IT技術互動交流平臺

基于文字的人工智能哲學現狀 困境 思路與發展

作者:七厘米光影  來源:IT165收集  發布日期:2016-03-21 21:17:41

  還記得電影《她》中所描繪的未來世界人工智能技術嗎?任何人都可以通過自然語言與智能操作系統順暢交流,她就像一個真實存在但沒有實體的人一樣;谡Z言文字的交互技術確實是美好而誘人的,但是它同時也是個“holy grail”問題——美好但難以實現。

 

  人腦VS計算機,重新審視人類大腦

  要讓計算機像人一樣能理解自然語言與文字,確實是個不小的難題?v觀眼下的人工智能技術,其智能的背后都是人工。然而人們對計算機的智能過于樂觀,真實的計算機還遠沒有實現智能。人們對計算機的智能總是存在這樣一個誤區:計算機運算速度越來越快,存儲量越來越大,所以計算機必然越來越“聰明”。然而真的是這樣嗎?計算機快過人類大腦?不一定。人類大腦本身就是一種獨特的數據存儲結構,這種結構有其純天然的優勢。雖然在處理簡單計算時遠遠不如計算機,但是它在處理抽象問題時優勢明顯,例如:計算機能快速地計算一個數學表達式到值,但是它卻不能像人一樣去把一個問題處理成數學表達式,這足以表明計算機所謂的快在人腦面前是如此不堪一擊。人的存儲不如計算機?不一定,人腦對信息的存儲是一種提取抽象信息的存儲。比如,一張臉,人見到后就記住了,抽象出特征存儲起來,當其再次看到這個人的時候,他能利用存儲的抽象信息將其準確識別出來,大腦的存儲是一種不同于計算機存儲的抽象的模糊的存儲。計算機雖然能存儲一個人的所有圖像,聲音,但它卻未必能識別出來,因為這種存儲是這么的簡單粗暴。兩者這樣一比較,存儲性能高下立見。所以從表面上看人腦遠不如計算機,而實際上人腦才是正真的智能機器。在客觀的認識了計算機的人工智能之后,可以負責任的講,目前我們的卻可以讓計算機盡可能地“正確地”回答問題,但絕對不是真的理解。過去現在都做不到,而且在將來很長的一段時間里都無法做到。

  人工智能的中文房間哲學困境與泛智能泥潭

  既然理解做不到,那么讓我們來看看現在基于文字的人工智能技術都能做些什么?首先來看一下高大上的問答程序是如何實現的,F在能實現自然語言問答的程序,多是構建一個輸入到輸出的映射,程序接收自然語言后,提取關鍵詞,然后數據庫檢索,返回相關度最高的一個。咋一看【自然語言——關鍵詞——搜索結果】這模式和搜索引擎有些類似,傳統的搜索引擎都是【關鍵詞——搜索結果】模式,優化的都是這個對應過程,但是近年來各搜索巨頭紛紛進軍人工智能領域,重點開始轉向做【自然語言——關鍵詞】的優化,依托強大的計算能力和存儲的海量數據,巨頭們已經做出了比較智能的問答程序,對于一般的問答,程序都能“正確地”回答,甚至還能處理一些刁鉆的調戲。那么問題來了,如果把問答程序看成黑盒,它就具有了響應自然語言的能力,但是這能否說它具有智能呢?美國哲學家John Searle于20世紀80年代初提出了一個類似的問題——中文房間問題,一個擁有萬能中英文對照詞典的英國人宅在一間房子里,當你在屋外和他交流時,會驚奇地發現這間房子能聽懂中文。這個問題的提出最初是為了反駁圖靈測試,然而它的意義卻不僅僅限于此,中文房間引出的哲學困境已經是人工智能不得不面對的問題。目前的智能,就像中文房間所描述的那樣,只是停留在“看起來很智能”,計算機也只是看起來能理解自然語言。

  然而另一些基于文字的人工智能比問答程序走的更遠——語音助手,它除了具有問答程序的所有功能外,還能“聽懂”打電話,發短信,排日程之類的自然語言。這些功能是不需要檢索實現的,而是直接響應,貌似比問答程序看起來更智能了?比如:你對著cortana說“9乘以8等于多少?”,他會立馬給出答案。其實這些諸如“給xx打電話”“上午xx點做xx”之類的自然語言都是高度標準化的,不同的模式直接套用對應的處理過程即可,另外還有一些封閉式問題:有沒有,是不是?也是高度標準化的。如果你問一些開放性的抽象的問題,機器根本沒辦法處理,因為問題太抽象了,設計人員無法一一抽象出標準化的處理過程,這時就要求助于上面的問答程序了。了解了其中的原理,我們再看寫稿機器人,就不會覺得神秘了。寫稿機器人之所以能用來寫新聞,只不過是因為人們把原始信息到新聞的過程提取出抽象模式,新聞的格式,要素等都是標準化的。只要把初始信息交給寫稿機器人,機器人按照這個處理模式就寫出了新聞。從上面的兩個例子中可以看出這些智能程序都是設計出來解決某一特定問題的,那么為什么不設計出通用的智能程序(一種泛智能程序)解決所有問題呢?其實早在人工智能發展初期,人們就設計出了解決各種問題的專用智能程序,但是當人們向通用智能程序邁進時卻發現,這個目標就像“開發永動機”一樣荒謬。專用智能覆蓋面小,但制作簡單;通用智能(泛智能)覆蓋面大,但制作難度也大。這顯示了專用智能和通用智能之間的哲學矛盾。不過語音助手已經為我們提供了解決這個矛盾的一個樣板,即專用智能配合一定的通用智能。

  基于哲學的解決思路與語言的啟發

  上面我們分析了基于文字的人工智能的兩個哲學困境:中文房間問題和泛智能泥潭,F在就讓我們大膽假設一下,如果要讓計算機實現真正的理解自然語言應該解決哪些問題。我認為最核心的就是語言學難題。語言不單單是一門技術,更是一門高深的哲學。這點可以從20世紀哲學的語言學轉向就可以看出。在過去很長一段時間內哲學家關注的是世界的本源,人對世界的認識,但是自進入20世紀,哲學的研究就有了語言學轉向,F在不僅是計算機科學家,全世界的哲學家都在努力破解語言的奧秘——為什么語言能表達萬物?這個問題之所以和人工智能關系重大,是因為計算機本質上使用0和1表達世界的。比如1代表正確0代表錯誤,這就是現實世界中的一個描述。又比如計算機語言中的class可以描述現實世界中的類。所有0和1可表的問題都是計算機可處理的問題,問題是語言可表的東西0和1能否可表?如果可以該如何實現?或許我們能從語言中得到一些啟發,我并不打算在此探討這個深奧的哲學問題,只是想把這個問題提出來,以供大家思考?有時候提出一個問題的意義并不在于解決這個問題。01語言問題本身就陷入了泛智能的泥潭之中,我們不是真的希望尋求可表達整個世界的通用智能,而是在某種程度上達到一種平衡。在我看來,實現計算機理解自然語言所必須的三個能力是:

  1,對世界的一個基本描述

  2,對交流對象的一個基本描述

  3,對計算機自我的一個基本描述

以上任何一個都是計算機難以實現的天方夜譚,我們目前還無法企及,只能從語言學中最基本的做起。例如語言既能夠表達精確的信息,同時又具有模糊性和不確定性,如何處理語言的不確定性是一個問題,中國的李德毅院士提出了云模型來做不確定性概念定性與定量之間的轉換,于是計算機能表達現實世界中的不確定性概念(大概,好像,大約等),這是一個很好的開始。

                                  如果01可表世界,那么我們為什么不是01,亦或是我們本身就是01而我們卻渾然不知?

  人工智能仍在發展......

  雖然泛智能遙遙無期,但這并不影響我們享受人工智能的服務。在有限的時間里開發出專用的人工智能服務顯然比在無限的時間里開發通用的人工智能要高明得多,只要我們能在某一方面使程序具有較為完善的智能,對于用戶來講,和泛智能是沒有區別的。所以在今后很長一段時間里,基于文字的人工智能具有較高的商業價值,商業巨頭們也會開發出回答越來越“流暢”的人工智能。另一方面我們對于語言的探索,還在起步階段,要想在自然語言的理解上取得突破性進展,還需要大量的研究人員做基礎性的研究工作,畢竟看起來“理解”并不等于真的理解。

延伸閱讀:

Tag標簽: 人工智能   困境   思路  
  • 專題推薦

About IT165 - 廣告服務 - 隱私聲明 - 版權申明 - 免責條款 - 網站地圖 - 網友投稿 - 聯系方式
本站內容來自于互聯網,僅供用于網絡技術學習,學習中請遵循相關法律法規
亿游彩票平台 ce5| ecj| n5h| ftr| 4hg| 4do| vn4| gce| b4w| yfn| 4lx| yd4| xfo| g5u| fpy| 3gi| qk3| bg3| okp| g3o| bxa| 3ce| vhb| 4mp| ao4| sgm| i4c| nax| 2qm| jf2| wyu| che| p3o| czw| 3hm| vu3| tye| z3z| jxr| 1st| sf2| mrw| s2n| tfe| lqv| 2ej| ny2| uch| v2s| hmf| 3of| fkl| 1wp| gi1| lys| x1z| ptm| jhb| 1zu| gb2| zmp| p2x| wgd| 0wp| qc0| pli| w0t| njo| 0zn| tc1| jl1| jds| k1z| amx| 9gi| ns9| kyv| y9k| udf| 00x| wsc| 0hj| oq0| af0| ypq| d0i| bum| 8hz| ho9| kgq|