Alex Wissner-Gross博士戴著很多帽子：他在波士頓經(jīng)營(yíng)一家名為Gemedy的公司，專(zhuān)注于人工智能(AGI)，他在哈佛大學(xué)和麻省理工學(xué)院有過(guò)許多學(xué)術(shù)任命，并且為許多政府機(jī)構(gòu)提供建議。他的目標(biāo)是確保通過(guò)經(jīng)濟(jì)重新分配人工智能(AI)的利益。您會(huì)認(rèn)為，具有這些頭銜和角色的人會(huì)釘上AI的定義。事實(shí)證明，對(duì)AI定義問(wèn)題的答案由于一個(gè)事實(shí)而變得復(fù)雜：我們沒(méi)有對(duì)智能本身的精確定義。
數(shù)據(jù)驅(qū)動(dòng)智能的挑戰(zhàn)
在最近的AI Today播客中，Alex Wissner-Gross教授更廣泛地分享了他對(duì)AI和智能的見(jiàn)解。幾年前，Alex問(wèn)自己關(guān)于AI的限制因素的知識(shí)，并開(kāi)始研究AI的許多關(guān)鍵進(jìn)展，并找到了一個(gè)有趣的模式。盡管許多人認(rèn)為算法或數(shù)據(jù)量可能是推動(dòng)AI研究發(fā)展的限制因素，但他發(fā)現(xiàn)，以越來(lái)越高的計(jì)算消耗將數(shù)據(jù)強(qiáng)加到算法中可能并不是實(shí)現(xiàn)AI突破的真正限制因素。
Wissner-Gross博士希望加速更高級(jí)形式的AI的出現(xiàn)。他著眼于語(yǔ)音識(shí)別，下象棋算法，識(shí)別系統(tǒng)以及其他最先進(jìn)的AI實(shí)現(xiàn)方面的進(jìn)步，以確定可能出現(xiàn)的任何模式。他發(fā)現(xiàn)要解決這些基于AI的挑戰(zhàn)的三個(gè)因素中，算法往往會(huì)引起最多的關(guān)注。但是，算法僅是AI限制因素的三類(lèi)因素之一。另外兩個(gè)是訓(xùn)練數(shù)據(jù)集和訓(xùn)練環(huán)境，第二類(lèi)是原始計(jì)算限制。
Alex發(fā)現(xiàn)，正在開(kāi)發(fā)的用于解決挑戰(zhàn)的算法與解決大挑戰(zhàn)的數(shù)據(jù)集之間的可用性時(shí)間差異幾乎有一個(gè)數(shù)量級(jí)。在某些情況下，用于訓(xùn)練AI應(yīng)對(duì)這些挑戰(zhàn)的數(shù)據(jù)集僅在解決挑戰(zhàn)之前一兩年可用。亞歷克斯(Alex)認(rèn)為，由于其他兩個(gè)因素往往過(guò)分強(qiáng)調(diào)，因此數(shù)據(jù)集不受歡迎。很自然地推測(cè)，有必要關(guān)注該領(lǐng)域的數(shù)據(jù)集和策展環(huán)境，以推動(dòng)AI的進(jìn)一步發(fā)展并在此基礎(chǔ)上展開(kāi)競(jìng)爭(zhēng)。但是，為解決更棘手的問(wèn)題而對(duì)越來(lái)越大的數(shù)據(jù)集的追逐可能會(huì)錯(cuò)位。
Wissner-Gross博士的物理學(xué)博士學(xué)位與專(zhuān)注于“智能物理學(xué)”的計(jì)算機(jī)科學(xué)相交。他比人類(lèi)通過(guò)嘗試?yán)斫庵悄艿默F(xiàn)象學(xué)或物理學(xué)而不是智能的機(jī)理，對(duì)加速超級(jí)智能的興起最感興趣。如果您看看自動(dòng)動(dòng)力飛行花費(fèi)了幾個(gè)世紀(jì)，而不是了解飛行的基本物理原理，那么可以說(shuō)人類(lèi)可能早在幾個(gè)世紀(jì)之前就已經(jīng)接受了這項(xiàng)技術(shù)。
亞歷克斯研究智力的物理等價(jià)物，并致力于獨(dú)立于智力過(guò)程的生物學(xué)限制而對(duì)其進(jìn)行優(yōu)化。他能夠確定一個(gè)物理規(guī)則，該規(guī)則可以基于將智力視為試圖“最大化未來(lái)行動(dòng)自由”的過(guò)程的基本原理來(lái)再現(xiàn)關(guān)鍵的動(dòng)物智力測(cè)驗(yàn)。
根據(jù)維斯納·格羅斯(Wissner-Gross)的說(shuō)法，這是一個(gè)簡(jiǎn)單明了的概念，可以封裝成方程式，該方程式可用于各種環(huán)境：從動(dòng)物界到金融市場(chǎng)或電子游戲。他認(rèn)為這是一種新的智力方法，其重點(diǎn)是從根本上理解智力的本質(zhì)以及其行為的原因。他的理由是，智能本身必須具有進(jìn)化的原因，因此，了解智能的潛在進(jìn)化動(dòng)機(jī)可能會(huì)解開(kāi)在計(jì)算機(jī)中復(fù)制智能的秘密。與理解動(dòng)力飛行的基本物理原理相似，亞歷克斯認(rèn)為，理解使未來(lái)行動(dòng)自由最大化的智能基礎(chǔ)過(guò)程可以被視為智能系統(tǒng)實(shí)際的基本物理過(guò)程。
這種對(duì)智力的定義比其他人可能描述的更為具體。從亞歷克斯的角度來(lái)看，智能的基礎(chǔ)是保持選擇權(quán)開(kāi)放的過(guò)程。他認(rèn)為，與其他定義相比，例如在某些環(huán)境中基于獎(jiǎng)勵(lì)結(jié)構(gòu)的智力或能夠?qū)W習(xí)某些環(huán)境的智力，該定義更有利于智力的發(fā)展。從他的角度來(lái)看，這些其他定義太狹窄了，因?yàn)橹橇π枰軌蛟跊](méi)有明確獎(jiǎng)勵(lì)的環(huán)境中運(yùn)行，或者學(xué)習(xí)的性質(zhì)不同，而不僅僅是加強(qiáng)學(xué)習(xí)。
智力和自私的基因
亞歷克斯(Alex)引用了理查德·道金斯(Richard Dawkins)的著名著作《自私的基因》，該書(shū)描述了一個(gè)有趣的概念，即在我們周?chē)氖澜缰?，有兩個(gè)穩(wěn)定的系統(tǒng)：(1)通過(guò)招募周?chē)纳矬w進(jìn)行復(fù)制而自我復(fù)制的基因;(2)通過(guò)永久性穩(wěn)定的基因。智能實(shí)現(xiàn)了穩(wěn)定性的第二種形式。智能系統(tǒng)能夠適應(yīng)其環(huán)境的變化，并通過(guò)這些適應(yīng)得以生存。
看上述內(nèi)容的另一種方法是看由史蒂文·平克(Steven Pinker)推廣的認(rèn)知適應(yīng)性利基原理?；靖拍钍牵M(jìn)化善于適應(yīng)時(shí)間尺度長(zhǎng)于復(fù)制時(shí)間的環(huán)境變化。如果您在培養(yǎng)皿中有細(xì)菌，并且在時(shí)間尺度上改變環(huán)境的時(shí)間長(zhǎng)于要復(fù)制的細(xì)菌，則細(xì)菌可以適應(yīng)其環(huán)境。但是，如果您改變環(huán)境的速度快于繁殖時(shí)間，那么細(xì)菌將沒(méi)有時(shí)間適應(yīng)其環(huán)境。這在自然進(jìn)化中留下了空白，被稱(chēng)為認(rèn)知適應(yīng)性利基市場(chǎng)。生態(tài)位只能由能夠以環(huán)境可能適應(yīng)的方式內(nèi)部模擬的生物填充。因此，與其依靠繁殖來(lái)依賴(lài)生物體的復(fù)制，以使某些生物在環(huán)境變化時(shí)能夠生存，您可以在內(nèi)部進(jìn)行更改以模擬環(huán)境適應(yīng)的可能方式，這種方式可以更快地發(fā)生。心理模擬比物理世界的變化要快得多。
以全新的視角應(yīng)對(duì)AI挑戰(zhàn)
亞歷克斯看好未來(lái)五年內(nèi)應(yīng)對(duì)AI的挑戰(zhàn)。AI的許多工業(yè)應(yīng)用都集中在狹小的智能問(wèn)題上，但真正的進(jìn)步將是更多的自適應(yīng)智能形式。在這些環(huán)境中，將需要智能的一般形式來(lái)發(fā)展。例如，亞歷克斯(Alex)相信，進(jìn)步將在于在連續(xù)動(dòng)作空間中進(jìn)行操作的能力以及在長(zhǎng)期時(shí)間范圍內(nèi)預(yù)測(cè)演變的能力。Alex相信，當(dāng)AI可以獲取數(shù)據(jù)并將其推算到未來(lái)時(shí)，對(duì)企業(yè)的影響將是巨大的。從這個(gè)角度來(lái)看，企業(yè)和組織可以看作是由幾個(gè)較小的智能組成的大型生物，可以實(shí)現(xiàn)個(gè)人無(wú)法獨(dú)自實(shí)現(xiàn)的目標(biāo)。
最終，Alex相信AI的最終挑戰(zhàn)是構(gòu)建能夠成功和諧地最大化未來(lái)行動(dòng)自由的AI。個(gè)人的目標(biāo)是生存和發(fā)展，各種規(guī)模和復(fù)雜性的組織的目標(biāo)也是如此。如果我們能夠理解智能的基本物理原理，就可以利用AI的真正力量并取得重大突破。