最近，一系列旨在測試一些世界上最好的人工智能(AI)系統(tǒng)和人類智商(IQ)之間的勝負關系的試驗表明，人工智能的智力目前已經(jīng)達到了4歲兒童的水平。來自美國伊利諾伊大學的研究小組完成了這項測試，他們發(fā)現(xiàn)，人類一手調(diào)教出來的、最先進的人工智能系統(tǒng)在智力方面相當于普通4歲兒童的水平。

當然，智商測試只是智力的一個衡量手段。計算機在處理某些任務的能力方面仍然遙遙領先于我們，比如計算的速度等等。這項測試所要做的是評估人工智能是否能夠合理地理解周圍環(huán)境的能力。而在“自我意識”這一特定領域，智能系統(tǒng)跟人類相比仍然有一大段距離。

自上而下的深度學習

由麻省理工大學的研究人員開發(fā)的人工智能系統(tǒng)ConceptNet也參與了這項研究，這是一個學術界從上世紀90年代就開始努力開發(fā)的測試系統(tǒng)。它在詞匯和相似性方面得到了很高的分數(shù)，信息方面的表現(xiàn)非常一般，推理和理解方面則可以用差勁來形容。

智商測試的范圍和形式不盡相同，這取決于測試者的年齡。在這次測試中，測試者被問了“你可以在哪里找到一只企鵝？”或者“房子是什么東西”之類的問題。測試者可能被要求根據(jù)一些線索來確定答案，或者被提問“我們?yōu)槭裁匆帐郑俊闭缒闼吹降?，這些問題都是計算機可能覺得麻煩的問題類型。

不過，當兒童的年齡提升到7歲的時候，人工智能系統(tǒng)的智力水平同樣會被人類吊起來打。但可怕的事是，人類的進化極度緩慢，而人工智能卻在以一日千“年”的速度進化，而且近年來有加速度趨勢。專家認為，人工智能在學習能力和自然語言能力上的改善會導致它們在今后幾年里擁有跟人類一樣的思維，比如蘋果Siri、Google Now和微軟Cortana。

在這些系統(tǒng)中，深度學習是提升人工智能“智商”的核心。在20世紀80年代，計算機科學家發(fā)明了一種巧妙的方法來讓計算機檢測數(shù)據(jù)中的模式：鏈結式(或稱神經(jīng)網(wǎng)絡)架構。這種方法在上世紀90年代陷入低潮，但隨著谷歌旗下DeepMind等強大的“深度學習”方法的崛起，它又重新煥發(fā)了生機。

另一種歷史悠久的自下而上的技術是強化學習。在20世紀50年代，斯金納(B. F. Skinner)在約翰·沃森(John Watson)的研究基礎上，通過給鴿子安排特定的獎懲活動，控制鴿子去執(zhí)行復雜的動作——甚至指示空射導彈射向目標。其基本理念是，鴿子得到獎勵的行為會重復，而受到懲罰的行為不會重復，直到想要鴿子去做的行為做成了。

即便是在斯金納的時代，這個簡單的過程，一遍又一遍地重復，也可能會導致復雜的行為，計算機被設定成一次又一次地執(zhí)行簡單的操作，操作規(guī)模之大超出了人類的想象，計算系統(tǒng)可以通過這種方式學習非常復雜的技能。

例如，谷歌的DeepMind研究人員將深度學習和強化學習結合起來，教計算機玩雅達利的電子游戲，計算機根本不知道這些游戲是怎么玩的。

一開始，它的行為是隨機的，它也僅僅得到屏幕在每個時刻的樣子以及它的得分情況方面的信息，深度學習幫助它解釋屏幕上的特征，強化學習則激勵系統(tǒng)獲得更高的分數(shù)，這臺計算機很擅長玩其中的幾個游戲，但它也完全玩不好其他的對人類而言易如反掌的游戲。

通過以類似的方式結合使用深度學習和強化學習，DeepMind的Alpha Zero程序取得了成功，先后在國際象棋和圍棋比賽中擊敗人類棋手，盡管它只具備基本的游戲規(guī)則知識和一些謀劃能力。

Alpha Zero還有一個有趣的特點：它可以與自己進行數(shù)億次的對弈，在此過程中，它會清除導致落敗的錯誤，同時重復和闡明帶來勝利的策略，這種系統(tǒng)，以及其他涉及到生成對抗網(wǎng)絡技術的系統(tǒng)，會在生成數(shù)據(jù)的同時也在觀察數(shù)據(jù)。計算機需要數(shù)以百萬計的例子來對對象進行分類，而我們只需用幾個例子就可以對這些對象進行分類。

兒童的學習方法與機器有何不同？

然而，關于兒童，真正值得注意的是，他們在某種程度上結合了每一種機器學習方法的最佳特征，并對它們完成巨大的超越。

在過去的15年里，發(fā)展主義者一直在探究孩子們從數(shù)據(jù)中學習結構的方式，4歲的孩子只需要像自上而下的系統(tǒng)那樣從一兩個數(shù)據(jù)例子中歸納出非常不同的概念，就可以學習，但是他們也可以從數(shù)據(jù)本身學習新的概念和模型，就像自下而上的系統(tǒng)一樣。

你也可以在孩子們的日常學習中看出這一點。即使數(shù)據(jù)相對較少，幼兒也能像成人科學家那樣迅速地學習抽象而直觀的生物學、物理學和心理學理論。

近年來，無論是自下而上還是自上而下方法，人工智能系統(tǒng)在機器學習方面所取得的顯著成就，都發(fā)生在一個由假設和概念構成的有限而明確的空間中——一組精確的游戲片段和動作，一組預先確定的圖像。

相比之下，兒童和科學家則有時會以激進的方式改變他們的概念，進行范式轉變，而不是簡單地調(diào)整他們已有的概念。

4歲的孩子能快速識別出貓和理解單詞的意思，但他們也能做出創(chuàng)造性的、令人驚訝的新推斷，這些推斷也遠遠超出他們的經(jīng)驗范疇。看看孩子們都做些什么，可能會給程序員帶來一些有用的關于計算機學習方向的提示。

兒童學習的兩個特點尤其引人注目，兒童是積極的學習者，他們不像人工智能那樣被動地吸收數(shù)據(jù)。就像科學家做實驗一樣，孩子們的內(nèi)在動機是，通過他們無休止的玩耍和探索，從他們周圍的世界中獲取信息。

最近的研究表明，這種探索比表面上看起來更有系統(tǒng)性，并且能夠很好地找到有說服力的證據(jù)來支持假設的形成和理論選擇，所以，如果將“好奇心”植入機器，并讓它們與世界積極互動，可能是讓它們的學習變得更真實、更廣泛的一條路徑。

其次，不同于現(xiàn)有的人工智能，兒童是社會和文化的學習者，人類不是在封閉的狀態(tài)下學習，而是利用過去幾代人所積累下來的智慧，最近的研究表明，甚至學齡前兒童也是通過模仿和聆聽他人來學習的，但是他們并不只是被動地服從他們的老師。

相反，他們以一種非常微妙和敏感的方式從他人那里獲取信息，對信息的來源和可信度做出復雜的推斷，并系統(tǒng)地將自己的經(jīng)歷與所聽到的內(nèi)容整合起來。

“人工智能”和“機器學習”聽起來很可怕，在某些方面確實如此。然而，人的愚蠢比人工智能造成的破壞要大得多，我們需要變得比過去聰明得多，才能恰當?shù)伛{馭這些新技術，但對于人工智能取代人類，還有無論是世界末日預言還是烏托邦式愿景，都沒有多少依據(jù)。

【科技云報道原創(chuàng)】

微信公眾賬號：科技云報道

生成海報

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)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。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。