為什么說,“通用AI”只是一個妄念?

原標題:為什么說,“通用AI”只是一個妄念?

文|李北辰

科技界皆知,夾雜在一片濃郁的“展銷會”氛圍中,也夾雜在坊間對“仿生人”這一概念的追捧中,背靠三星的研究機構(gòu) STAR Labs推出的人工智能項目NEON,成為今年CES上不多的一抹亮色。

不同于你已熟知的各種堪稱雞肋的人工智能助手,根據(jù)官方描述,NEON 是一種以人工智能為驅(qū)動的虛擬存在,擁有與人類一樣的表情和舉止的獨立生物,官方稱其為人工智人。

當然,這一“新物種”脫胎于人類。

在獲取到人類面部和聲音特征后,NEON 會憑借自研的 CORE R3 引擎,通過電腦計算生成模擬真人的形象和表情神態(tài)(這意味著它大概率不會出現(xiàn)所謂的“恐怖谷效應”)。

NEON能以虛擬形象的方式在屏幕中出現(xiàn),并根據(jù)指令做出反應,而在STAR Labs的期許中,NEON會演變?yōu)楦咏鎸嵤澜绲娜祟惤巧┤缪輪T,教練,主播以及模特等。當然,它也可以只作為你的伴侶和朋友。

就像Neon 首席執(zhí)行官兼 STAR Labs 負責人 Pranav Mistry 所說:“地球上有數(shù)百萬個物種,我們希望再增加一個。NEON 將成為我們的朋友和合作伙伴,不斷學習和發(fā)展,并從互動中形成獨特的回憶?!?/p>

事實上,盡管NEON 還處在相當早期的階段,且遠談不上成為人類的“復制品”,更是距離《西部世界》(人與機器作為兩個獨立物種的相像,困惑與殺戮)中“真正”的仿生人相差十萬八千里——但所有人也委實聆聽到了“科幻走進現(xiàn)實”的腳步聲。

NEON的出現(xiàn),再次模糊了現(xiàn)實與虛擬的邊界,也再次牽涉出一個常說常新的問題:人工智能與人類的關系。

你知道,對不少人來說,人工智能是個令人眩暈甚至恐懼的概念,在他們看來,未來的AI會像洪水猛獸一般侵蝕人類社會——盡管漫長的生物史告訴我們,一個物種“徹底取代”之前物種成為星球主宰的故事從未發(fā)生,但卻不妨礙它成為多數(shù)人關于人工智能的最佳談資。

當然,真實的AI世界遠非如此科幻。

眾所周知,迄今為止,在深度學習的輔佐下,人類對專注于某個特定任務的AI訓練已經(jīng)得心應手,AI在自動駕駛,翻譯,醫(yī)療,保險等各領域不斷摧城拔寨,但由于被鎖死在給予的知識圍攏內(nèi),人工智能一旦橫跨領域,瞬間表現(xiàn)得像個嬰兒——或者說弱智。

而在許多人的期許中,真正意義上的“通用AI”,能夠在不同領域間建立關聯(lián),舉一反三,解決跨領域的復雜任務,它更接近人腦的全盤思維,也更接近上世紀80年代所謂“經(jīng)典AI”嘗試解決的問題,所以在不少未來學者眼中,通用AI是人類通向未來的必經(jīng)之路。

但在更多人看來,人類與通用AI之間,也許還隔著許多個“深度學習”。

作為這一輪人工智能浪潮的助推器,深度學習其實嚴重依賴于數(shù)據(jù)堆砌,在本質(zhì)上是用統(tǒng)計方法增加預測的準確度,基本是對過去經(jīng)驗的總結(jié),并沒有辦法預測“沒見過”的事——而哪怕將這一邏輯推演至極致,大概率上也不足以誕生通用AI。

譬如DeepMind創(chuàng)始人哈薩比斯就曾表示,就像人類智慧是由大腦不同模塊涌現(xiàn)而來,深度學習只是解決通用AI的一個組成部分,“大腦是個綜合系統(tǒng),但大腦的不同部分負責不同的任務。海馬體負責情景記憶,前額葉皮質(zhì)負責控制,等等。你可以把目前的深度學習看作是相當于大腦中的感覺皮層的一樣東西:視覺皮質(zhì)或者聽覺皮質(zhì)。但是,真正的智能遠不止于此。你必須把它重新組合成更高層次的思維和符號推理?!?/p>

但這談何容易,就像凱文凱利所言,我們總是希望創(chuàng)造一個像瑞士軍刀那般有許多功能的事物,這樣的智能可能在許多方面都不錯,但沒有哪個方面能做到極致,我們不能優(yōu)化每一個維度。

事實上,即便是這個世界上最著名的技術樂觀分子,《奇點臨近》的作者雷·庫茲韋爾也曾表示,直到2029 年,人類也才有超過50%的概率開發(fā)出通用AI。iRobot聯(lián)合創(chuàng)始人Rodney Brooks 的判斷則是2200 年……

而在更悲觀者眼中,上述這些時間節(jié)點,只不過是一時囈語,因為通用AI的實現(xiàn),本身也許就是個妄念。

就像是NEON,受限于AI技術的掣肘,它擁有“好看的身體”,卻沒有“有趣的靈魂”。

這當然不怪它,畢竟就連我們?nèi)祟愖约?,也不知道“靈魂”究竟是個什么玩意。


作者:李北辰,獨立撰稿人,國內(nèi)數(shù)十家媒體專欄作家,曾供職《南都周刊》《華夏時報》《財經(jīng)》等媒體

極客網(wǎng)企業(yè)會員

免責聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內(nèi)容或斷開相關鏈接。

2020-01-10
為什么說,“通用AI”只是一個妄念?
作為這一輪人工智能浪潮的助推器,深度學習其實嚴重依賴于數(shù)據(jù)堆砌,在本質(zhì)上是用統(tǒng)計方法增加預測的準確度,基本是對過去經(jīng)驗的總結(jié),并沒有辦法預測“沒見過”的事——而哪怕將這一邏輯推演至極致,大概率上也不足

長按掃碼 閱讀全文