?比爾·蓋茨重磅推薦！科技界傳奇解讀實現(xiàn)機器智能的最快途徑

機器智能的未來

文丨杰夫·霍金斯

如今的人工智能并不夠智能，還沒有機器具靈活的建模能力。然而，沒有任何技術(shù)原因阻止我們創(chuàng)造智能機器。障礙在于我們?nèi)狈χ悄艿睦斫?，也不知道產(chǎn)生智能所需的機制。通過研究大腦如何工作，我們在解決這些問題上取得了重大進展。在我看來，我們很有可能在未來的二三十年中，克服剩余的一切障礙，進入機器智能時代。

機器智能將改變我們的生活和整個社會。我相信它對21世紀的影響將超過計算機對20世紀的影響。但是，就像大多數(shù)新技術(shù)一樣，我們不可能確切地知道這種轉(zhuǎn)變將如何實現(xiàn)。歷史表明，我們無法預測將 推動機器智能向前發(fā)展的技術(shù)進步。

1950年，沒有人能夠預測那些推動計算機加速發(fā)展的創(chuàng)新和進步，例如集成電路、固態(tài)存儲器、蜂窩無線網(wǎng)絡通信、公鑰加密技術(shù)，以及互聯(lián)網(wǎng)。同樣，也沒有人預料到計算機將如何改變媒體、通信和商業(yè)。我相信，我們今天同樣不知道智能機器將會是什么樣子，以及70年后我們將如何使用它。

雖然我們不知道未來的細節(jié)，但千腦智能理論可以幫助我們劃定一條界限。了解大腦產(chǎn)生智能的機制，我們就能知道什么是可能做到的，什么是不可能的，以及什么樣的進步在某種程度上是可能實現(xiàn)的。這就是本章要介紹的內(nèi)容。

《千腦智能》作者：杰夫·霍金斯

設計智能機器

談到機器智能，最重要的是要記住大腦的劃分：舊腦與新腦。人類大腦中，較早進化出的部分，控制著生命的基本功能。它們創(chuàng)造了人類的情感，生存和繁衍的欲望，以及人類先天的行為。在創(chuàng)造智能機器時，我們不必復制人類大腦的所有功能。

新腦，即大腦新皮質(zhì)，是體現(xiàn)人類智能的器官，智能機器需要具備與之相當?shù)臇|西。至于大腦的其他部分，我們可以選出一些我們想要的部分。

大腦新皮質(zhì)雖然比舊腦大得多，但它由許多相對較小的元素——皮質(zhì)柱組成。知道如何構(gòu)建皮質(zhì)柱后，再將大量的皮質(zhì)柱放入機器中使其變得更智能就相對容易了。

設計智能機器可以從三個部分著手：具身(embodiment)、舊腦部分、大腦新皮質(zhì)。每個組件都有很大的自由度，因此將會產(chǎn)生許多類型的智能機器。

具身

如前文所述，人類通過運動學習。為了學習建筑的模型，我們必須挨個房間地走遍該建筑。要學習一種新工具，我們必須把它握在手里，不斷轉(zhuǎn)動它，用眼睛觀察并注意其不同部位。基本上，要學習世界的模型，需要移動一個或多個與世界上的事物相關(guān)的傳感器。

智能機器還需要傳感器和移動這些傳感器的能力。這被稱為“具身”。具身可以是一個看起來像人、狗或蛇的機器人，可以以非生物的形式存在，如一輛汽車或一個十臂工業(yè)機器人。具身甚至可以是虛擬的，如探索互聯(lián)網(wǎng)的機器人。

當下的大多數(shù)深度學習網(wǎng)絡都沒有一個具身。它們沒有可移動的傳感器，也沒有參考系確定傳感器的方位。在沒有具身的情況下，能學到的東西是有限的。

可用于智能機器的傳感器幾乎有無限種。人類的視覺、觸覺和聽覺都是通過傳感器陣列實現(xiàn)的。例如，眼睛不是一個單一的傳感器，它包含數(shù)千個排列在眼睛后面的傳感器。同樣，人體皮膚上也排列著數(shù)千個傳感器。智能機器也將擁有傳感器陣列。 

未來，我們可能會創(chuàng)造具有獨特具身的機器。例如，一個存在于單個細胞內(nèi)、了解蛋白質(zhì)的智能機器。蛋白質(zhì)是長分子，可以自然折疊成復雜的形狀。蛋白質(zhì)分子的形狀決定了它的作用。如果我們能更好地理解蛋白質(zhì)的形狀，并根據(jù)需要對它們進行操作，這將給醫(yī)學領(lǐng)域帶來巨大的好處。

我不知道人類是否有可能制造出智能蛋白質(zhì)機器，也不知道分布式智能機器會有多大價值。我舉上面的這些例子是為了激發(fā)讀者的想象力，因為它們是可能實現(xiàn)的。關(guān)鍵要明白，智能機器可能會有許多不同的形式。當我們思考機器智能的未來及其影響時，需要大開腦洞，而不是將我們的想法局限于人類和其他存在智能的動物。

舊腦部分

要創(chuàng)造一臺智能機器，也需要一些舊腦的功能。

基本的運動就是其中一項需求。用雙腳保持平衡、行走、奔跑等動作都是由舊腦部分執(zhí)行的。你不需要依靠大腦新皮質(zhì)來保持平衡、行走和奔跑。大腦新皮質(zhì)必須連接到已經(jīng)擁有傳感器和行為的東西上。它并沒有創(chuàng)造出全新的行為，而是學習如何以新的和有用的方式將現(xiàn)有的行為組合在一起。

應該內(nèi)置與機器具身密切相關(guān)的行為。例如，假設我們有一架無人機，旨在為遭受自然災害的人們運送緊急物資。我們可以讓無人機智能化，讓它自己評估哪些地區(qū)最需要幫助，并且在運送物資時與其他無人機協(xié)作。無人機的“大腦新皮質(zhì)”不能控制飛行的所有方面，我們也不希望它這樣做。無人機應該具有穩(wěn)定飛行、著陸、避障等內(nèi)置行為，但它的智能部分不需要考慮飛行控制，就像人類的大腦新皮質(zhì)不需要考慮雙腳平衡一樣。

此外，智能機器還需要內(nèi)置安全性?？苹眯≌f作家艾薩克·阿西莫夫(Isaac Asimov)提出了著名的“機器人三定律”。這三條定律就好似一份安全協(xié)議： 

? 第一定律：機器人不得傷害人類，也不得無視人類受到傷害。

? 第二定律：機器人必須服從人類的命令，除非這些命令違反了第一 定律。

? 第三定律：在不違反第一定律和第二定律的前提下，機器人必須保 護自己。

阿西莫夫的機器人三定律是在科幻小說中提出的，并不一定適用于所有形式的機器智能。但任何產(chǎn)品設計，都需要考慮一些安全措施。這些安全措施可以很簡單。例如，汽車有一個內(nèi)置的安全系統(tǒng)以避免事故。

我還要聲明一點：智能機器必須有目標和動機。我們?nèi)绾钨x予智能機器目標呢？這樣做有風險嗎？

我們首先要記住大腦新皮質(zhì)本身并不會創(chuàng)造目標、動機或情緒。大腦新皮質(zhì)與動機和目標影響行為的方式緊密相關(guān)，但大腦新皮質(zhì)并不引導行為。為了了解其中的工作機制，不妨想象一下舊腦與大腦新皮質(zhì)的對話。

舊腦說：“我餓了。我想要食物。”大腦新皮質(zhì)的反應是：“我找到了食物，并且發(fā)現(xiàn)附近有兩個有食物的地方。要想到達其中一個地方，我要沿著一條河走。要想到達另一個地方，我要穿過一片有老虎活動的開闊地帶。”

大腦新皮質(zhì)在不帶有任何價值判斷的情況下平靜地說出這些話。然而，舊腦區(qū)域會將老虎與危險聯(lián)系在一起。一聽到“老虎”這個詞，舊腦就開始行動起來。它向血液中釋放化學物質(zhì)，提高你的心率，并引起其他與恐懼有關(guān)的生理反應。舊腦可能還會釋放一種叫作神經(jīng)調(diào)節(jié)劑的化學物質(zhì)，直接進入大腦新皮質(zhì)的廣闊區(qū)域中，大致是告訴大腦新皮質(zhì)：“不管你剛才在想什么，都不要那樣做。”

賦予機器目標和動機，需要我們?yōu)槟繕撕蛣訖C設計特定的機制，然后將它們嵌入機器的具身。目標可以是固定的，正如我們遺傳了對進食的渴望；目標也可以后天習得，就像我們向往過上美好生活這樣的由社會決定的目標。當然，任何目標都必須建立在阿西莫夫第一定律和第二定律這樣的安全措施之上?？偠灾悄軝C器需要某種形式的目標和動機，然而，目標和動機不是智能的結(jié)果，也不會自行出現(xiàn)。

大腦新皮質(zhì)

設計智能機器的第三個要素是一個與大腦新皮質(zhì)具有相同功能的通用學習系統(tǒng)。同樣，這也有很多設計選項，在這里我們將討論其中的兩個：速度和容量。

速度

神經(jīng)元做出有用的行為至少需要5毫秒。硅晶管的運行速度是神經(jīng)元的100萬倍。因此，由硅制成的大腦新皮質(zhì)可能是人類思考和學習速度的100萬倍。很難想象思考速度如此巨大的提升會帶來什么。但在開始天馬行空的想象之前，需要指出的是，一個智能機器的一部分速度是生物大腦的100萬倍，并不代表整個智能機器的速度也可以達到這一水平，也不代表它習得知識的速度會這么快。

我們可以將現(xiàn)在的計算機比作我們期待發(fā)生的事情。計算機會完成人類以前用手完成的任務，它的速度比人類要快100萬倍。計算機改變了我們的社會，并極大地提高了我們進行科學和醫(yī)學發(fā)現(xiàn)的能力。但是計算機并沒有使我們做這些事情的速度變?yōu)橹暗?00萬倍。智能機器也將對人類社會和人類進行科學發(fā)現(xiàn)的速度產(chǎn)生類似的影響。

容量

芒卡斯爾認為通過復制相同的腦回路和皮質(zhì)柱，我們的大腦新皮質(zhì)變大了，我們變得更聰明了。機器智能也可以遵循同樣的機制。只要我們完全了解了皮質(zhì)柱的作用以及如何利用硅制造皮質(zhì)柱，那么通過使用更多或更少的皮質(zhì)柱元素來制造各種容量的智能機器就會變得相對容易了。

我們能制造出的人造大腦并沒有明顯的大小限制。一個人的大腦新皮質(zhì)包含15萬根皮質(zhì)柱，如果我們制造出一個擁有1.5億根皮質(zhì)柱的人造大腦新皮質(zhì)，會發(fā)生什么？人造大腦擁有的皮質(zhì)柱是人類大腦的1000倍，這有什么好處呢？我們還不知道這些問題的答案，但有一些觀察發(fā)現(xiàn)值得分享。

每個人大腦新皮質(zhì)區(qū)的大小差別都很大。V1區(qū)是主要視覺腦區(qū)，某些人的V1區(qū)可能是其他人的兩倍大。每個人的V1區(qū)厚度都一樣，但是面積和皮質(zhì)柱的數(shù)量可能是不同的。

一個V1區(qū)相對較小的人和一個V1區(qū)相對較大的人都有正常的視力，他們都不會覺察到這種差別。然而，V1區(qū)較大的人會有更高的敏銳度，這也就意味著他們可以 看到更小的東西。對于鐘表匠而言，這可能會很有用。以此類推，擴大大腦新皮質(zhì)的某些區(qū)域可能會產(chǎn)生一些影響，但不會給你帶來某種超能力。

我們可以創(chuàng)造更多的區(qū)域，并以更復雜的方式將它們連接起來，而不是擴大每個區(qū)域。

在我的團隊創(chuàng)造的大腦新皮質(zhì)的軟件模型中，我們可以立即建立任意兩組神經(jīng)元之間的連接。軟件可以形成所有可能的連接。這種連接上的靈活性可能是機器智能相對于生物智能的優(yōu)勢之一。它讓智能機器可以保留所有的可能性，因為它消除了成人在嘗試學習新事物時面臨的障礙之一。

可復制的機器智能

機器智能與人類智能的另一個不同之處在于，智能機器可以被復制。每個人都必須從頭開始學習一個世界模型。

我們在生命之初幾乎一無所知，然后花費幾十年的時間學習。我們上學是為了學習，讀書也是為了學習，當然也會通過個人經(jīng)歷來學習。智能機器也必須學習世界模型。然而，與人類不同的是，我們可以在任何時候復制智能機器，克隆它。 

假設我們有一個標準化的智能火星機器人的硬件設計，我們可能會在一個類似于學校的地方來教機器人有關(guān)建筑方法、材料，以及如何使用工具等方面的知識。這項訓練可能需要數(shù)年才能完成。但只要機器人的能力達到令人滿意的程度，我們就可以將它學習的連接遷移到其他十幾個相同的機器人上，從而創(chuàng)造副本。之后，我們便可以對機器人重新編程，加入改進的設計或全新的技能。 

機器智能未知的未來應用

每創(chuàng)造一項新技術(shù)，我們都會想象用它來取代或改進我們熟悉的東西。隨著時間的推移，沒有人能預料到的新用途出現(xiàn)了，而正是這些意想不到的用途通常會成為最重要的用途，并會改變整個社會。

互聯(lián)網(wǎng)的發(fā)明是為了在科學和軍事計算機之間共享文件，這些工作在以前是人力完成的，但現(xiàn)在可以更快、更高效地完成?；ヂ?lián)網(wǎng)共享文件這個用途依然存在，但更重要的是，它從根本上改變了娛樂、商業(yè)、制造業(yè)和個人通信，甚至改變了我們的讀寫方式。互聯(lián)網(wǎng)協(xié)議剛出現(xiàn)時，很少有人能預見這些社會變化。

機器智能也將經(jīng)歷類似的轉(zhuǎn)變。

如今，大多數(shù)人工智能科學家重點關(guān)注讓機器做那些人類可以做的事情，從語言識別、圖片分類到開車。人工智能的目標是模仿人類，很可惜，這種將類人能力作為衡量智能的標準的做法弊大于利。人們對于讓計算機下圍棋等任務產(chǎn)生的興奮，干擾了我們對智能機器終極影響的想象。

我們能對無法預測的智能機器的應用說些什么呢？雖然沒有人知道未來的具體情況，但我們可以嘗試確定大的設想和趨勢，從而預測人工智能會在哪些意想不到的方向上得到應用。學習科學知識是我發(fā)現(xiàn)的一個令人激動的應用。

人類想要學習，于是被吸引著去探索，去尋求知識，去理解未知。我們想知道宇宙之謎的答案：它是如何開始的？它將如何結(jié)束？生命在宇宙中常見嗎？還有其他智能生物嗎？人類依靠大腦新皮質(zhì)去探索這些知識。當智能機器能比我們思考得更快更深入，能感知我們感知不到的東西，能去我們無法去的地方旅行，誰知道我們會學到什么。這種可能性真令人興奮！

不是每個人都像我一樣對機器智能的好處持樂觀態(tài)度，有些人認為它是對人類最大的威脅。我將在后續(xù)討論機器智能存在的風險。