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

博文

谈人工智能10:与环境交互 精选

已有 6257 次阅读 2021-9-11 12:43 |系统分类:教学心得

学:学生,教:教师,李:李晓榕

李:在信息处理的关键核心方面,人类智能大多有赖于因地制宜、因势利导、通权达变、平衡多方面考虑的中庸中和之道,而迄今人工智能的基础是:①逻辑的符号演算,②基于知识的应对规则,③基于培训的目标优化。它们都明显比人类智能粗陋逊色得多。另一方面,真正的智能在作用机理上离不开至少三大部分:①与内外环境密切交互,②内部的大量圈环作用,③大量的组成单元。对于由简单单元组成的系统,更是如此。智能学的一大关注对象“集群智能”往往特别强调第三部分,不大重视第二部分,忽视第一部分。虽然比老牌AI有所改进,深度学习对前两部分总体上仍然重视不够,特别是第一部分。

教:您说智能要求与外界密切交互,关于这一点,您能不能展开再多说说?

李:这有多个方面。比如,在智能中起关键作用的意识,就离不开与外界互动的高度发展。尽管西方自笛卡尔以来流行心身二分,但是新进发展起来的身体认知理论认为,一个人的思想认识还有赖于其身体,不能脱离自身身体而完成,即一个人的认知还有赖于其身体与外部世界的交互。更有甚者,近来的研究发现:人体内的巨量微生物菌群和寄生物,不仅给人带来海量外源基因,而且会深刻影响人的情绪、状态、个性乃至认知和“自由”意志等高级精神活动。

  人们往往强调人工智能产品有如下普适的可传递性:一旦用某个算法B的某台机器A能胜任一项任务,那么内含算法B的其他机器也都胜任这一任务。严格地说,事实并非如此,它至少有两大陷阱:①即便环境毫无改变,也只有A的精确而完全的复制品才能保证也胜任。只是内含或利用算法B(比如B作为更大算法的一部分),并无这一保证。

教:可是,内含算法B的其他机器也都胜任这一任务,这有不少例子。

李:那是因为那些任务都不够复杂,对“智”的要求低,无需与环境密切交互。只要任务足够复杂,我说的这些问题就会出现。②更重要的是,如果环境不同,或者完成任务有赖于与环境密切交互,因而所需之解并非“共解”,那么就连完全彻底的复制品也未必能胜任这一任务,除非它总能正确妥善地与环境密切交互而完成任务。而这种能力需要较高等的智慧,很难获得,也难以传递或移植。所需的交互越密切,就越如此。极端地说,在传递或移植中无法保留的,正是智慧的核心;越具有可传递性、可移植性,就越是共解部分,也就越无真正高级的智能。

学:什么是“共解”?

李:简单地说,共解是只适用于一类问题共同部分(共性)的解。比如,在比较两种职业好坏时只比较其薪酬高低,所得的解就是这类问题的一种共解。殊解针对一个特殊问题,充分考虑其特殊性。早先在谈科研治学时详细讨论过。对上述例子,就应考虑职业的诸多方面。对人工智能而言,殊解比相应的共解更难得多,对人类则未必如此。问题越复杂,殊解与共解的差别就越大,人工智能就越难得到殊解。

  深度学习网络在完成任务时无法与所在的环境密切交互。它利用事先获取的大数据针对任务靠培训来“一揽子”地适应大数据所反映的各种情境,其数学实质更像函数拟合,进而插值:靠大数据训练来拟合以确定插值模型,当前数据确定插值点,得到插值结果,而不改变插值模型。这有不少缺陷和局限,上面已经说了一些,还有不少。比如,①内插的效果也许好,外推则不然,所以要求训练数据集尽可能完备无偏地“覆盖”所有可能的情境。②一旦插值问题有所改变,例如输入类型或个数有所改变,就得重新强化培训,因为网络结构变了。基于深度学习的自动驾驶技术就有这种尴尬,它每次调整传感器的种类或个数后就得重新学习(之前所学的都无法直接用了)。这与人类学习大相径庭,也给实际应用带来极大不便。

  由上可见,深度学习的机理框架更适于得到“共解”,因为训练所用的大数据来自种类繁多的场景、情况各异的情境,而不是当前任务的特殊环境。只有能与当前环境密切交互,才能得到这一环境下复杂问题的“殊解”。我历来强调“殊胜于共”:一个好的“殊解”优于只顾一类问题共性的“共解”。

  在本系列前面说过:一个好公式、程式、程序能解决多个不同的问题,但难以解决不同类型的问题;一种好方法能根据不同问题的特性,得出不同的程式,解决大量不同类型的问题;程式有按部就班的本质,而方法更重变通、因地制宜,虽然它仍有统一的指导方针。所以,多个问题的统一程式解只能是一种“共解”,而针对具体问题的特殊性所得的非程式化之解才是“殊解”。不同的殊解有可能是同一方法所得,但不会是同一程式所得。

教:怎么做,才算是与环境密切交互?

李:不该只被动地利用数据,至少要积极主动地谋求与环境“对话”,有来有往。比如不断地向环境发问、刺激环境,看其答复和反应,再相应行动,进一步刺激和发问,就像主动实验而不是被动观测一样。还要更进一步,不仅因地制宜,还要因势利导,促使环境改变。关键是,环境不同,解法也就不同。

教:您是说,殊解是适应环境的?

李:殊解不仅仅被动地适应环境,还可能积极主动地促使环境朝着有利的方向变化。大量复杂问题(比如社会问题、环保问题)的良好解决都应该是这种主动促使环境变化的殊解。

学:李老师能不能举一个具体例子说明上面所说的这些?

李:好的。某人由于未知原因,站在一栋高楼楼顶,正想要跳楼自杀,我们的任务是劝她不要跳。考虑一个机器人,针对这种任务做了大数据深度学习,所用的大数据包括有史以来所有相关情形的全部数据(情形描述、当时的对话及各种交流、劝说结果、事后的分析,等等)。你说这个机器人能很好地完成任务吗?

教:当然不能。

李:为什么?要知道,这个机器人学习了以往类似情形的全部信息。

教:因为劝说者必须跟她交流沟通,随机应变,对症下药,比如充分利用亲情,真正打动她,而这是非常微妙的。最好能洞察人心、将心比心,这是极其高超的智慧,机器人做不到,至少深度学习做不到。以往类似情形的信息对成功劝说虽然有帮助,但是很有限,还远远不如对她了解深刻更有用,比如是她的闺蜜。

李:这儿,交流沟通、见机行事、将心比心、对症下药就属于我说的与环境密切交互。这种任务需要殊解,即针对所面临的特定问题求解。针对这类问题共性的共解在此效果不会好。求取这类殊解的能力,一般更是“技艺”或“艺”,而不是“技术”或“术”。后者一般更适于通用的共解,而前者强调其因地制宜的内涵,更适于殊解。

学:对于这种任务,情商高恐怕比智商高还重要。

李:我看也是。这个例子旨在说明与环境密切交互的重要性,以及共解和殊解的不同。


正在出的博文系列:

与师生谈人工智能:

1.智乎哉?           2. 奢求精确之误        3.精确定义之病    4.图灵测试     5.强人工智能

6. 能而欠智          7.深度学习的短板   8.深度学习对老牌AI 9.深度学习的实质 10.与外界交互

 

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:全球化的好歹     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



https://blog.sciencenet.cn/blog-687793-1303083.html

上一篇:谈人工智能9:深度学习的实质
下一篇:谈人工智能11:环境之复杂
收藏 IP: 68.11.61.*| 热度|

2 朱豫才 黄永义

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

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

GMT+8, 2024-3-19 13:46

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部