Facebook AI 研發主管：一味模仿人腦將阻礙AI的發展觀點
Facebook的AI研究負責人指出，一味模仿人腦開發AI將會阻礙AI的發展。很多業界專家也有類似的論調，他們認為AI研究的重點不應是模仿大腦的工作機制，而應該是探尋智能的根本原則。
Facebook的AI研究負責人指出，一味模仿人腦開發AI將會阻礙AI的發展。很多業界專家也有類似的論調，他們認為AI研究的重點不應是模仿大腦的工作機制，而應該是探尋智能的根本原則。
有些人認為，造物主是按照自身形象創造出人類。而人工智能可能是人類最偉大的發明，人類也一直試圖按照自身來創造AI。最典型的方法是以數字形式再造人類大腦。然而頂尖科學家并不認同這一方式，認為試圖完全模擬人類大腦純屬浪費時間。應從別的地方尋找靈感。
巴納德學院的天文學家Janna Levin說，“我們并未真正理解人類大腦。我們試圖探索大腦，卻沒有奏效。“ Levin近期主導了一個關于人工智能技術和倫理前景的圓桌討論。
“我們自己都不了解人類大腦，何談創造人工大腦？”
參與圓桌討論的專家表示，這是一個棘手的問題。人類并不能完全模擬大腦。所以，人類更應該花時間去解鎖智能的根本原理。
MIT未來生命研究院的主任Max Tegmark認為，過度關注人類大腦就是一種“碳沙文主義“。盡管科學家并未完全了解大腦運行的機制，但可以說的是，這不神奇。
Tegmark說，“我們太迷戀大腦的運行機制了。這是一種想象力的匱乏。”
從歷史上看，他的觀點是成立的。在維多利亞時代，一個叫做Clément Ader的工程師從蝙蝠中獲得靈感，建造了第一架飛行機器。
Ader在無法掌控這個裝置的情況下持續飛行了數百米。但為什么懷特兄弟聲名遠揚，而他不為人所知呢？
Tegmark認為，這是因為懷特兄弟真正從科學角度研究了飛行原理，而Ader始終在模仿生物。懷特兄弟通過建造風洞和測試來研發飛機，而非僅僅模仿生物。這個道理同樣適用于人工智能。
但即使按照人類自身形象來創造人工智能，也不是最正確的路徑。上述的圓桌討論總是會回歸到生物學這個議題。
Facebook的AI研發主管 Yann LeCun認為，“你可以從生物學中獲取靈感，但你并不想簡單復制。從工程角度來看，溯源進化過程將會異常困難。“
經過數百萬年的隨機突變，人類得以繁殖，我們才能出現在這里。這是一個恒等式。而將大腦的智能和推理能力最大化或是簡單化，都是不明智的。
人類大腦的運行機制異常復雜。嬰兒還在母體內的時候，大腦便能自行組裝。在人的一生中，大腦也具有自行修復功能。而機器并不需要這些機制。機器只需要接收并處理數據，進行學習。
有監督運行和強化學習是人工智能進行學習的兩種方式。
LeCun解釋說，對于更傳統的監督學習，人類必須輸入數千個示例，機器才能真正開始工作。比方說，圖像識別算法必須首先看到無數個蘋果，才能做到精準識別。
另一種方式是強化學習。AI算法和神經網絡可以互相訓練。通常這種方式只適用于博弈。一個象棋AI可以隨時與自己進行數百萬次對弈，來學習象棋比賽中的微妙細節。
但這兩種方法都不完美，無法真正教會AI認識世界。人類仍在監督學習中挑大梁；象棋AI除了下象棋以外一無所知。
LeCun說，“我們在以非常愚蠢的方式訓練神經網絡。”
嬰兒在二個月大時就能理解客體永久性。半歲時，能直觀理解物質世界如何運轉。但目前為止，人類還無法讓機器進行類似的無監督學習。
如果有人能實現機器的無監督學習，這些人很可能是LeCun和他的團隊。只有巨頭公司才擁有足夠的資源和架構，來訓練高級神經網絡。但在圓桌討論期間，LeCun只是聳聳肩，表示“我們也還沒有想法。”
對AI來說，生物基礎至關重要。這個基礎并不是人類大腦的完全重建。人類大腦是一個科學奇跡，但不是唯一的答案。AI研發者需要牢牢記住，人類本身并沒有多么特殊，他們應該嘗試尋找一些新的靈感。
來源：36氪/新智元
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
