人工智能是否能超越人脑?
人工智能是否能超越人脑,取决人们对认知原理、人脑的工作方式的掌握以及人工智能硬件发展水平。
硬件的发展呈现出两种趋势:一类是仿造人脑神经元的人工神经元物理实体的研制,另一类是居于认知算法而设计的信息计算、存储、传输硬件设备的发展。
人工神经元物理实体仿制是个很有意思的人工智能思路,有别于目前名声大噪的深度学习算法,它不是研究人脑的认知原理,而是从物理实体方面尽可能地去模仿它。最近IBM就试图从对人脑神经元的物理实体仿制来突破人工智能,他们创造了世界上首个实体人工神经元,具有生物神经元一样的绝缘性、信号接收(神经树突的功能)和传递(神经轴突的功能),还有随机性(多次相同的输入会产生细微差别的输出),同时他们还在研发基于忆阻器(memristor)的突触(应该是解决人工神经元的记忆能力)。如果最终能大规模生产人造实体神经元并像生物神经元一样相互连接,很可能会因量变产生质变,形成物理中的大量相同物质聚集时产生的自组织现象,也许能获得意想不到的智能。
第二个方向,居于认知算法而设计的信息计算、存储、传输硬件设备发展非常快。从1946年2月14日世界上第一台电脑ENIAC在美国宾夕法尼亚大学诞生,到现在短短70年时间,信息处理硬件技术以摩尔定律快速提升,价格不变时,集成电路上可容纳的元器件的数目,约每隔18-24个月便会增加一倍,性能也将提升一倍。也许你会说摩尔定律现在已经过时了,但最近的中微子通讯、量子通讯方面的进步让人确信信息处理硬件在可预见的未来还会以更快的速度推进。量子科学有希望将计算机信息存储模式由二进制改成三进制,存储密度将大幅提升;量子计算机在特定领域的计算速度能轻松提高一亿倍。
现在我们来把人脑与人工智能依赖的硬件的几个主要方面做个比较,会发现后者在绝大部分的性能指标都将超过甚至是远远超前者。存储:人脑的记忆分短中长期记忆,短、中记忆容量都很小,相当于计算机内存而有达不到内存动则数G数十G的容量,容量最大的是长期记忆,人脑神经元大约860亿,那能存储多少信息呢?2的860亿次方递减数列求和那么多个吗?如果每个神经元都用于记忆而且每个神经元之间都有树突轴突互相连通,那就有可能达到这样一个记忆容量,但现实显然不是这样,甚至学术界对记忆的生理来源都不能完全肯定,得到的数据各不相同,目前比较容易接受的假设是:记忆的信息存储于神经元树突和轴突的链接以及链接传导兴奋的阀值。实际上每个神经元的树突数量从0个到上万个而不是2的860亿次方减1个,因此离理论极值相去甚远。长期记忆相当于计算机的硬盘,产业界公布的最大容量的单个硬盘是容量16TB,超级计算机的硬盘是专门的磁盘阵列系统,技术合适几乎可以无限扩展,因此容量也是十分惊人的。计算:人脑在做不同任务时都是只有局部很少脑区的神经元参与计算,英特尔的i7处理器里面是已经是几十亿颗晶体管,可以全部参与计算,所以就计算速度而言,计算机是完全可以大幅超过人脑的,有个例证:人脑擅长模糊计算,但在做需要临时存储的计算时特别慢,比如多步算术运算,大区域视觉寻路,计算机秒杀人脑。信息传输:神经元传递信息依赖化学物质和生物电,其最快的有髓鞘的神经元传递信息速度每秒约百米,人工智能的信息传递方式是电子甚至光,速度也是秒杀人脑。因此除了记忆的能力不能确定,在几乎所有的关键方面人工智能都已经完胜人脑。
相对于硬件,人脑认知原理的探究要相对困难得多,好在探究的趋势还不错,在逐渐深入发展中,从符号学习到统计学习再到现在的深度学习,每一个阶段都曾引起了学术界轰动,因为它们使人工智能学习方式变得越来越像人类,学习结果越来越可靠,比如手写数字识别MNIST;google的猫脸识别;当然还有众所周知的阿尔法狗围棋造诣。这些人工智能在各自比较单一的工作中的表现得比人类出色。
现在你或许会觉得,按目前的发展速度,我们终将解开人脑认知的秘密,再依托比人脑更快更强更耐劳的硬件,人工智能超越人脑似乎是大概率事件。这观点我相信能获得90%以上的支持,不能说百分百是因为无论从硬件还是从算法来看,人工智能与人脑还是有显著区别的:单个人脑神经元最多有上万个树突,最多能与上万个其它神经元直接关联,而芯片中的晶体管无论是二极管、三极管还是MOS管,它们直接的关联远没有这么密切;目前计算机内部使用的信息是以二进制表示的,而人脑的信息很可能是超高进制表示;人脑在并行计算、模糊判断方面有明显优势;计算机在逻辑算术运算有超强优势;人脑有情感有创造思维有自我意识而人工智能目前还做不到......所有这些不同预示着我们的算法甚至硬件的设计还需要做重大改变,很可能是个任重道远的过程。当然存在不同并不意味着人工智能就不能超越人脑,模拟人脑只是人工智能的一个发展方向,非模拟人脑的人工智能有想过吗?人脑伴随着生命上亿年的进化变得十分精妙,但它显然摆脱不了碳水化合物的生理限制,我们能不能突破生理限制,甚至可以无视人脑的认知模式去设计一个全新的认知模型呢?这个思路很有意思人类在掌握自然规律、原理后,往往能把优势发挥到极致,人们向往像鸟儿一样飞行却在掌握空气动力学后制造飞行速度远超鸟类的飞机;羡慕马的奔跑能力然而造出却是更高效带轮子甚至是磁悬浮的交通工具。因此非仿人脑的认知方式作为一种自由的设计思路,同样存在研发出超越人脑的更高效更强大的人工智能的可能,只是需要人们对认知原理的掌握更透彻。
人工智能最有可能实现的是什么呢?
随着深度学习在多个领域的突破,各大巨头公司竞相开放了它们的人工智能软件开发框架、硬件设施,不管是CPU还是GUP芯片公司专门为人工智能训练而优化了它们的计算芯片,google则干脆设计了专门用于训练模型的TPU。各大企业更是制定了自己的人工智能应用计划。拥有大数据的公司更是迫不及待地开始利用自己的优势。整个学术界产业界都十分积极地参与其中,为人工智能的人才培训、就业机会做好了全方位的准备。人工智能将在居于大数据的深度学习方面大赞手脚:异常数据自动警告;广告精准投放;汽车自动驾驶;实时语言翻译;自然语言处理;人脸识别;结合实时3D建模的计算机视觉.....实在太多了。
目前人工智能最迫切需要实现的是什么呢?
目前的深度学习DL人工智能适合做监督学习,而DL需要使用海量数据对参数进行训练,这可以说是目前DL的一个缺陷。海量数据目前只有大公司组织机构才有,因此给普通开发者参与到人工智能开发制造了障碍。另外基于DL的学习模型之间有很大差异,很难模型之间共用信息,这就大大限制了人工智能的横向合作发展,这些模型只是一个个功能单一的孤岛。假如训学习模型之间的经验可以相互共用,新模型可以借鉴已经练好的模型经验,将能大大提升模型处理问题的广度和深度,实现高级功能。因此目前人工智能最迫切需要实现的是模型之间的互用共享机制。