在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

深度學習的哲理含義:機器的時間化能力

JsPm_robot_1hjq ? 來源:未知 ? 作者:李倩 ? 2018-07-05 14:37 ? 次閱讀

自從控制論出現以來,人工智能AI,artificial intelligence)與人類智能(HI,human intelligence)的關系已經被爭論良久。近些年人工智能崛起,讓人開始意識到,一個人類生存方式的新時代正在來臨。本文嘗試從哲理角度來理解這一波新進展,以及它對于此關系的影響;為此就不僅要說明人工智能出現的哲學背景,而且要涉及導致這次進展的一個重要因素,即“深度學習”(deep learning)方法的思想含義。為了盡量原本地顯現人類心智的特性,以便與這種人工智能進行比較,一個策略是訴諸廣義心學,看看這個古老傳統對于人類心靈的基本見地。

人工智能的哲學背景:數學因素

十幾年前,即便是人工智能界的主流也沒有想到會有這樣的突破和勃興。但從整個西方思想和科技的發展方向來看,也在情理之中。

畢達哥拉斯及其學派的主張,代表了西方文明精神的原結構。畢氏主張“數”是萬物的本原,導致了西方哲學主流唯理論的誕生。他、他的學派及其衍生流派比如愛利亞學派和柏拉圖主義,乃是西方文明及其現代潮流的特征賦予者。

海德格爾稱這種塑造西方思想主流,包括現代科技的力量為“數學因素”(das Mathematische)。它被唯理論者視為人類心靈與萬物共有的先天形式。人之所以能夠“為自然立法”(康德),就是以此數學因素為拷問自然的座架,逼迫自然向我們這些“主體”吐露出她作為“客體”的秘密。

人工智能的新進展,是畢達哥拉斯之數或數學因素達到的一個新階段,它在一定程度上突破了傳統數學理性的廣義線性思維,但又在新的維度上建立起“算法”(algorithm)的有效性,由此而將“數本原”說推進到了一個新境界。

當我們看到人工智能可以識別對象(比如人臉、日落),開始駕駛汽車,能戰勝圍棋高手,寫出讓人難辨真偽的詩詞,相互之間說出讓設計者不知所云的新話語,我們感到了某種“興奮”,但同時又迷茫、害怕,人與機器的界限在模糊,“有機械者必有機事,有機事者必有機心”(莊子)的狀態,正在從人向機械轉移,它們也在取得“機心”,與我們的機心類似的心。未來的發展更是充滿了異數。這次是不是狼真的要來了?它不但可能不再被馴服,而且要馴服制造它們的人?

人工智能與深度學習

什么是人工智能?簡言之,就是人為制造的機制能夠“像人一樣思考;像人一樣行動”。這里講的“人”,是指我們這種“現代智人”(Homo sapiens)。但此種人的“智能”何在呢?這就幾乎是在問“人的本性何在?”亞里士多德的回答是:“人是有理性的動物。”所以人工智能的另一種定義是說它能夠“合理地思考和行動”。但這是一種什么“合理”呢?應該是由畢達哥拉斯之數的“比率”(ratio)所構造的“合理性”(ratio-nality)。

對于它的具體含義,不是沒有爭議的。比如,它與現象、情感、直覺、信念是什么關系?近代啟蒙運動和科學主義大興之后,更為硬性、冷靜地看待這種理性,將之歸為因果關系的線性利害算計。新階段AI的出現,有點像量子力學的新進展,表明這合理性不是完全連續的,但它仍然可以被看作是理性的;就像當年畢達哥拉斯學派發現了無理數,雖然受到極大震驚和挫折,但此類數的“無理”(un-ratio,無比率)最終也沒能動搖整個數本原的合理。新AI之所以是對傳統的智能觀的突破,就是因為它對“非線性”的要求極頑強和深刻。

最近一波AI新進展取決于三個因素,即可用數據量的擴張、計算機速度的提升和深度學習方法的獲得。最有哲理含義的是最后一個,如一位深度學習方法的開創者所言:“深度學習是一種特定類型的機器學習,具有強大的能力和靈活性,它將大千世界表示為嵌套的層次概念體系(由較簡單概念間的聯系定義復雜概念,從一般抽象概括到高度抽象表示)。”

“機器學習”由早期AI(實例為“知識庫”)進展而來,可以表現為“邏輯回歸”方法,即一種“監督學習算法”(所用樣品帶有人為加上的標簽,以引導機器的學習);然后進展到“表示學習”的階段,這時AI獲得了“無監督學習算法”,也就是從沒有人為標簽的樣本分布中自己提取信息,理解數據,其實例為淺度自編碼器。這是一個重要進步,但更關鍵的進展來自“深度學習”的出現,其實例是多層感知機(MLP)。這種算法之所以有強大的能力和靈活性,就是因為它包含了“嵌套的層次”,像人的知覺神經網絡,能從對象化樣本(比如許多關于“葉子”圖片的信息)學到非對象化的對象識別(比如辨認出從未見過的或千變萬化的葉子)能力。

這種學習算法的輸入不能是對象層級的,比如直接記住許多有關的圖像,而只能從“感覺材料”(hyle)入手。這樣,在圖像的對象識別中,輸入就是圖像的像素數值。但是,“將一組像素映射到對象標識的函數非常復雜。如果直接處理,學習或評價此映射似乎是不可能的”。于是深度學習算法就將在一層或淺層難于處理的復雜映射或函數運算,分解為多個嵌套層次的簡單映射,比如在輸入層與輸出層之間加入三層或更多層。

這里的關鍵是“嵌套的隱藏層”,也就是“深度”的出現或實現。它表明分層的“裂隙”是較佳智能出現的一個條件。在一個層次上達不到的,卻可能在更多的嵌套疊層中實現。為什么?按照傳統理性的思路,如果邏輯正確、信息足夠,計算力夠,在一層上處理這些信息與在多層上處理沒有本質不同,只不過是比較復雜的一步走和比較簡單的多步走的差別。但深度學習的思路認為的確有質的不同。在這些疊層之中,下一層的輸出是上一層的輸入,而且是交叉嵌套式的輸入,所以兩層之間有聯系,但不是可以被更高級算法代替的聯系,因為這種層間聯系里有情境化的,需要被不斷調試、訓練的參數,即所謂人工神經網絡虛擬神經元之間“突觸連接強度或權重”。它們將輸入或一個層級算法的結果非線性地或相當曲折地轉輸到上一層,造成了連續中的不連續,或不連續(層級間的裂隙)中的時機化的曲折連續。用《老子》的話講,就是“惚恍”聯系中的“真”與“信”。

在十二年以前,人工智能的研究多年陷入低潮,界內的主流都認為對多層的深度人工網絡的訓練是不可能的,層次增多使得一些技術難題無法解決。但是,加拿大學者G.Hinton在2006年找到了一種他名之曰“貪心逐層無監督預訓練”的方法,有了它以及由它啟發的諸多新發現,現在要讓計算機來識別(比如)物體或人臉,就會(比如)在第一隱藏層對輸入像素的臨近亮度進行比較,由此識別出邊緣;在第二隱藏層利用這些邊緣來搜索出表示角和擴展輪廓的邊緣集合;在第三隱藏層找到這些角和輪廓的特定集合來識別出特定對象的某個或某些部分;最后在輸出端根據這些對象部分識別出目標對象。由此,深度學習算法的層次性(裂隙化聯系)顯示出不可替代的構造功能,或雖然初步但比較真實的學習功能,在這十一年多的時間里得到越來越深入和多方面的研究,深刻改變了人工智能的圖景。

深度學習的哲理含義:機器的時間化能力

什么是“學習”?電子計算器雖然算得很快,但它沒有學習能力,不會隨著多次運算改進自身的計算能力,時間歷程對它毫無意義。所以,我們可以將學習能力理解為當事者隨時間經歷而改變自身以獲得更優結果的能力。

新的“阿爾法圍棋”(AlphaGo)的版本AlphaGoZero,更充分地運用了深度學習法,不再從人類棋手的以往棋譜記錄中開始訓練,而是完全靠自己的學習算法,通過自我對弈來學會下棋。經過一段時間的自我學習,它就擊敗了曾打敗李世石的以及曾完勝柯潔的AlphaGo版本。

由此可見,機器的確開始具有了某種學習能力。它在訓練中得到的不再只是規則、對象信息,而是還能獲得對象出現的可能條件。換言之,它已經能夠開始“感受”和捕捉可能性,而不只是現成之物了。這種學習就是一個非線性的、概率的、反饋調整的和逐層逐時地深化和構成的準發生過程。這是一個具有某種真實時間歷程的習得過程,沒有它,像自動駕駛汽車這樣的情境化學習是不可能被機器實現的。

首先,它表明智能是一種非現成的結構,不僅屬于人類或碳基生命,也可以屬于硅基存在者。實際上,智能是一種能解決(包含不在場維度的)復雜問題的結構方式,也就是能讓數學因素非線性地時機化運作的結構。

其次,這進展也并不證明物質還原主義的勝利。這種還原論曾提出“人是機器”,將人的身體甚至意識當作可以充分對象化地研究的對象。但目前這波人工智能卻是反其道而行之,采用“機器是人”或“機器要像人一樣思考和行動”的研究方針。

再者,人工智能的新境說明非線性、非形式化、非對象化和(層級)“之間”化的思維能力和感知能力,要比其反面更智能,也更能體現人的特性。“現代性”標榜的那種充分對象化、形式邏輯化、線性化的理性,恰恰是“最容易”被計算機化的,而與之相對的、曾被無數次貶低的“主觀的、直觀的”以及情感的、悟解的心智能力,才是人工智能所向往的,也是人之為人的更必要者。

又再者,未來人工智能的新突破方向,按照深度學習的提示,應該是更加非對象化、無監督化、通用化、內時間化,因為只有那樣才會獲得更有時機化能力的智能。在這方面,東方的哲學有特別深厚的土壤,或許會成為那些有探索精神者的靈感來源之一。但東方的智能與德能是內在交織在一起的,所以人工智能如何能夠不成為缺德者,恐怕是更重要的議題。

人類智能(HI)與人工智能——尤其是未來那種相當通用化的AI——有沒有質性上的區別呢?我們對人類心靈了解多少?我們從應對AI挑戰的角度來重溫從奧義書、佛陀到老莊孔孟的“人心之思”。

人類心智的深度:廣義心學中的內時間維度

由于改為直立行走,人類與其他靈長類表兄弟們之間的差距越拉越大,最重要的表現就是人類獲得了極為深長的內時間意識,有了巨大的想象力和籌劃力,還有感受深刻情感、道德、美感和神圣的能力,從生理上表現為一個復雜豐滿的大腦和體魄。遠古人類族群中已有“通靈者”,比如薩滿巫師,有廣布的泛神論信仰,有神話、傳說、史詩等等。可見人的心靈從來就不甘心只埋頭于現實問題的解決,而總要突入生存領域的自由時空中翱翔。有這種翱翔能力的族群,從長遠看似乎有更多的生存幾率。神話和宗教信仰廣泛存在,還表明人感受到了一種超出當下自我乃至群我的力量,一種可以看作是這個世界的根本的存在。

在某個時間點上,也可能從一開頭,人們開始發現這種整體的生命意義感受的源頭不(只)在外邊,而是首先存在于我們的心智或意識之中。這是一個偉大的轉折,它特別顯著而深邃地表現在古印度文明的圣典和瑜伽修行傳統中。四千年前開始出現的《梨俱吠陀》就已經表達了它。

后來的奧義書,就是沿著此思路或此悟解而行,“梵”是世界的根本,而“阿特曼”是心靈的根本,兩者畢竟為一。“阿特曼”又被稱為“真我”“神我”,是人類心靈和意識的源頭,卻因其完全非對象化、純意識化而在無夢之眠、輪回中也存在,最終在解脫中得自由。

但我們該如何自覺到這神我、本心、原識呢?最為中國人熟知的是佛教之路。釋迦牟尼在菩提樹下證悟的佛法,甚深微妙,被他首次表達為“苦﹣集﹣滅﹣道”四諦,其根本在于“集諦”,此諦原意可用“緣起性空”揭出。我們認之為真實的外物與內念,都由“眼耳鼻舌身意”這“六識身”所接受的“材料”和被“深度”(借用以上討論深度學習的話語)構造的意識表象及念頭集合而來,并無“自性”或使其“是其所是”的實體,所以為“空”(sunya)。“空”這個詞在梵文中又指“零”,印度人發現了零的奇妙地位。空或零意味著非對象化,但充滿了無窮可能。我們靠什么才能看透這六識緣起的幻相或性空本性呢?還只能靠某種更根本的、能自知其緣起性空性的意識。

大乘佛教特別是唯識宗稱此母識為“阿賴耶識”,是剛談到的所有這些心識功能和幻真境界的總根。而這阿識乃一原時間意識,是一切意識和存在的根源;既是現象幻化之源,也是“轉識成智”而入涅槃的依據。“識”包括阿識有執著于緣起者的雜染傾向,而“成智”是指消除此無明執著,而使阿識透空無執,還其非對象化的純意識的原時間態。

可見,只要講心、識、意,就離不開原發生與保持的時間,即原本的心識。此母識本心,以如來藏心的形式在中國激發出一些富于創新的流派,其中禪宗十分鮮明地體現了它的時機化特征。

人工智能與廣義心學的關系

既然人類意識的根本是原時間性,所以人工智能通過深度學習獲得的時間感和時中能力,盡管目前還十分淺薄,但那畢竟是真實的,由此表明這人工的智能也可以是真的智能。看來,智能既不在乎載體的物理屬性,也不在乎它是否屬于一個心靈實體。佛家緣起性空的心學觀特別適合溝通HI和AI。

人工智能的新進展將近現代科技的“離心離德”的傾向扳回了一局,心智現象及其身體化如大腦神經網絡成了科技生長點的靈感來源之一,是創新所參照的一個范本,而不是反過來,用高科技化的機器來置換心和腦。

當然,如果心的本義——不是其實體性,而是其緣起的原時間性——被當作幽靈排斥,而腦神經結構和人工智能完全頂替了心靈,比如心識喪失了它的引領作用,反被虛擬網絡或人工智能所改造、控制或“飼養”,那么,危險也更加巨大。

希望還是在于意識的原時間性。既然心的根本或意識的能力在于非對象化的、顯隱互構的時機化結構,那么人工智能未來的發展也會朝著這個方向進行,不然不會有大的突破。如果它在此方向上進展得足夠深長,它的智能就會越來越像人類智能;而且不止是像日常生活中,特別是這么一個異化社會中的人類心智,即這種功利主義化、個體主義化、權力意愿化和現在主義化的心智,而是會更忠實于心智的內在結構,也就是其時間化、緣起性空化的結構,不那么執著于自我、對象、權力和力量。這意味著它的時間化智慧必會包含道德,如同佛陀和菩薩具有的慈悲、無私、忍耐和謙卑,孔子、孟子、曾子、子思具有的孝悌、仁義、中庸和愛物。

如果我們從心學的視域來思考人工智能與人類的關系,就會出現一個選擇:人類是應該繼續人工智能的研究還是應該停止它?

如果考慮到人工智能因具有時機化能力而已經和將要獲得的強力,再考慮到目前和可見的將來能夠掌握這種技術知識的人群的心智水準和道德水準,那么就應該禁止它,或為其研究設立一個明確的上限,就像對人體克隆技術設立的限制那樣。

但如果考慮到人工智能得到的時機化能力所透露的良性可能,即它在人類的合理引導下也可能發展出純凈的本心意識,那么就可以有條件地(比如在廣義心學指導下)容許它的發展。所謂“條件”,就是指要限制人工智能對力量的過分追求,無論是軍事力量、商業力量還是心理掌控力量,而鼓勵這種智能向本心或純意識的方向演進。人工智能要造福而不是摧殘人類,只有向這個方向靠攏才行。

從現實的角度預想人工智能的未來,極粗略地講,有三種可能:第一,人工智能的能力不斷提高,在為人類服務并改變人類生存方式的同時,逐漸以或隱或顯的方式異化甚至控制人類。最壞的結果是“超級人工智能”管制人類,就像現在人類對其他高級靈長類的管制,甚至毀滅人類。

第二,人工智能的能力提高到一個水平時,由于無法找到進一步非對象化的自身實現方式,所以從總體上陷于停滯。于是AI與HI之間就還有一條鴻溝,AI就總是處于高級“木牛流馬”的地位上。這基本上是目前不少開發AI的公司代言人一再向我們描述或保證的前景。但這并不表明第一種情況完全不會出現,因為將來達到一定高度的AI也有毀壞人類的能力;但畢竟,人類的心識還有某種優勢可資利用。

第三,人們找到了將AI充分地深度時間化的辦法,于是它不僅能力大大增強,還突破了與人類意識包括其深層意識(本心)的隔膜,真正擁有了人的天然情感、道德感、藝術感和神圣感,而且使之更加純粹虛靈,成為人類的真正知心者、保護者和善良的幫助者。這時,畢達哥拉斯之數就與《易》象數打通了。

從目前的形勢看來,這三種前景出現的概率依序減少,所以人工智能與人類關系的前景并不那么光明,當然也不是令人完全絕望。在這個過程中,人們對自身心靈的理解、對傳統還原論式的科技至上主義的克服,以及對AI進展的引導,都會影響到AI的進路和人類的未來。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 人工智能
    +關注

    關注

    1792

    文章

    47442

    瀏覽量

    238998
  • 深度學習
    +關注

    關注

    73

    文章

    5507

    瀏覽量

    121298

原文標題:深度學習:能否讓人工智能更像人類心靈?

文章出處:【微信號:robot-1hjqr,微信公眾號:1號機器人網】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    人工智能知識分享之機器學習深度學習的區別與聯系

    人工智能的浪潮正在席卷全球,諸多詞匯時刻縈繞在我們耳邊:人工智能、機器學習深度學習。不少人對這些高頻詞匯的含義及其背后的關系總是似懂非懂、
    的頭像 發表于 10-28 05:15 ?8151次閱讀

    基于深度學習技術的智能機器

    ——工業機器人的智能程度要求也越來越高,采用深度學習技術為工業機器人賦能是目前各大廠商的統一認知。本文結合實際案例,簡要說明一下智能
    發表于 05-31 09:36

    深度學習在預測和健康管理中的應用

    深度學習在預測和健康管理中的應用綜述摘要深度學習對預測和健康管理(PHM)引起了濃厚的興趣,因為它具有強大的表示能力,自動
    發表于 07-12 06:46

    什么是人工智能、機器學習深度學習和自然語言處理?

    領域,包括機器學習深度學習、數據挖掘、計算機視覺、自然語言處理和其他幾個學科。首先,人工智能涉及使計算機具有自我意識,利用計算機視覺、自然語言理解和模仿其他感官。其次,人工智能涉及模
    發表于 03-22 11:19

    如何區分深度學習機器學習

    深度學習與傳統的機器學習最主要的區別在于隨著數據規模的增加其性能也不斷增長。當數據很少時,深度學習
    發表于 10-27 16:50 ?1964次閱讀
    如何區分<b class='flag-5'>深度</b><b class='flag-5'>學習</b>與<b class='flag-5'>機器</b><b class='flag-5'>學習</b>

    深度學習機器學習深度的不同之處 淺談深度學習的訓練和調參

    近年來,深度學習作為機器學習中比較火的一種方法出現在我們面前,但是和非深度學習
    發表于 05-02 10:30 ?4339次閱讀

    通過機器學習深度學習的手段,成功的從老鼠的“吱吱”聲中解讀出20多種不同的含義

    最近研究人員們通過機器學習深度學習的手段,成功的從老鼠的“吱吱”聲中解讀出20多種不同的含義,包括高興和愉悅的情緒。這一項目使得我們可以更
    的頭像 發表于 01-12 09:48 ?3657次閱讀

    機器學習深度學習之間比較

    近年來,隨著科技的快速發展,人工智能不斷進入我們的視野中。作為人工智能的核心技術,機器學習深度學習也變得越來越火。一時間,它們幾乎成為了每
    的頭像 發表于 05-11 10:13 ?3769次閱讀

    機器學習 | autoML自動深度學習網絡設計可行嗎?

    機器學習深度學習為其中一分支)技術成為各產業智慧的核心能力,但是算法的設計復雜,需要專業知識
    的頭像 發表于 05-29 14:49 ?2142次閱讀

    深度學習框架你了解多少

    開源的深度學習神經網絡正步入成熟,而現在有許多框架具備為個性方案提供先進的機器學習和人工智能的能力
    發表于 07-08 10:31 ?2220次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學習</b>框架你了解多少

    深度學習機器學習的區別是什么

    隨著人工智能浪潮席卷現代社會,不少人對于機器學習深度學習、計算機視覺、自然語言處理等名詞已經耳熟能詳。可以預見的是,在未來的幾年里,無論是在業界還是學界,擁有
    的頭像 發表于 02-02 10:56 ?1.1w次閱讀

    機器學習深度學習有什么區別?

    深度學習算法現在是圖像處理軟件庫的組成部分。在他們的幫助下,可以學習和訓練復雜的功能;但他們的應用也不是萬能的。 “機器學習”和“
    的頭像 發表于 03-12 16:11 ?8217次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>和<b class='flag-5'>深度</b><b class='flag-5'>學習</b>有什么區別?

    機器學習深度學習的區別

    機器學習深度學習的區別 隨著人工智能技術的不斷發展,機器學習
    的頭像 發表于 08-17 16:11 ?4264次閱讀

    機器學習深度學習的區別

      機器學習深度學習是當今最流行的人工智能(AI)技術之一。這兩種技術都有助于在不需要人類干預的情況下讓計算機自主學習和改進預測模型。本文
    發表于 08-28 17:31 ?1576次閱讀

    深度學習中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機器學習深度學習領域的重要任務之一,廣泛應用于人體活動識別
    的頭像 發表于 07-09 15:54 ?1038次閱讀
    主站蜘蛛池模板: 欧美a一| 在线天堂资源| 四虎在线电影| 首页 亚洲 欧美 制服 丝腿| 国产一级特黄在线视频| 亚洲午夜在线视频| 第四色亚洲色图| 国产一级做a爱免费视频| 日本特级淫片免费看| 亚洲综合久久久| 国色天香精品亚洲精品| 69hdxxxx日本| 国产gav成人免费播放视频| 2018天天干天天操| 国产成人影视| 国产看片视频| 超级乱淫小黄文小说| 国产亚洲网站| 91大神在线视频观看| ggg成人| 中国特黄毛片| 种子天堂bt磁力在线资源| 婷婷99视频精品全部在线观看| 亚洲国产成人在线| 亚洲狠狠婷婷综合久久久图片| 色婷婷影视| 欧美一级特黄aaa大片| 日本aaaa级片| 日本特黄a级高清免费大片18| 毛片网站免费| 国产特黄一级片| 天天干天天爽天天射| 人人爽天天爽夜夜爽曰| 欧美黄色片网站| 久草资源在线播放| 97天天摸天天碰天天爽| 色爱区综合激情五月综合激情 | 免费看很黄很色裸乳视频| 欧美a性| 91色在线视频| 天天都色|