通用人工智能最新进展,清北通用人工智能实验班已正式启动且开始面向全国招生,该班型的创立备受大家的关注。小编整理了一些有关通用人工智能的信息帮助大家更为深刻的了解该专业。具体详情,请见下文。

通用人工智能最新进展

01

如果有一天,人类真的做出了能够思考的机器,那么所产生绝不仅仅是巨大的社会影响,也将带来巨量的市场机遇。1956年,达特茅斯会议正式吹响了进军人工智能的号角,在后续的六十年里,浩浩荡荡的人工智能研究军团从集结力量到溃败逃散,历经数次反复。

梦想敌不过惨烈的现实,人工智能内部开始分化,形成“问题求解、逻辑推理、知识工程、感知运动、机器人”等多个不同的方向,遗憾的是这些方向之间并不存在可能的统合方式。这也就意味着,整体上表现出类人智能的机器依旧不会从中诞生。于是,人工智能技术应用被人诟病便不足为奇了:任何被认为“智能”的技术,产品化后便不再“智能”。

直到通用人工智能的出现,上述尴尬困境才被推翻。

02 什么是通用人工智能

尽管人工智能术语最初用于表达与人类智能相似的机器智能,但在跌宕起伏的发展历程中,其内涵已经产生了分化:目前几乎等同为机器学习、统计分析的代名词,专注具体应用而远离了智能探索的初衷,这是早期对智能问题过于乐观估计的结果。

在这种情况下,一部分依旧坚守梦想的学者开始使用通用人工智能(Artificial General Intelligence,AGI)作为正式用语。也就是说,人工智能领域目前存在两个迥然不同的派别:专用人工智能(Special-purpose AI或Narrow AI)与通用人工智能。

然而,人工智能(AI)这一提法沿用至今,逐渐与专用人工智能等同。但实际上,人工智能包括专用人工智能和通用人工智能两个不同的子领域,即:

人工智能(AI)= 专用人工智能(SAI) 通用人工智能(AGI)

人工智能本质上为类人智能,即追求设计和开发像人脑那样工作的软件或硬件系统。对于“智能”理解的差异,使人工智能分化为专用和通用两个不同分支。其实,专用和通用存在根本性差异:专用人工智能的目标是行为层面上“看起来像有智能”,通用人工智能关注系统从内在层面上“如何才能实现真正的智能”。

专用人工智能先做后思,即开始并不深究智能也不对智能做清晰的定义,而是通过技术迭代渐进式地提升智能化的程度,分为符号主义、联结主义和行为主义三个派别。通用人工智能则认为智能的存在代表着可以被认知的理性原则,采取先思后做的路径。

事实上,通用人工智能内部也存在不同学说和派别。在本文中,基于的“智能的一般理论”及其“非公理逻辑推理系统(NARS)”的工程实现,便是通用人工智能领域中极具代表性和影响力的学派,其创始人为美国天普大学的王培教授。

其对智能的操作性定义为:智能就是在知识和资源相对不足的条件下主体的适应能力。智能绝非全知全能或比定然人更聪明,正是基于知识和资源相对不足假设而非某种预设的高深叵测的算法,使得所构建的NARS系统“恰好”不但具有感知、运动等低层活动(配备机械躯体和传感器),也具有类似人脑的情感、记忆、推理、决策乃至自我意识等高级认知活动。

同时,系统尤其强调经验的可塑性,以及经验与系统个性和自我发展的相互影响。然而,这些自生的高级认知活动是专用人工智能系统根本不具有的。一言以蔽之,那便是:能思考、有情感、有自我意识的智能系统已经存在。

03 常见误解

(一)人工智能的分类

在各类刊物中,人工智能有三种分类:第一种,分为计算智能、感知智能和认知智能三种;第二种,分为弱人工智能和强人工智能两种,而强人工智能也正是通用人工智能;第三种,则分为专用人工智能和通用人工智能两种。

第一种分类常见于行业演讲和报告中,既缺乏理论依据又具有误导性。实际上,所谓的计算智能和感知智能并不是真正意义的智能,但却错误地将智能实现分成三步,而且当前已经完成前两步即将走完最后一步,殊不知认知智能的实现根本不是如此。第二种则始于哲学讨论,“强—弱”意指智能的真假之分,而被大众误读为智能的宽与窄之分。

事实上,三者之间不存在等同关系,只有第三种分类──“专用人工智能”和“通用人工智能”才是真正符合和适合当下语境交流的正确概念分类。

(二)“超级智能”

人们自觉正处于一个快速发展的时代。特别是在中国,技术的“指数发展”更符合个人生活体验,“奇点”论在中国特别有市场。“奇点”的指数发展基于代际之间的迭代进化而实现,在物种进化的尺度上,人类智能的确由低智能动物发展而来,但这不意味着智能可以无限制发展下去。实际上,在任何领域中,按某个量已有增长趋势而推之未来的预测都不可靠。

具体到人工智能,在硬件方面,“奇点”论认为智能机器通过制造出比自身智能水平更高的机器而实现“奇点”,然而至今也没有任何一台机器可以独立创造出另一台机器,更别说具备一定智能水平;在软件方面,人们期待人工智能通过“给自己编制程序”来进化,此乃缺乏计算机知识所导致的误解。

不仅允许自我修改的程序设计语言早已存在多年(如Lisp和Prolog),而且至今未曾在计算机病毒程序中发现智能的产生迹象,尽管它们也已经自我复制并繁衍了多年。

智能本质上是一种对环境的适应能力。正所谓“鱼和熊掌不可兼得”,若要实现这种适应,有得必然有失。或者换言之,在任意情况下都能够全盘了解并做出最优选择的“东西”一定不智能,而且不仅不智能同时也是不可能。因此,所谓“超级智能”是不会出现的。

(三)“人工智能将取代人类”

专用人工智能具有浓厚的客体性工具色彩并不能构成对人类的威胁,公众真正担心的正是通用人工智能。与专用人工智能完全不同,通用人工智能系统对所有应用场景均不预设任何算法,从而具有问题解决的通用性。

当然,并不是说通用人工智能系统的构建不是算法实现的,而是其内部的算法仅仅用于协调和保持系统自身各个耦合功能模块的运行,并不直接作用于外在经验的加工。

对现实应用问题的分析和解决,全部来自个体学习的经验积累。这点与人类完全一致,刚开始运行的NARS系统,记忆空间没有任何知识和技能,就好似人类婴儿一般。在后续的系统与系统、系统与人的交互过程中才能逐渐学到本领。

而且,经验的积累有一个理解和消化的过程,而单纯地输入“你必须喜欢人类”、“人类利益第一位”等高阶信念是无效的,这就意味着系统的经验建构是内生的,绝不是外界灌数据便能够轻松做到。试想,如若不然,我们不就同样可以把数理化知识一并给孩子们成功“填鸭”了么?

因此,通用人工智能系统的成长需要人类的协助,其获得的经验也与人类多有共同之处。

当然,正所谓“近朱者赤近墨者黑”,“好人”能够教出“好的”通用人工智能系统,而“坏人”也能够教出“坏的”通用人工智能系统。但无论如何,其与人类关系密切,并没有充分的理由和必要在种群的整体层面上与人为敌,“人工智能将取代人类”只是我们自己的担忧而已,就好似很多人明知道世界上没有鬼,却在夜行路上总是担惊受怕一样。

04 应用前景

由于通用人工智能技术具有通用性这一本质特点,理论上系统适用于任何有人类需要之处。但如下行业却在系统应用的投入产出比上名列前茅,是最为理想的切入点。

(一)医疗

医疗领域中,有两个NARS系统极具竞争力的应用场景:一是疑难病的辅助诊断。与当前基于概率的专用人工智能手段不同,通用人工智能是以证据积累为基础的推理系统。

经过训练的NARS系统,对于小概率事件的判别性和鉴别度远强于它者;二是精神障碍的辅助诊断。出于人道考量,无法将患者的应激事件及其生活经历重演,但却可以置入NARS系统,让软件无限次地体会和模拟,并通过30余种人格参数的详尽报告为医生诊断提供重要的量化依据。

(二)教育

教育历来是比较稳定的投资蓝海。通用人工智能技术的教育应用,最为现实的途径之一便是在保证课业学习质量的前提下实现学生减负:科学评估学生当前的知识结构,并按照大纲和考纲要求,自动制订出个性化的学习方案。

该方案最大的特点是学习路径为该生完善当前知识结构的最短路径集合,用最精简的方式完成最高效率的学习,即真正的:做得更少,学的更好。

(三)翻译

随着对外开放的稳固推进,中国在全球化进程中角色变得日益重要,高质量的机器翻译必然成为业界宠儿。然而,当前专用人工智能下的机器翻译技术毫无例外地使用深度神经网络和强化学习技术作为支撑,虽较过去有明显改善,但提升空间却所剩无几。

不同于专用人工智能的机器翻译,通用人工智能系统的翻译真正建立在理解的基础之上,经过语言训练的通用人工智能系统原则上可以实现接近人类水平的翻译效果,能够妥当地翻译长句、复句、隐喻句等高难度的表达,这是专用人工智能技术所不能比拟的。

(四)应急

在危险作业和应急环境下(如消防、航天、自然灾害等),专用人工智能的缺陷被充分暴露出来:一旦遇到知识库中未曾存储的突发情况,系统将无法相应或在合理时间内得到响应。

通用人工智能系统则不然,对于突发的新情况,通用人工智能系统虽不能保证相应解决方案的成熟性和完备性(人也同样无法在危急关头进行充分详实的思考),但却能保证规定时间内的合理相应。解决方案的有无此时关乎生命,牺牲胳膊的代价总比牺牲生命来得更加值当。

05 应用难点

世间没有免费的午餐,通用人工智能的应用也是如此。事实上,与专用人工智能中算法和模型的决定性作用不同,通用人工智能是高度经验依赖的。这就意味着对机器的教育决定着通用人工智能商用化的能力和水准。依旧与人类相仿,通用人工智能走向产业化一如孩子们从小到大的教育训练一样,没有人一生下来就会算术、编程或经商、从政。

因此,在最粗线条的框架下,可以将通用人工智能近似为人类以便于理解。于是,对于通用人工智能技术的产业化而言,“教育决定一切”在此同样适用。

以上是有关通用人工智能最新进展的相关内容,希望对伙伴们有所帮助,想要了解更多资讯,请继续关注可圈可点网站。