AI之路:从不会说话的小傻瓜到超越爱因斯坦的存在( 三 )


尽管现在的ANI没能力危及人类生存,但我们应该意识到,日益庞大复杂的ANI生态系统可能是是一场改变世界的龙卷风的前驱 。 每一项ANI创新都在给走向通用人工智能和超级人工智能的道路上添砖加瓦 。 或者如亚伦·萨恩斯(Aaron Saenz)所见,当今世界的ANI系统“就像地球早期土壤中的氨基酸”一样,是构成生命的无生命物质,将在一个意想不到的时刻苏醒过来 。
四、弱人工智能到通用人工智能之路
这件事为什么这么难?
恐怕尝试研发通用人工智能(AGI)的人最能欣赏人类大脑的精巧复杂(只有他们知道造个全能的机器脑子有多难) 。 造大楼,去太空,研究宇宙大爆炸,都远远比理解或者制造人脑容易得多 。 到目前为止,人脑是已知的宇宙中最复杂的东西 。
通用人工智能指的是像人类大脑一般全能的计算机,其能力范围不局限于某狭窄的领域 。 有趣的是,试图构建通用人工智能的困难部分,可能跟你直觉想的不一样 。 对计算机来说,算两位数乘法太简单,分辨“眼前”的动物是狗还是猫却很难 。 在象棋比赛中打遍天下无敌手已经实现了,而为了理解一段6岁小孩故事书水平的文字,谷歌花了几十亿美元 。 微积分、市场策略和语言翻译这样的硬骨头对计算机来说too easy,而视觉、运动、动作和知觉对计算机来说却极其困难 。 正如计算机科学家唐纳德·克努特(Donald Knuth)所说,“人工智能已经成功地完成了所有需要’过脑子’的事情,但却几乎未能完成人类和动物’不用过脑子’的事情 。 ”
这是因为,对于人类和大多数动物,这些技能在数亿年的进化过程中得到了优化 。 当你把手伸向一个物体时,肩膀、肘部和手腕上的肌肉、肌腱和骨骼会在瞬间完成一系列的物理活动,与眼睛协调配合,让你的手能够在三维空间中沿直线移动 。 这对你来说似乎不费吹灰之力,因为你已经完善了你大脑中的软件 。 恶意软件没法识别出验证码里的斜体字母不是因为它太蠢,而是因为你的大脑太令人赞叹了 。
另一方面,大数乘法或下棋对生物来说是相对新鲜的事物,我们还没有足够的时间进化到精通它们,因此计算机不需要太努力就能打败我们 。 想想你更愿意做哪个任务:写一个能算出大数乘法的程序,还是写一个程序,能在成千上万个字体或者手写体中瞬间识别出字母B,并理解他的全部含义?
下面说一个有趣的例子 。 看这张图的时候,你和电脑都可以分辨出,明暗不同的色块交替出现,组成一个长方形:
目前是打成平手 。 但如果你去掉黑色部分的遮挡,把整个图像展现出来:
你可以准确描述出各种不透明或半透明的圆柱体、薄片和三维转角,电脑则一败涂地 。 它会描述它看到的:各种明暗不同的二维图形(其实的确也只有这些),而你的大脑进行了一系列“骚操作”来解释图片所隐含的深度效果、阴影交叠和照明光线 。
再比如下面的图片,电脑看到的是一个二维的黑白灰拼贴画,而你一看就知道这是什么:一块纯黑色的石头 。
刚才提到的还只是处理静止的信息 。 为了达到人类的智能水平,计算机得理解一个微妙的面部表情是友好、宽慰、满足还是高兴,以及为什么“新时代”令人振奋而“小时代”令人脸酸 。
那如何才能做到呢?
创建通用人工智能的第一个关键:提高计算能力
要使通用人工智能成为可能,必须提高计算机的硬件能力 。 如果一个人工智能系统要像大脑一样智能,必须具有相当于大脑的原始计算能力 。
表达这种能力的一种方法是大脑每秒能够处理的总计算量(calculations per second, cps),库兹韦尔用大脑中一个部分的计算能力和这个部分在整个大脑中的重量占比估计出一个数字,这个数字在一亿亿(1016)这个量级 。 天河二号超级计算机实际上已经超过了这个数字,但天河二号占地720平方米,耗电24兆瓦(大脑只有20瓦),造价3.9亿美元,不适于广泛使用 。

推荐阅读