AI之路:从不会说话的小傻瓜到超越爱因斯坦的存在( 四 )


摩尔定律是一条经过历史验证的可靠规则,即计算能力的上限大约每两年翻一番,这意味着计算机硬件的进步,就像人类历史的进步一样呈指数增长 。
库兹韦尔提出用钱来考虑计算机的发展状况:看看用1000美元能买多少计算能力 。 当这个数字达到10万亿cps时,意味着通用人工智能将走入千家万户,成为生活的一部分 。 上面这张图是随着时间推移,用1000美元能买到的计算能力的变化 。
因此,目前1000美元买到的电脑可以打败老鼠的大脑,水平大约是人类的千分之一 。 按照这个速度,2025年之前我们就能买得起一台与人类大脑相媲美的电脑 。
所以在硬件方面,通用人工智能所需要的计算能力已经可以实现了,并且我们将有望在几年内用上实惠又普遍的通用人工智能级别的硬件 。
接下来的问题是:如何给这些计算能力赋予人的智慧?
创建通用人工智能的第二个关键:让它变聪明
这才是棘手的部分 。 谁也不知道怎样让它变聪明 。 我们还在争论的是如何让电脑明白什么是狗,如何认出潦草的“B”,或者理解一部电影 。 这有一堆看起来挺牵强,但或许能行得通的策略:
1)剽窃大脑
这就像是科学家们在努力研究邻座的那个孩子为啥那么聪明 。 即便学习再努力,他们也考不到和那个孩子一样高的成绩 。 于是他们最终决定:“去他的,我要把那个孩子的答案复制过来!”这种想法似乎很自然:我们怎么也造不出如此复杂的计算机,但我们的脑袋里就装着完美的原型 。
科学界正在努力对大脑进行逆向工程,以求弄清楚大脑这么棒的东西究竟是如何进化出来的 。 乐观的估计认为,到2030年我们就可以做到这一点 。 到那时,我们就会知道大脑的运作为何如此强大和高效,从中汲取灵感,窃取它的创新能力 。 模拟大脑的计算机体系之一是人工神经网络:晶体管作为“神经元”,通过输入和输出相互连接 。 起初它像婴儿的大脑一样一片空白,它“学习”的方式是尝试完成一项任务,比如手写识别 。 刚开始,它的神经触发和最终的猜测是随机的,当它被告知“猜对了”时,这些触发通道中的晶体管连接会被加强,反之会被削弱 。 经过大量的试验和反馈后,网络已经自己形成了智能神经通路,机器已经针对这项任务进行了优化 。 大脑的学习方式与之有些相像,但更复杂 。 随着脑科学研究的深入,我们将发现巧妙利用神经回路的新方法 。
更彻底的“剽窃”是一种叫做“全脑模拟”的策略:将真实的大脑切成薄片,逐层扫描,用软件重建一个精确的三维模型,然后在一个功能强大的计算机上实现该模型 。 于是我们就有了一台计算机,它能处理大脑所能处理的一切,只需要学习和收集信息 。 如果工程师们做得足够好,就能精确地模拟真实的大脑 。 整个大脑结构一旦上传成功,个性和记忆都会完好无损 。 如果大脑生前属于小明,那么电脑现在会像小明一样醒来 。 这将是一个强大的人类级人工智能,我们接下来可以尝试把小明变成一个超级人工智能,他想必会非常兴奋吧 。
我们离实现全脑模拟还有多远?人们已经模拟出了一个1毫米长的扁虫大脑 。 它只有302个神经元,而人类的大脑有1000亿个 。 如果这些数字让你失去信心的话,别忘了指数级进步的力量,现在我们已经征服了小虫子的大脑,可能很快就能造出一只蚂蚁的大脑,然后是一只老鼠的大脑,到时候,这一切看起来就没那么遥远了 。
2)按我们想要的方式,再来一次进化
如果聪明孩子的答案抄也抄不完,我们可以试着模仿他的学习方式 。 如果大脑太难模拟,我们可以模拟进化 。

推荐阅读