論人工智能的局限及方向

【摘要】人工智能已經(jīng)用于各個(gè)領(lǐng)域并取得了豐碩的成果，然而人工智能無(wú)法取代或超越人類智能。之所以稱之為“智能”，是因?yàn)樗w現(xiàn)的自動(dòng)化水平提高到了一定程度，但仍未超出工具的范疇。人工智能作為一門學(xué)科仍隸屬于計(jì)算機(jī)科學(xué)，包括模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等等，這也是它局限性的體現(xiàn)。本文在比較人工智能與人類智能的基礎(chǔ)上闡述人工智能的局限，并為人工智能應(yīng)有的發(fā)展方向提出自己的觀點(diǎn)。

【關(guān)鍵詞】人工智能；局限；方向

人的思維往往是瞬時(shí)的，不存在檢索和計(jì)算的過(guò)程。這源于人腦的高度復(fù)雜性，電信號(hào)傳遞的狀態(tài)就能產(chǎn)生意識(shí)。所以無(wú)論是從輸入信息還是處理結(jié)果上都比人工智能復(fù)雜的多，用時(shí)也短得多。下面將基于Hebb原理，自下而上探究人類智能的各個(gè)層面，并對(duì)應(yīng)得給出人工智能的根本局限。

1、感知層

感官并不產(chǎn)生感覺(jué)，例如人的眼耳并不能產(chǎn)生視覺(jué)和聽(tīng)覺(jué)。視覺(jué)和聽(tīng)覺(jué)產(chǎn)生于大腦的感知層。這一層負(fù)責(zé)保存外界的“印象”、短時(shí)記憶、還負(fù)責(zé)產(chǎn)生概念的一般表象，在概念識(shí)別和思維的過(guò)程中發(fā)揮重要作用。根據(jù)Hebb原理，當(dāng)感知層接受刺激時(shí)，一部分神經(jīng)元同時(shí)處于興奮狀態(tài)，因此它們之間的連接被增強(qiáng)，這便記錄了外界的信息。當(dāng)大腦再次受到同樣或相近的刺激時(shí)，大腦會(huì)感知到這些印跡，這些印跡被綜合為一個(gè)值得注意的對(duì)象，很多基本的概念是這樣形成的。刺激是綜合的，人可以從中抽象出形狀、色彩、聲音、溫度等，說(shuō)明感知層是多維的，其中最重要的兩個(gè)維度是空間和時(shí)間。

人工智能的模式識(shí)別本質(zhì)是特征分析，它所記錄的外部信息是離散的、數(shù)字化的，數(shù)字與數(shù)字之間無(wú)關(guān)聯(lián)，只能針對(duì)某一特征對(duì)數(shù)據(jù)逐一分析來(lái)達(dá)成該特征的識(shí)別。人腦的感知層不僅能連續(xù)得記錄外部信息，以對(duì)照的方式進(jìn)行整體識(shí)別，還能感知信息間的關(guān)聯(lián)，提取任何可能存在的共性，從而在感覺(jué)的基礎(chǔ)上形成知覺(jué)。

2、概念層

概念是人思維的最核心要素，語(yǔ)言是它的外像。關(guān)于概念的兩個(gè)基本問(wèn)題是概念的產(chǎn)生和概念的識(shí)別。上文已經(jīng)基于Hebb原理闡述了基本概念（用于概括一類直觀對(duì)象）的產(chǎn)生和識(shí)別，這類概念直接來(lái)自于感覺(jué)，很難為這些概念下一個(gè)定義，比如“直線”。復(fù)合概念，顧名思義是由基本概念聯(lián)接而成，其產(chǎn)生和識(shí)別都來(lái)自于基本概念的關(guān)聯(lián)，即它的定義。

概念間的聯(lián)接確切來(lái)講是被強(qiáng)化的聯(lián)接，聯(lián)接被強(qiáng)化之前也必然存在實(shí)質(zhì)的聯(lián)接，也就是突觸，聯(lián)接的強(qiáng)化就是突觸權(quán)值的改變。神經(jīng)網(wǎng)絡(luò)模型已經(jīng)以數(shù)據(jù)結(jié)構(gòu)的形式模擬了這一過(guò)程，但這一模型較真正的神經(jīng)網(wǎng)絡(luò)有很大的不同。神經(jīng)網(wǎng)絡(luò)模型中神經(jīng)元的個(gè)數(shù)是有限的，每個(gè)神經(jīng)元承載了復(fù)雜的算法，神經(jīng)元之間的聯(lián)接是單一的，這使得神經(jīng)網(wǎng)絡(luò)模型只能針對(duì)包含有限參數(shù)的具體問(wèn)題，每次信息輸入（學(xué)習(xí)、訓(xùn)練）都會(huì)使突觸權(quán)值發(fā)生變化，其本質(zhì)是參數(shù)逼近。而真正的神經(jīng)網(wǎng)絡(luò)可以存儲(chǔ)大量的印跡，每次印跡都互不干擾。這說(shuō)明感知層的各個(gè)維度之間，概念層的各個(gè)概念之間的聯(lián)系是完全的，而且絕不是單一的（否則會(huì)造成印記覆蓋）。這樣才能記憶現(xiàn)實(shí)中的大量信息，并能抽象出任意模式。

3、思維

三段論是人思維的自然形式。其中小前提是概念的識(shí)別，大前提是已形成的概念聯(lián)接。作出判斷則是神經(jīng)興奮在概念聯(lián)接中的一次傳遞，傳遞的結(jié)果又反饋到當(dāng)前信息。外來(lái)信息會(huì)與內(nèi)在的概念網(wǎng)絡(luò)形成對(duì)照，這也是對(duì)外來(lái)信息的審核。通過(guò)審核的信息會(huì)被過(guò)濾出去，不被察覺(jué)。如果對(duì)照后存在矛盾或者不存在對(duì)應(yīng)的聯(lián)接就會(huì)產(chǎn)生問(wèn)題。特別的，如果人在閱讀或者交流的過(guò)程中，如果不存在相關(guān)的概念及聯(lián)接，就會(huì)啟動(dòng)一個(gè)問(wèn)題解決（或者理解）的過(guò)程。以問(wèn)題解決為目的的思維存在演繹和歸納兩種形式。

3.1 演繹是基于已有聯(lián)系的。通過(guò)演繹來(lái)解決一個(gè)問(wèn)題，本質(zhì)上是找到前提到結(jié)論的通路——思路。思路一般按照概念發(fā)散的順序進(jìn)行，發(fā)散的方向主要受概念聯(lián)接的強(qiáng)度印象，也會(huì)受目的及潛在的意愿影響。思路可以是上行的，即通過(guò)高層概念來(lái)取得聯(lián)接。也可以是下行的（分析的），即通過(guò)底層概念來(lái)取得聯(lián)系。下行的過(guò)程會(huì)深入到感知層，也就是表象。表象在思維的過(guò)程中發(fā)揮了重要作用。概念及聯(lián)接是外部信息的簡(jiǎn)化，神經(jīng)興奮在概念間傳遞時(shí)耗時(shí)和耗能都是最小的，這是人應(yīng)對(duì)日常信息或者解決一般問(wèn)題的形式。而表象是外在的“印象”，信息丟失的程度較小，會(huì)像外部信息一樣較為綜合的激活上層概念，使上層較弱的且關(guān)鍵的聯(lián)接被激活，從而形成思路。

人工智能可以實(shí)現(xiàn)自動(dòng)推理，但仍無(wú)法勝任日常問(wèn)題的解決。根本原因在于人工智能只能從孤立的聯(lián)系中思考問(wèn)題。人腦可以通過(guò)表象把問(wèn)題放在普遍聯(lián)系中去思考，更容易發(fā)現(xiàn)問(wèn)題的關(guān)鍵，且能做到具體問(wèn)題具體分析。

3.2 歸納則是建立新的聯(lián)系。人面對(duì)的世界是復(fù)雜的、連續(xù)的，人從中提取的概念及聯(lián)接則是有限的、離散的，所以永遠(yuǎn)不可能是充分的。人腦要能適應(yīng)外界，就必須不斷的產(chǎn)生出新的概念和聯(lián)接，這便是人腦學(xué)習(xí)的過(guò)程。由Hebb原理可知，概念之間存在潛在的聯(lián)接，它們是人腦在接收外界信息時(shí)，由感知層而上在概念層形成的強(qiáng)化，是外部信息在概念層留下的印跡。所謂“潛在”，即這些聯(lián)接并未獲得注意，未形成判斷以語(yǔ)言的形式被表達(dá)。然而在思維時(shí)，當(dāng)人的注意集中在某些概念上時(shí)，相關(guān)的潛在的聯(lián)接會(huì)被激活，并被人意識(shí)到，進(jìn)而形成判斷并表達(dá)出來(lái)。這種思維方式即歸納，是哲學(xué)家或思想家較為擅長(zhǎng)的思維方式。

在人工智能中發(fā)現(xiàn)事物關(guān)聯(lián)的技術(shù)是數(shù)據(jù)挖掘。數(shù)據(jù)間的關(guān)聯(lián)不是天然存在的，而是通過(guò)分析每條記錄的屬性值得到的，因此從效率上比人類智能要差多。不否定數(shù)據(jù)挖掘可以發(fā)現(xiàn)人所未能發(fā)現(xiàn)的關(guān)聯(lián)，但這些關(guān)聯(lián)的價(jià)值仍需人來(lái)評(píng)估。

4、結(jié)論

人工智能與人腦的本質(zhì)區(qū)別在于結(jié)構(gòu)，基于存儲(chǔ)-計(jì)算模型的硬件結(jié)構(gòu)，和基于數(shù)據(jù)結(jié)構(gòu)-算法的軟件結(jié)構(gòu)，決定了現(xiàn)代計(jì)算機(jī)無(wú)法實(shí)現(xiàn)真正的智能。目前人對(duì)大腦結(jié)構(gòu)的認(rèn)識(shí)還處于初級(jí)階段，但該結(jié)構(gòu)的輪廓已經(jīng)可以通過(guò)認(rèn)識(shí)論、神經(jīng)生理學(xué)方面的成果加以描述。這些成果足以說(shuō)明人工智能的局限和實(shí)現(xiàn)真正智能的方向。要實(shí)現(xiàn)真正的人工智能，需找到模擬神經(jīng)元工作的基本電路，使其具有相同的記憶和計(jì)算特性，這點(diǎn)是目前可以實(shí)現(xiàn)的。還需揭示神經(jīng)元協(xié)同工作產(chǎn)生意識(shí)的完整過(guò)程，并以此建立與大腦相似的龐大網(wǎng)絡(luò)，這點(diǎn)目前還很難實(shí)現(xiàn)。