XLiblog的个人博客分享 http://blog.sciencenet.cn/u/XLiblog

博文

与师生谈人工智能1:智乎哉?

已有 2025 次阅读 2020-10-27 09:59 |系统分类:教学心得

学:学生,教:教师,李:李晓榕

教:当前人工智能很火,李老师是怎么看的?

李:人工智能当前在不少国家很火,中国最甚,得到了国家极其高度的关注,在各国中最突出。首先可以肯定,几年内就会不断有大量新颖的科技产品问世、应用、推广、普及,改善生活,它们涉及人工智能的研发,在各自特定的方面都会有过人的能力,会取代很多人的工作,十分重要。这是大势所趋,任何怀疑和否定,都无法抗拒这一大势。比如我觉得,在不少国家,三四十年内,车辆都会是无人驾驶的,而且出于安全考虑,人开车是不负责任甚至违法的,就像今天不允许在大街上骑驴或赶马车一样。

教:但是,自动驾驶技术的关键和难点是环境感知,这里的环境感知主要靠的不是人工智能,而是估计、滤波与多传感器的信息融合,即利用多个传感器采集环境数据并加以综合处理,达到对环境的有效认识。

李:的确,智能特别是感知怎能离开多源信息处理?“智能”一般至少具有“有效获取并处理信息以达目的之能力”之意,所以,(尤其是当前基于数据培训的)人工智能与信息融合当然大有重叠,甚至认为前者包含后者。我想,你所质疑的是如下问题:

大量即将面世的科技新产品到底是不是人工智能产品?

不少这些产品其实主要靠的是信息技术、自动化技术等,人工智能未必是其主体、灵魂或关键,即便是号称人工智能短期内的最大成就——自动驾驶,也是如此,这很能说明问题。这些产品与以往科技产品的研发未必有多大本质不同,但研发者、厂商、媒体历来惯于给新产品贴上最风行最时髦的技术标签——当下就是人工智能。当然,可以辩解说,人工智能包括信息技术、自动化技术等几乎所有技术,因为智能需要它们。清楚这些后,如果你对这些产品不满(比如使你丢了工作),也不该把账都算到人工智能头上——这不只是人工智能的“罪过”。这个问题值得注意,但我更想讨论的是:

人工智能产品究竟是否真有“智能”? 

这次人工智能大潮的兴起主要源于大数据深度学习。大家应该会同意,智能的一大体现是善于随机应变,适应新情况,因人因地因时因事制宜,胜任事先并不明确其内容的各种任务,因而难以事先培训。另一大体现是善于学习,能举一反三,而非举百反一。在此意义上,靠大数据培训的这种方法其实并不太“智”,它“举亿反一”,以量取胜,而非以智取胜。

学:我觉得我们应该更公平一些。我们说这些人工智能产品有智能,是指经过大数据深度学习之后的产品,而不是之前的,正像任何一个人都是人类多少万年遗传进化的结果,所以他的智能也是遗传进化的结果。比如我们可以说,一般来说,学习增强了能力,大数据深度学习使得这样一个产品脱胎换骨、升华成为智能了。

李:有道理,但不尽然。特定的培训可以明显增强特定的技能,而一般不是智力、智能、智慧,因为智能不只是特定的技能,还得相当“智”。比如,一个受过“题海战术”训练的人,求解相应题型之题的表现更好,难道他因此就比未经训练从而不太会解题的人更聪明更智能吗?更进一步,难道训练之后的他比之前的他明显更聪明吗?我们一般不会这么认为,一大原因恐怕是,我们知道他已经多次完成过这类任务(并且清楚完成的好坏),因而可以从中学习,更别说他受过针对这一任务的强化训练,纵然不聪明,肯定也相当会解相应题型之题了。这里有两个关键:①是否做过针对任务的适应性训练,②是否做过不少类似之事。一旦做过,用完成这种任务的好坏来判定其智能的高下,就该大打折扣。大数据深度学习的产物就是如此。

教:我觉得,靠大数据的这种学习,可以说是靠“蛮力”来取胜的,所以并没多少无可置疑的智能可言。

李:人的学习无需如此海量的事例,因为人会归纳,而机器不会。简单地说,深度学习就是深层人工神经网络模型针对特定任务的大数据函数拟合培训,其数学本质是数据拟合。学成后,给定输入时,输出结果就像插值结果。道理很简单:要能对付不简单的实际问题,数据驱动的“普适”模型不能太简单,而要避免这种复杂模型的过度拟合,就得用海量、丰富而完备的“大数据”来拟合,大数据深度学习其实是“海量培训”。这是保证这类题海战术有效可行的前提。没有大数据,要避免过拟合,模型至多只能得到低阶的近似规律,只有增大数据的量和丰富度,才能得到更高阶的近似规律。

教:其实没什么大不了的,我们不是总把使用模糊逻辑、神经网络的东西称为是“智能”的吗?它们其实又有什么真正的智能呢?何况我们说的是“人工”(artificial)的智能,也就是“人造的、貌似真而其实不真的”伪智能,因为artificial本来就有这种“假而不真”的含义。谈论的对象越珍贵,这种“假而不真”的含义就越突出,一个artificial宝石,就是一个假宝石,智能可比宝石珍贵多了。

李:我可没你这么负面。的确,“伪”字的原义是“人为”“非天然”。比如《荀子·性恶》的名言“人之性恶,其善者伪也”就是说:善是后天人为的。这是“性恶论”的滥觞。科技产品的“智能”,有多方面可说。①早先,工业界不少计及环境因素、由计算机控制的仪器仪表被冠以“智能仪器”“智能仪表”的美名,这也许可以如下辩护:计算能力是一种智能。它们日渐普及、习以为常之后,也和计算一样都不再被认为是智能的,前缀“智能”随之消失。一些用到逻辑演算、演绎推理的产品名称也都经历过类似的变化过程。②纵观人工智能研究历史,一再有人声称已有科研成果,比如机器人,“能思考”(machines who think)“有心智”(machine with a mind)“是智能的”。③“智能”(intelligent, intelligence)一词在科技界早已泛滥,有些人出于自夸推销标榜等心理,给用了有赖于模糊逻辑、神经网络、进化算法、专家系统、机器学习等方法的东西贴金,美其名曰“智能的”,无论它们其实有多“傻”。这样大量使用,以致理直气壮、心安理得,最终约定俗成。照此风气,今后出现比这些“智能”技术更强大的东西,恐怕只能说是“奇妙的、神奇的、魔法般的”乃至“超自然的、神圣的”(magical, miraculous, wonderful, supernatural, holy)。
    话说回来,说到底就看我们心中的“智能”究竟是什么。比如,科学通才、人工智能的开山大师之一、符号学派的教主西蒙(Herbert Simon)早在1956年就宣布,纽厄尔(Allen Newell)和他刚开发的史上首个人工智能程序——“逻辑理论家”(Logic Theorist)能思考、是智能的,因为它能在真值函数的命题逻辑系统中自动构造形式证明,而这有赖于智能。其潜台词是:能完成公认有赖于智能的任务,就是智能的。这种功能主义的理据被广泛接受,大家恐怕也觉得言之成理吧。然而,按此理,计算机自诞生之日起不仅是智能的,因为计算需要智能才能完成,而且还有超级智能,因为其计算能力超过人。无独有偶,另一位人工智能的开创者麦卡锡(John McCarthy)说:即便简单如恒温器也可以说有信念(它有三种信念:太热、太冷、刚好),而有信念看来是大多数能展现问题求解能力机器的特点。恒温器能自动调节温度,若无上述信念,如何办到?可见,他所说的信念根本不必有心理状态来支撑。这些观点都十分偏激,有违常人的理解。

学:我想,西蒙大概是指他们的程序“含有智能的成分”,因为它确实含有智能的成分。

李:有智能的成分,怎能就说“是智能的”呢?否则也可以说“人人都是铁人”,因为人体内都含有铁元素。西蒙的确是指“是智能的”而非“有智能成分”,因为他当时就说:“我们发明了具备抽象思考能力的程序……解释了合成的物质如何能够拥有人类的心智”,“现今世界上已经存在能自己思考、学习、创新的机器”。他甚至预言:“十年之内,心理学理论将以计算机程序的形式表现出来”。当然,公平地说,我们这是反观历史,自然看得清楚,有事后诸葛亮的味道。

学:“智能”到底是什么意思?

李:英语中的intelligence(智能)一词最核心的内涵是指理解力。最权威的《牛津英语大辞典》对intelligence的主要释义是1:①理解力,智力;②可见出品质高下的理解、特指上乘理解,敏锐,精明(中古英语);③心智上理解某物,理解、知道、懂得、明了、领悟(某物)。Intelligible也主要指“可理解的”。英文understand(理解)一词由under-stand组成,指“立于其所处”,即站在对方的立场,进入其心理空间,分享其体验、感受、情绪和其他心理活动,与之形成一种同一和共情,乃至成为其部分,而不只是外部解释、分析等仅限于理性的内容。



______________________________

 1.  Oxford English Dictionary, Intelligence: 1. The faculty of understanding; intellect. 2. Understanding as a quality admitting of degree; spec. superior understanding; quickness of mental apprehension, sagacity ME. 3. The action or fact of mentally apprehending something; understanding, knowledge, comprehension (of something).


正在出的博文系列:

与师生谈人工智能:

1.智乎哉?


与师生谈现代化之弊

1:崛起的代价     2:发展必好无疑?    3:发展的恶果     4:科技进步果真进步?         5:科技的罪责 

6:开发进步善哉恶哉?7:现代化恶果之因    8:现代化恶果之因2  9:资本主义与个人主义    10:资本主义的修正与回潮

11:全球化的好歹  12:全球化的好    13:西化、现代化、全球化 14:现代化的本质       15:文化全球化?

16:妈的奶贼腥        17:多元优越             18: 四大主义     19:“化私为公”的隐形手  20: 进步的魔咒

21:进步的陷阱   22:进步的后果       23.成功的反噬     24:进步的残酷                  25: 进步到恶神末日

26:自造成恶神

 

与师生漫谈科研文化

1:我有科研之才吗?  2:我该做科研吗? 3:逻辑推理的作用 4:人生价值     5:生命的延续           

 

已出博文系列:

与师生谈科学之弊

1:线式因果思维1      2:线式因果思维2     3:线式因果思维3         4:螺环之奇妙                 5:幻化的因果 

6:不牢靠的因果推理        7:分析还原病       8:还原论教条                    9:基因未必基因      10:割根裂本

11:强拆硬分        12:科学的领地       13:科学的致命伤         14:科学的致命伤2           15:逻辑之可错

16:逻辑可错之源       17:“脚踏实地”的逻辑?18:逻辑:真理焉?宗教焉?       19:想不清原理       20:想不清原理2

21:逻辑教的改革    22:逻辑教的改革2     23:精确性的终结         24:科学哲学                  25:务外逐物 

26:科学六弊                 27:科学之弊总结

 

与师生谈科研选题:
1:科研的战略、战术和战斗力 2:选题三准则:趋喜避厌 3:选题三准则:如何培养兴趣 4:选题三准则:择重舍轻,扬长避短

5:得题之关键           6:如何应对新潮      7:选题四建议          8:总结:选题好比找对象

 

与师生谈研究策略:

1:科研四要素    2:突出重围的法   3:人人信之而善忘的黄金法则  4:孤胆方是英雄,独创才有真才  5:大道至简,科学之魄

6:弃繁就简     7:以特制胜      8:综括               9:反行众道,改形换状       10:迷雾中的灯

11:技穷时的上策 12:驾驭时间之术1  13:驾驭时间之术2     14:保质增产之法          15:类比、联想、猜测、推证 

16:评估       17:总结与回顾

 

与师生谈学习门径:

1:广度与深度      2:增加深度的窍门1    3:增加深度的窍门2      4:增加深度的窍门3  5:增加深度的窍门4

6:增加深度的窍门5  7:增加深度的窍门6        8:如何培养直觉和想象力? 9:基础不好,死路一条?10:阅读策略1

11:阅读策略2      12:博览之术           13:增强记忆1          14:增强记忆2      15:如何听讲 

16:最佳捷径


与师生谈科研输出:

1:论文写作五要点 2:论文的结构、条理和语言 3:标题、摘要、引言、结论  4:作学术报告四建议  5:与编审人员打交道

 

与师生谈科研道德:

1:何谓弄虚作假              2:何谓剽窃?             3:何谓自我剽窃?               4:版权

5:谁该当作者?              6:署名顺序怎么定?        7:其他学术不当行为              8:总结


 

 



http://blog.sciencenet.cn/blog-687793-1255817.html

上一篇:与师生谈现代化之弊26:自造成恶神

0

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-11-29 19:39

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部