量的信息。之后,为了满足不断增长的需求,人类发明了更多的信息处理工具。毫无疑问,在这些工具中,真正让我们感受到了强大信息处理能力的则是计算机。下面,就让我们了解一下计算机的发展过程。

我们知道,早期的计算机通常是个庞然大物,而且价格也极为昂贵。之后,随着技术的发展,计算机逐渐小型化,同时价格也不断降低。最后,计算机以个人电脑的形式遍布世界。不仅如此,它还以智能手机的形式出现在我们的手中。与此同时,还出现了超级计算机。这种计算机主要应用于需要较高信息处理速度的特殊领域,例如天气预报和物理学研究。我们看到,多年以来,计算机就像摩尔定律(集成电路上可容纳的晶体管数目,约每隔18个月便会增加一倍,同时性能也将提升一倍)所预测的那样高速发展。不过,我们不要被计算机各种各样的现代化外表所迷惑,同时也不必过分地震惊于它的信息处理速度。相反,只有了解其真正的运作原理,才能看清它的真面目。下面,就让我们看看计算机究竟经历了哪些本质上的变化。

第一代 电子管计算机

第二代 晶体管计算机

第三代 集成电路计算机

第四代 大规模集成电路计算机

其他类型的计算机

  • 神经网络计算机
  • 生物分子计算机(例如DNA计算机)
  • 光子计算机
  • 量子计算机
  • 纳米计算机

在这些计算机中,第四代的大规模集成电路计算机最常用。我们之前提到的个人电脑、智能手机和超级计算机都属于这种类型。我们对它已非常熟悉。我们每天都会用它处理文字,欣赏音乐,或者是办理各种各样的事务。此外,在飞机、空调和工业机器人等设备中,则装备了嵌入式计算机。它们也属于第四代计算机,也就是大规模集成电路计算机。虽然第四代计算机用途广泛,但是它也有局限性。下面,为了认清其局限性,就让我们了解一下它的本质特征。

我们发现,早期的计算机其实是串行的。其特征是,无论处理器(CPU)的速度有多快,都是按照一定程序,由一个处理器单线索地处理信息。之后,为了提高性能,才设计了可以同时处理信息的并行计算机。

并行计算机配备了多个处理器,实现了同时处理信息。需要注意的是,在并行计算机中,多个处理器仅仅是分别处理分配到的数据。与此同时,处理器之间的通信仅仅是为了分配这些数据,并协调彼此的进度。事实上,这有点类似人口普查时的情形。在人口普查时,每个工作人员(相当于一个处理器)只统计所负责地区的数据。最后,所有的数据再汇总在一起以得出普查结果。这意味着,在人口普查的过程中没有任何的发明创造。同理,在并行计算机中,虽然多个处理器可以同时处理信息,但是也没有任何的发明创造(至少在处理器的层面上如此)。

相反,在人脑中,存在大量的神经元(每个神经元相当于一个处理器)。与此同时,神经元之间的相互作用也非常复杂(远比处理器之间的通信复杂)。其结果是,通过神经元之间的相互作用就可以产生智能。随之,发明和创造就自然而然地产生了。事实上,这有点类似科学研究时所发生的情况。在科学研究时,每位学者首先获得一定的专业知识。之后,学者之间通过交流就可以分享各自的观点,进而能够相互影响,能够在专业领域内获得一定的突破。

显然,无论是串行计算机还是并行计算机(计算机虽然看起来种类繁多,但在本质上却只有存储容量和执行速度的差别),与人脑的工作方式都不相同。确切地说,它们只是简单地模仿了人脑的工作方式,因而很难复制人脑的功能。不过,即便如此,在某些领域内,它们还是超越了人脑的能力。但是,正如协同学的创立者、德国物理学家赫尔曼·哈肯所强调的:“计算机在各种情况下的效率和本领,实际上不是依靠它自身的思考能力,而是依靠程序设计者的巧妙构思。”

事实上,人类智力的许多方面都是计算机无法模仿的。例如:

  • 当放映一部电影时,计算机无法理解其中的故事内容
  • 计算机不会为自己的将来做任何计划
  • 如果计算机面对一个普通人经常会遇到的那些问题,它将变得束手无策
  • 计算机不具有抽象思维能力,不可能完成构思小说这样的工作
  • 有的计算机可以朗读文章,但并不表示它有语言能力
  • 计算机不能提出有意义的问题,也无法综合具体场景来理解对方的话语
  • 在某些领域,计算机不具有人类的学习能力

另外,除了上面提到的这些,其他学者也指出了计算机的一些局限性。例如,哈肯就曾指出:“计算机不能(或几乎不能)处理含糊、含混以及诸如此类的问题。(不要与模糊逻辑相混淆,它实际上以意义明确的规则为基础!)”此外,肯·理查森也曾说过:“计算机论者的思维机器是多么的驯服如奴,它只适应于固定的环境要求,所以根本不是积极的智力。……用按照离散的符号和命题而行动的一级级的傻瓜处理器来比拟真正的智力(而不是人工智力)是于事无补的。”

虽然第四代计算机在模仿人的智力时存在不足之处,然而,一种新型的计算机却有希望克服这些缺点。它就是神经网络计算机。事实证明,神经网络计算机能够进一步模仿人的智力。不仅如此,在某些方面,它甚至还有可能超越人的智力。而神经网络计算机之所以能做到这一点,是因为它和第四代计算机的工作原理完全不同。这就说明,它们之间存在本质区别。

  据维基百科上介绍,“人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在这一模型中,大量的节点(或称‘神经元’,或‘单元’)之间相互联接构成网络,即‘神经网络’,以达到处理信息的目的。每个节点代表一种特定的输出函数,称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重。”

基于人工神经网络的理论模型,可以设计制造人工神经元以及人工神经网络计算机。简单来说,神经网络计算机的设计理念就是,通过模仿人脑中大量神经元并行处理信息的方式来模仿人类的智力。毫无疑问,这个全新的设计理念让人工智能专家看到了希望。

不过,糟糕的是,虽然神经网络计算机的设计参照了人脑的运作方式,但是它的发展也遇到了瓶颈:

  • 人脑拥有几百亿个神经元,而在一个神经网络计算机中,人工神经元的数量很难达到如此规模
  • 我们还无法完全理解人脑神经网络的运作方式
  • 人工神经元无法模仿人脑神经元的所有行为
  • 短时间内,神经网络计算机很难达到人类的智力水平
  • 即使有所提高,神经网络计算机也远不及全球脑的信息处理能力提高得快
  • 神经网络计算机缺乏人类自动循环发展的能力
  • 神经网络计算机没有长期可靠的运作方式
  • 人类出于保护自身的目的,即便掌握了超越人类智力的神经网络技术,也不会应用这种技术

至于其他类型的计算机,例如生物分子计算机、光子计算机、量子计算机,等等,也很难模仿人类的智力。这是因为,这些计算机的运作方式也和人脑不同。它们只不过是利用其他方法,例如通过改变处理器的结构或者是采用新的信息传递介质,有望提高现有的信息处理速度,而不是产生类似于人的智力。不过,即便如此,人工智能专家仍然对制造超越人类智力的智能机器抱有一线希望。随之,就产生了两种不同的观点:强人工智能和弱人工智能。

* * *

  据维基百科上介绍,“强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器,并且,这样的机器能被认为是有知觉的,有自我意识的。弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器,这些机器只不过看起来像是智能的,但是并不真正拥有智能,也不会有自主意识。”(略作修改)

显然,我们现在所研究出来的各种人工智能,都可归类为弱人工智能。而对于强人工智能的向往,则类似于另一种心情,即希望看清我们所处的宇宙的完整面目。毫无疑问,这源于人类强烈、执著的探索精神。另外我们发现,如果从系统角度来看,宇宙和人脑有一定的相似之处。现在,就让我们先来看一下宇宙的情况。

在宇宙中,存在固态、液态、气态等不同状态的物质。这些物质通过相互作用,就形成了地球。之后,地球、太阳、火星等天体之间相互作用,就形成了太阳系。与此同时,巨大数量的类似于太阳系的星系之间相互作用,则形成了银河系;而巨大数量的类似于银河系的星系之间相互作用,又最终形成了宇宙。简单来说,我们所见的广阔的宇宙,就是其各级子系统通过相互作用形成的。

和宇宙类似,我们期待模仿的人脑智力,也离不开大量神经元之间的相互作用,而每个神经元的功能则离不开同样数量级的原子之间的相互作用,原子的物理性质则离不开更微观的粒子(或其他更微观的物质)之间的相互作用。这说明,在人脑中存在的各级子系统,它们之间所发生的巨大数量的相互作用,是形成人脑智力的重要因素。

那么,是否可以认为,假如要实现强人工智能,即创造与人脑智力水平相当的人工智能,则必须要模拟在人脑中存在的这数量巨大的、无比复杂的相互作用?虽然从表面上看,以人脑的体积来衡量,我们的确容易树立实现强人工智能的信心。但是,如果真正认清人脑内部的复杂度,或许这个信心会有所动摇。

以上所讨论的强人工智能属于类人的人工智能,其中机器的思考和推理类似于人的思维。而另一种强人工智能则是非类人的。这意味着,在这种人工智能中,机器使用和人完全不同的推理方式,会产生和人完全不同的思维。事实证明,我们可以通过各种不同方式获取能量,例如燃烧木材、煤、石油的化学方法,以及原子核裂变与聚变的物理方法。与此同时,我们也可以使用不同的交通工具提供运输服务,例如汽车、火车和轮船。那么,我们是否能够发明非类人的具有强人工智能的智能机器呢(这意味着智能机器具有自我意识)?或许,这必将成为人类持续探索的问题之一。

众所周知,图灵实验是一个关于机器是否具有智能的判断原则。它是由艾伦·图灵提出的。我们看到,在他的论文中是这样描述的:“如果一个人使用任意一串问题去询问两个他不能看见的对象:一个是正常思维的人;一个是机器。如果经过若干询问以后他不能得出实质的区别,则他就可以认为该机器业已具备了人的‘智能’。”[1]或许图灵实验是鉴别强人工智能的方法之一,但是否有效,还要靠实践来检验。

话说回来,要想实现强人工智能,绝非易事。肯·理查森就曾说过:“人工智能研究中的一个典型问题是,已有规则往往不能容纳新规则,从而使得系统很脆弱,形成瓶颈。”当然,不只理查森对人工智能有所怀疑,其他人也有类似的观点。例如,微软创始人比尔·盖茨就曾告诉我们:“要让电脑和机器人感知周围的情况,并作出迅速准确的反应,难度之大远远超乎人们的预期。”

  由于强人工智能的研究所面临的困难远超弱人工智能,所以它的发展速度很慢。与此同时,更多的科研人员将时间用在了弱人工智能上,并已取得了一定的成就。虽然弱人工智能无法完全具有人脑的智力,但在信息处理的诸多方面却超越了人脑。例如,它可以大量地存储信息;它可以精确地运行程序;另外,它还可以完整地复制数据。毫无疑问,弱人工智能的这些优点都是人类所没有的。所以说,弱人工智能可以成为人类智力的重要补充,能够有效促进人类智慧的发挥。

事实证明,作为产生弱人工智能的工具,计算机在硬件上发展非常迅速。例如,过去的显像管显示器,如今已更新为液晶显示器;以前常塞满数据、不堪重负的硬盘,现在其存储容量已大到数以T计。与此同时,处理器性能的提高,令程序可以更快速地运行;显卡的进步,让我们可以更流畅地欣赏3D动画;而网卡速度的提升,则提高了电脑间传输文件的效率。当然,在硬件发展的同时,软件发展的速度也非常快。相信读者对此都比较熟悉,这里就不再赘述了。

虽然计算机暂时无法产生类似于人的智力,但是却可以在诸多领域发挥重要作用。例如,在核弹研究和天气预报等领域,计算机就能发挥一定的作用。同时,计算机也迅速应用于商业问题中,例如资产管理、文档写作、报表汇总,等等。之后,随着个人电脑日益普及,它也广泛应用于艺术创作中,例如绘制图案、修饰照片、合成声音,等等。另外,随着自动化的需求日益增多,越来越多的对机械设备的控制也需要借助计算机。不仅如此,在模式识别(例如语音识别、手写识别和人脸识别)、下棋等领域,计算机也获得了较高的成功率,体现了其应用价值。时至今日,计算机已成为人类不可或缺的信息处理工具。与此同时,它也是开发人工智能的有力工具,这其中就包括对群体智能(swarm intelligence,SI)的模拟。

* * *

据维基百科上介绍,“群体智能是一种研究分散型的自组织系统中的集体行为的人工智能技术。常见的群体智能方法包括蚁群算法和粒子群优化。一个群体智能系统通常由一群简单的主体构成,每个主体和其他主体以及它们的环境发生相互作用。此类系统并没有集中控制机制,但仍涌现出复杂的全局行为。”

1992年,马可·多里戈在他的论文中提出了蚁群算法。该算法又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型技术。多里戈通过观察蚂蚁在寻找食物过程中发现路径的行为,之后受到启发而引入了该技术。从蚁群算法可以看出,群体智能是一种人工的集体智慧。目前,它已成为人工智能发展的重要方向之一。

三年后,也就是1995年,J·肯尼迪和R·C·埃伯哈特等人开发了另一种群体智能技术,也就是粒子群优化。这种技术又称为微粒群算法。它是基于对一个简化社会模型的模拟,而开发出的一种演化计算技术。在该技术中,“群(swarm)”是指微粒群。由于群体中的成员被描述为没有质量和体积,同时需要描述它的速度和加速状态,所以采用了“粒子”这个概念。

最初,粒子群优化应用于图形化地模拟鸟群优美的、难以预测的运动。之后,通过仔细观察动物的社会行为不难发现,群体中对信息的共享使该物种具有演化优势。这说明,人工智能并不局限于模拟人的智力,其他物种的智能也同样是我们学习和研究的范例。毫无疑问,粒子群优化正是一种受其他物种的智能行为启发而产生的技术。当然,人类不仅擅长模拟物种的智能行为而开发人工智能,同时也擅长模拟自然界中的生命而开发人工生命。

事实上,人工生命是指通过人工模拟生命系统的概念。它是由计算机科学家克里斯托弗·兰顿在1987年提出的。与人工智能的强弱分类相似,人工生命也分为强人工生命和弱人工生命。其中,强人工生命认为“生命系统是一个可以从任何特殊媒介物中抽离出来的过程”(引自约翰·冯·诺依曼的话)。相反,弱人工生命否认在化学方法之外产生“生命过程”的可能性。其研究人员改为模仿生命过程以了解生命现象的潜在机制。事实证明,人工生命和人工智能的研究领域有部分重合,人工生命的发展速度直接受人工智能发展速度的影响。这意味着,只有高级的智能系统才能驾驭高级的生命系统。另外我们发现,随着互联网的诞生,一个全球规模的智能系统正在不断成长壮大。

* * *

1960年出于冷战考虑,美国国防部国防高级研究计划局(ARPA)建立了ARPA网。之后,ARPA网就成了互联网(即互相联络的网络)发展的中心,并于1973年扩展成了互联网。随后,到了1986年,美国国家科学基金会(NSF)建立了骨干网络NSFnet。各个大学也接入了互联网。紧接着,在1994年,NSFnet转为商业运营,之后成功接入了多个重要网络。在1990年代,整个网络开始向公众开放,与此同时,网页数量也持续增长。就这样,在短短的几十年里,在没有中央控制的情况下,互联网迅速地成长起来。

步入二十一世纪后,互联网的增长势头不但没有停止,反而大大加快了。其结果是,互联网得以迅速普及。在这个过程中,无论是人还是计算机(当然也包括智能手机),都纷纷接入了互联网。这样计算机就可以彼此相连,互通有无。不仅如此,计算机还成为了互联网的重要组成部分,大大提高了计算机的使用率,同时也大大提高了计算机的应用范围。事实证明,互联网已经成为全球最大的数字神经网络,而计算机则是这个神经网络中的节点。显而易见,它所展现的旺盛生命力是由人类驱动的。就像其他人造系统一样,如果离开了人类,互联网必将迅速瓦解。另外,互联网的崛起也让人联想到了一个概念,也就是共生智能(symbiotic intelligence)。

共生智能,即智能也能涌现于本质上不同的构成单元之间的相互作用。这个概念是由N·约翰逊提出的。举例来说,人使用计算机,可以加快信息处理速度,同时还能够增强记忆(既包括信息量也包括准确度),所以人和计算机共生可以产生更高级的智能。更进一步,人与互联网共生,则大大提高了人与互联网的总体智能水平。 当今社会,无论是应对信息爆炸还是促进全球合作,都需要更强大的智能系统的支持。这个需求的高速发展无法单方面依赖人的智力,也无法单独通过模拟人的智力来满足(单独提高计算机的信息处理速度也不行)。它必然基于一个更高效、更具发展潜力的系统。幸运的是,在我们没有发现这个原理之前,它一直是基于这样的一个系统——全球脑。


  • [1] 关于图灵实验的描述转引自维基百科。

目录