科学网—能造出像人一样“思考”的机器吗
能造出像人一样“思考”的机器吗
■本报记者胡珉琦
如今的AI系统已经在不少具体问题的解决能力上超过了人类，那么，我们究竟能否制造出像人一样“思考”的机器？AI会有一天超越人类智能吗？
计算型智能只是人类智能的一种类型
下围棋是人类的高级智能活动之一，过去人们认为计算机不可能超越人类的这种智能。因此，下围棋也被视为AI的“圣杯”。直到DeepMind推出的AI围棋程序AlphaGo战胜了人类。
浙江大学神经管理学实验室创始人、国际欧亚科学院院士马庆国解释，AlphaGo大放异彩，得益于蒙特卡洛树搜索框架，加上深度学习和强化学习。
他说，假设计算机的计算速度“无限”快，计算机就可以用“穷举法”为围棋棋手瞬间找到“最优解（最优落子位置）”。但事实是，每一步落子的计算量太大了，当前最快的计算机速度也根本无法完成“穷举”这样大的计算量，所以要从当前的可能的落子方案中选一些，交由不同计算机（群）去做并行计算。
如何在当前可能的落子位置选出一组落子点（试算点）交给不同计算机（群）做并行计算？
他表示，除了利用计算机越来越快的存取速度和越来越大的存储容量、从过去“对弈”的成果（不仅仅是“定式”）产生“试算点”之外，还需要借助很多“节省计算但尽可能选优”的技术。蒙特卡洛树搜索框架、深度学习和强化学习就是其中三种重要的技术（算法）。
马庆国认为，近10余年来，AI最显著的进步之一发生在深度学习的领域（主要是深度神经网络领域）。
基于深度神经网络的深度学习，没有对所研究问题的环境作明确表征，也不探求因果关系（本质上是“黑箱”模型）。在基于巨量数据、完成了对一个网络的训练后，程序员就用这个训练的结果模型，运行新的数据，选择落子的走法。
AlphaGo的核心技术是强化学习。强化学习的本质是实现“自动决策”。机器会在没有任何指导、标签的情况下，尝试行为，得到一个结果，再判断是对还是错，由此调整之前的行为，通过不断地调整，算法持续优化。
有人认为，强化学习的本质正在接近人类的学习，但它是否能够实现人类大脑的智能？马庆国的回答是否定的。
“目前，我们还没有制造出能像人一样思维的机器，我们只能在一些狭义领域，制造出比人类某些智能更出色的机器。这并不奇怪，因为这些领域关注的是计算机更擅长的事——基于数学的逻辑的算法和对以往事实的快速存取。”
在马庆国看来，计算型的智能只是人类智能的一部分。在这种类型的智能方面，人造的机器超过了人。但在“理解”（如，理解语言、理解社会）方面，AI与人类智能有质的差异。
马庆国介绍说，英国数学家和物理学家罗杰·彭罗斯曾在他著名的AI科普读物《皇帝新脑——有关电脑、人脑及物理定律》一书中，引用了美国哲学家约翰·西尔勒的思想实验——“中文房间”来论证计算机及算法实际上并不是“理解”智能。
“中文房间”实验假设一位只说英语的人身处一个密闭房间。假设房间里有一本回答所有问题的中文书，以及足够的稿纸、铅笔和橱柜。写着中文问题的纸片通过小窗口被送入房间中。房间中的人可以通过比对，在这本书上找到这个问题的中文答案。然后抄写这个答案从窗口递出去。虽然他根本不懂中文，但房间外的人却以为他理解了中文问题，并用中文思考。
“计算机就是这样工作的。它无法理解接收到的信息，但它可以运行一个程序，处理信息，然后给出一个正确的回答，好像理解了接收到的信息一样。”马庆国说，这个思想实验证明，“计算机及其算法”事实上并不像人类一样“理解”其所执行的任务。
人类是如何思考的
AI要想真正实现人类智能，需要具备什么能力？马庆国认为，人类智能的最大特点之一，就是能够创造性地解决从未遇到过的新问题。
他常举的一个例子是：当一个人在过一座独木桥时，突然之间桥断裂了，人依然可以想出很多点子来解决过河的问题，找木头搭建简易桥或者抱着浮木游到河对岸，等等。
“计算机就没有这样的能力，除非人事先给它设定了‘在需要过没有桥的河时，应找木头搭建简易桥’。可是，如果周围没有可以搭建简易桥的木头呢？人类可以想其他办法，计算机就无能为力了。”
在他看来，问题的症结在于，计算机是遵守规则的机器。在现实世界中，规则总是不可能穷尽的。现在的AI本身并没有创造性，当遇到旧规则不能解决的问题时，它不能像人类一样完全根据面对的问题想出从未有过的解决办法。
人类的理解力从何而来
马庆国说，以语言为例，一个孩子学会理解语言，其实也是来源于对应关系。当他第一次面对一个全新的词汇时并不能理解，直到一种情景反复出现，并在这个情境中与他人互动，他就可以将这个词汇和情景对应起来。越长大，可以跟这个词汇对应的东西就越多，关于这个词汇的理解也就形成了。再经过不同个体的互动和交流，关于这个词汇的共同理解也就形成了。
计算机只能做到有限的对应，因为真实环境太过复杂，现在它对语言的“理解”可谓捉襟见肘。“但这也带来了一个问题：计算机总是在不断进步和发展的，理论上它的对应也会越来越丰富、越来越复杂。那么在哲学上，这一量变是否可能带来质变？计算机也进步到可以理解词汇了？”
马庆国认为，这个问题还没有答案。不过，他对AI完全实现人类智能的前景并不乐观。
人脑真实的智能和AI最大的区别，可能在于脑的工作方式。“尽管计算机也叫电脑，但它和人脑的工作方式完全是两回事。”马庆国说，无论是存储、计算，还是创造，大脑都是靠神经元、树突、轴突以及突触等相互衔接的结构和多种神经介质来实现工作的：从神经元前面来的信号，到这个神经元后面出去成百上千个甚至更多的连接。不同的连接方式，就可能在工作中形成了不同的意识。
对此，人们又开始对模拟人脑的AI抱有希望。
他表示，这就需要破解哲学上的一个难题：思维是彼岸的，现实存在是此岸的，两者之间是有鸿沟的，哲学上认为这是不能跨越的。现在，我们希望通过脑神经研究，使彼岸的思维能够用此岸的神经元活动来解释。
“人类的意识本身最终能够在神经元活动的水平上被解读，可能需要上千年的时间。即便解读了，机器能够完全模拟神经元的工作方式吗？”
作为首个提出神经管理学的学者，马庆国坦言，按照AI现有的技术路径是难以实现的，除非未来我们能够创造出一种完全颠覆性的理论技术体系。从这个角度来看，担忧AI会超越甚至取代人类，根本无从谈起。
《中国科学报》(2020-07-23第5版文化周刊)机器人必须像人你是不是对机器人有什么误解
原标题：机器人必须像人？你是不是对机器人有什么误解说到机器人，你第一时间想到的是不是科幻电影中像人一样的机器人？但是，不是所有的机器人都有人一样的外形，其他造型的机器人更加常见，比如云迹科技研发的润机器人。
联合国标准化组织给机器人的定义是，“一种可编程和多功能的操作机；或是为了执行不同的任务而具有可用电脑改变和可编程动作的专门系统。”符合这个定义的都可以算作是机器人，比如工厂中的机械臂，就是工业机器人的一种；我们生活中用到的扫地机器人，就是服务机器人中的一种；润机器人在酒店工作，也属于服务机器人，它们都没有人形的造型，长得都不像人。
云迹科技酒店机器人润
对于普通人来说，为什么对机器人的第一印象就是“像人”呢？是科幻电影让我们形成了刻板印象，还是“机器人”这个名字给了我们误导？弄清楚这个问题之前，我们需要弄清楚另外一个问题：我们为什么需要机器人？
我们为什么需要机器人呢？因为机器人能帮我们做两件事：我们不愿意做的事和我们做不到的事。我们不愿意做的事情有跑腿送货、打扫卫生等重复性的枯燥无聊的工作；我们做不到的事情有太空探索、火灾救援等危险性较高的工作。这两项工作，机器人能帮我们很好地完成。
所以，机器人是没有必要做成人形的，而且有些机器人不能做成人形，它们有更适合工作的造型。
我们再来问自己一个问题：我需要一个机器人老公或机器人老婆吗？我需要一个机器人孩子吗？可能绝大多数人的答案都是否定的，或者喜欢这样的机器人仅仅是出于好奇或者尝鲜。机器人学界有一个著名的理论——恐怖谷理论，它说的是由于机器人与人类的外表、动作都比较相似，人类会对机器人产生正面的情感。但是当机器人与人类的相似度超过一定程度的时候，人类对它们会突然变得极其反感,即哪怕机器人与人类有一点点的差别都会被放大，机器人会给人一种僵硬恐怖的感觉，如同行尸走肉。所以，对于机器人来说，适合它们工作要求和工作场合的造型才是最好的。
云迹科技酒店机器人润
润机器人就是这样，它虽然长得不像人，但是仍然有萌萌的外观。润机器人的工作能力更是强大，它不需要人的帮助就可以乘坐电梯，润机器人可以自动躲避障碍物，没电了还能自己回去充电。润机器人可以引领客人去自己的房间，可以给客人送东西，还能自己打电话。
适合自己的才是最好的，润机器人的外观是最适合它的，也造就了它强大的工作能力。
推荐阅读专访︱李景辉:机器人爆发的时代是可期待的不久的将来
云迹酒店机器人携手美居酒店达成战略合作，加速酒店智能化升级返回搜狐，查看更多
责任编辑：像人一样绘画的机器人
1920年，卡雷尔·塞佩克（CarelČapek）在剧本中使用“机器人”一词时，机器人是人类工作的替代品。我来自“robota”。
机器人不再仅仅是人类的工作。一些智能机器人可以自我判断并识别环境，而其他一些则类似于人。它进一步发展了一步，进入了艺术领域。
艺术的词典含义之一是“表达美的人类活动”。可以认为，用机器人而不是人类来进行人类活动是没有意义的。但是，看着创造音乐的冷静者和画画的亚伦，可能会改变主意。
去年，在美国耶鲁大学教授计算机科学的DonyaQuick创建了一个名为Kulitta的作曲程序。使用Coolita创建的音乐也通过SoundCloud发行。
唐妮·奎克（DonyaQuik）进行了一项实验，以了解库利塔（Kulita）如何制作音乐。对于100名擅长音乐的人，他们可以将库利塔（Kulita）创作的歌曲与其中的40首混合在一起，并分七个阶段进行评估。
结果，许多人将库利塔的表演评价为“人造音乐”。这个故事意味着他无法区分人造音乐和库利塔音乐。它是由计算机程序制作的音乐，但与人造音乐一样复杂。分离巴赫（Bach）歌曲并将Coolita重组为歌曲后，结果相似。
DonyaQuick现在设定了第二个目标。混合了重金属乐队Metallica和莫扎特的音乐。第二个目标要困难一些。因为到目前为止，只制作了一种音乐。
不是做音乐而是要“理解”
不同的流派意味着不同的构图和和弦进行。人类可以自然地融合其他部分，但是对于程序而言，故事就不同了。因为人以非线性结构思考，所以程序以线性结构思考。因此，为了让Kulita混合不同风格的两首歌曲，她必须了解每种风格并找到正确的组合。
有人说他们可以制作出色的音乐，但是库利塔可以代替作曲家。Coolita正在制作许多精美的音乐。实际上，库利塔更多地是在理解和“融合”音乐，而不是“创造”音乐。作曲家可以与Coolita合作，而不是将其从Coolita手中夺走。
画原始图片的机器人亚伦
与库利塔（Kulita）一起，还有一个机器人展示了艺术的创造世界。这是一个叫做亚伦的机器人。哈罗德·科恩（HaroldCohen）亚伦教授（Aaron）是耶鲁大学（Yale）创造的机器人，它从头到尾都选择了一切。
直到现在，绘画机器人只在照片上“恢复”。但是，亚伦根据已经存储的信息来判断颜色和形状来绘制图片。实际上，亚伦的绘画给人留下了非常深刻的印象。
对于人来说，有各种尝试来激发灵感并表达他们的周围环境。积极响应变量，例如不同的表示形式。但是，机器人只有一个目标“完成”，因此他们无法积极响应变量并获得灵感。
在这种情况下，亚伦展示的创造力正在引起人们的注意。亚伦可能与其他AI程序有所不同，因为他了解有关事物和人体结构的信息。
您不知道图片中的信息，但是您知道分解成单个元素的结构，因此您可以绘制原始图片，就像人一样。这就是为什么我期待看到亚伦的照片。
一个人之所以可以从事艺术活动，是因为他们可以存储和表达他们看到，听到，谈论和得到的东西。做艺术的计算机也是如此。以自己的方式积累和表达信息。人和机器人在一起做艺术。
内容由匿名用户提供，本内容不代表vibaike.com立场，内容投诉举报请联系vibaike.com客服。如若转载，请注明出处：https://vibaike.com/104263/