發(fā)展簡(jiǎn)史

人工智能的原始構(gòu)想產(chǎn)生于60年前，人們希望能構(gòu)建像人類一樣學(xué)習(xí)和思考的機(jī)器，并且在長(zhǎng)達(dá)幾十年的時(shí)間里，為著這個(gè)目標(biāo)而苦苦探索。學(xué)者們始終沒有找到合適的方法來實(shí)現(xiàn)如此靈活智能的機(jī)器，因此他們將目標(biāo)轉(zhuǎn)而解決更加實(shí)際和具體的智能化問題，也就是今天我們通常所說俠義范圍內(nèi)的人工智能產(chǎn)品。

近來，通過”對(duì)計(jì)算機(jī)進(jìn)行編程“，到“教會(huì)“計(jì)算機(jī)學(xué)習(xí)的轉(zhuǎn)變過程，學(xué)者們對(duì)人工智能的分支之一的深度學(xué)習(xí)方面有了較大突破。一方面深度學(xué)習(xí)方法雖然在某些方面十分有效，但是另一方面它的能力范圍幾乎完全取決于訓(xùn)練數(shù)據(jù)，而傳統(tǒng)方法原則上卻可以實(shí)現(xiàn)實(shí)時(shí)自適應(yīng)學(xué)習(xí)。它們所解決的問題是高度專業(yè)化和固化的，十分依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和范圍：例如通過電話收集的語音數(shù)據(jù)訓(xùn)練的語音識(shí)別系統(tǒng)在用于麥克風(fēng)語音的識(shí)別上表現(xiàn)不會(huì)太好; 同時(shí)在高速公路駕駛過程中訓(xùn)練的圖像識(shí)別模型依舊無法應(yīng)對(duì)城市道路; 諸如此類缺乏泛化性的模型常常困擾著工程師們，人們一直在期待著通用AI模型的誕生已解決這些問題。

俠義范圍內(nèi)人工智能的局限

當(dāng)前AI的核心問題并不在于它們解決專業(yè)化的問題的能力—— 它們已經(jīng)在某些領(lǐng)域完全超遠(yuǎn)了人類的表現(xiàn)。其核心問題在于但它們本質(zhì)上是狹義的（設(shè)計(jì)上是局限的），并且它們從原理上就具有與生俱來的不變性。 傳統(tǒng)編程以及較新的“訓(xùn)練有素”的AI都受到這個(gè)來自設(shè)計(jì)缺陷上的基本限制：無論他們擁有什么樣的能力，它們的表現(xiàn)都是基于一定模式的，不會(huì)隨著時(shí)間變化。人工智能在某些程度內(nèi)可以被設(shè)計(jì)出有一定的學(xué)習(xí)和適應(yīng)能力，但是通常而言，為了對(duì)其現(xiàn)有功能進(jìn)行更改或擴(kuò)展，需要額外對(duì)其進(jìn)行編程或使用新數(shù)據(jù)集進(jìn)行再訓(xùn)練和測(cè)試。

人工智能存在以下兩個(gè)局限問題。首先:俠義的人工智能系統(tǒng)無法動(dòng)態(tài)適應(yīng)新的情況 ——無論是新的感知線索還是情境; 或者新詞，短語，產(chǎn)品，業(yè)務(wù)規(guī)則，目標(biāo)，響應(yīng)還是要求。然而，在現(xiàn)實(shí)世界中，事物總是在變化，而根據(jù)下文對(duì)智能的定義，又要求其有應(yīng)對(duì)變化的能力！

第二個(gè)也是更重要的問題在于目前的人工智能不具備能夠思考，學(xué)習(xí)或解決問題的能力，它們僅僅是將程序員的解決方案嵌入到他們旨在解決和感知的問題之中。 這種固化的思維方式，真的能算的上是“智能”嗎？

總而言之，我們需要遠(yuǎn)超出目前解決方法的能力來解決問題 —— 目前人工智能的應(yīng)用范圍非常有限，它們不能利用他們當(dāng)前的知識(shí)和技能來獲得新領(lǐng)域的技能。 無法直接從用戶交互中學(xué)習(xí)，它們沒有記憶并甚至?xí)槐橛忠槐榈胤竿瑯拥腻e(cuò)誤。 此外，他們不具備推理和解釋問題的能力，理解非常有限，沒有常識(shí)。所以目前的人工智能可能和我想象的“智能”相去甚遠(yuǎn)。

那么到底什么是智能呢？

一般而言，智力的定義是：對(duì)世界的認(rèn)知能力，對(duì)各種目標(biāo)的實(shí)現(xiàn)能力和將新知識(shí)與技能整合到自身現(xiàn)有知識(shí)體系的能力的綜合體現(xiàn)。它必須在現(xiàn)實(shí)世界中，在知識(shí)和時(shí)間有限的情況下實(shí)時(shí)運(yùn)行。

此外，人類智能（與動(dòng)物智能相對(duì)）的特殊之處在于：我們具有形成和使用高度抽象概念的能力以及運(yùn)用符號(hào)進(jìn)行思考和推理的能力。

人工智能作為對(duì)人類智能的模仿，也該如此。真正的人工智能必須至少體現(xiàn)以下幾個(gè)方面的基本能力：

1）實(shí)時(shí)主動(dòng)的交互獲取新的知識(shí)和技能的能力。包括一次性學(xué)習(xí)：即從單個(gè)示例中學(xué)習(xí)新內(nèi)容的能力。

2)要真正理解語言，進(jìn)行有意義的對(duì)話，并能夠在語境，邏輯和抽象方面進(jìn)行推理。

3)短期記憶能力：能了解行動(dòng)的背景和目的，包括其他行動(dòng)者（心理理論）的行為。

4）積極利用現(xiàn)有知識(shí)和技能加速學(xué)習(xí)的能力。

5）通過形成抽象和本體的知識(shí)層次來概括現(xiàn)有知識(shí)的能力。

6）動(dòng)態(tài)管理多個(gè)潛在沖突的目標(biāo)和優(yōu)先級(jí)，并選擇適當(dāng)?shù)倪x擇輸入激勵(lì)并專注于相關(guān)任務(wù)的能力（重點(diǎn)和選擇）。

7）識(shí)別并適當(dāng)?shù)捻憫?yīng)人類的情緒（具有情商，情商），以及認(rèn)識(shí)自己認(rèn)知狀態(tài)的能力(內(nèi)省）。

8) 能夠通過有限的知識(shí)，計(jì)算能力和時(shí)間來迅速完成上述所有工作。例如，當(dāng)面對(duì)現(xiàn)實(shí)世界中的新情況時(shí)，我們需要快速的做出反應(yīng)，而不是等待在專業(yè)超級(jí)計(jì)算機(jī)上重新訓(xùn)練數(shù)天的大規(guī)模神經(jīng)網(wǎng)絡(luò)后才能得到結(jié)果的反饋。

除此之外還有很多證據(jù)表明智力在現(xiàn)實(shí)情況中需要豐富的感知和運(yùn)動(dòng)基礎(chǔ)來支撐深入的決策和推理。顯然，理解現(xiàn)實(shí)世界的動(dòng)態(tài)變化對(duì)于能夠推理人類活動(dòng)至關(guān)重要。在思考的過程中，我們需要掌握物體的大小，形狀和紋理等特征，以及時(shí)空關(guān)系。抽象概念必須以某種方式落實(shí)到客觀世界中實(shí)實(shí)在在的物體上。未來也許我們可以借助于計(jì)算機(jī)的“大腦”，從而實(shí)現(xiàn)“模擬”感知和行動(dòng)。但是這種“捷徑”是否符合常識(shí)推理仍然是一個(gè)懸而未決的問題。

如何實(shí)現(xiàn)真正的人工智能

實(shí)現(xiàn)真正意義上的人工智能，我們既需要工程解決方案，也需要正確的商業(yè)模式。

在技術(shù)方面，我們需要一種與現(xiàn)有技術(shù)完全不同的方法來實(shí)現(xiàn) ，也許這就是'人工智能的第三次浪潮'。

一種稱為認(rèn)知架構(gòu)的方法可以作為一個(gè)經(jīng)典案例，提供實(shí)現(xiàn)真正智能的框架 ，認(rèn)知架構(gòu)方法在AI中有很長(zhǎng)的歷史。從本質(zhì)上講，它是一個(gè)擁有核心“認(rèn)知引擎”的想法，它支持傳統(tǒng)人工智能方法所需的所有基本功能。它是一個(gè)統(tǒng)一的，高度集成的支持結(jié)構(gòu)和功能系統(tǒng)，它們協(xié)同工作，產(chǎn)生一般智能所需的所有認(rèn)知能力。這些包括短期和長(zhǎng)期記憶，模式匹配，預(yù)測(cè)，優(yōu)先排序，推理，計(jì)劃等等。

這種方法有幾個(gè)重要的優(yōu)點(diǎn)：

僅使用一個(gè)引擎用于許多不同的應(yīng)用程序，而不是多個(gè)不同的系統(tǒng)

擁有可應(yīng)用于多個(gè)領(lǐng)域的大量常識(shí)和技能基準(zhǔn)

即時(shí)學(xué)習(xí)和整合新知識(shí)和技能的能力

輕松即時(shí)的與其他通用人工智能分享知識(shí)和技能

對(duì)工程方面來說太多了

雖然狹義的人工智能無法提供我們所需的所有智能和穩(wěn)健性越來越明顯，但是仍舊有強(qiáng)大的實(shí)用和商業(yè)力量阻礙了通用人工智能的發(fā)展。主要表現(xiàn)為以下幾點(diǎn)：

首先，狹義的AI有幾個(gè)顯著的優(yōu)點(diǎn)：設(shè)計(jì)師可以專注于一次解決一個(gè)具體問題，他們可以直接將大量特定的人類知識(shí)注入系統(tǒng)，也可以使用適合該特定應(yīng)用的任何工程技術(shù)。他們還可以忽略可能適用于其他用例的所有限制。運(yùn)用狹義的人工智能的過程中，我們無需弄清楚如何使系統(tǒng)充滿真實(shí)智能，這樣可以使得產(chǎn)品快的 進(jìn)入市場(chǎng)。事實(shí)上，一個(gè)時(shí)不時(shí)會(huì)被我們犯的錯(cuò)誤是：我們可以逐漸從狹義的人工智能變?yōu)閺V義的人工智能。

另一方面，阻礙人工智能發(fā)展的因素是它的難度。它必須具有內(nèi)生的泛華稟賦，能夠在很大范圍和動(dòng)態(tài)區(qū)間內(nèi)運(yùn)行良好，而且能夠自主獲取在設(shè)計(jì)時(shí)可能沒有預(yù)料到的知識(shí)和技能。另外，在處理歧義和缺失知識(shí)方面的表現(xiàn)也十分關(guān)鍵，它必須明白自己何時(shí)知識(shí)不夠用，并知道如何解決這個(gè)問題。面對(duì)有限的知識(shí)和計(jì)算資源，它通常必須是有魯棒性的，并且不會(huì)出現(xiàn)重大的錯(cuò)誤。

雖然針對(duì)通用人工智能的這些功能的價(jià)值和需求變得越來越清晰，但顯而易見的是，開發(fā)這樣的系統(tǒng)需要相當(dāng)?shù)倪h(yuǎn)見和方法。實(shí)現(xiàn)真正的通用人工智能真很難很難！

怎么樣促進(jìn)通用人工智能的發(fā)展？

狹義的人工智能在涉及自然語言理解的應(yīng)用中的缺點(diǎn)是最明顯的。用戶們希望，通過交互式語言系統(tǒng)能夠得到足夠聰明且富有成效的結(jié)果，我們希望我們的個(gè)人虛擬聊天機(jī)器人更像是電影中充滿人情味的智慧“助手”，而不是呆板的機(jī)器。通過與機(jī)器人交流，我們可以實(shí)現(xiàn)長(zhǎng)時(shí)間的多輪對(duì)話，它能回憶起之前聊過的內(nèi)容，并且能夠知道我們的偏好和對(duì)話目的。

人類語言是我們的智慧和成就的必不可少的組成。同樣，通用的人工智能也將需要完全的自然語言能力。雖然專注于機(jī)器人技術(shù)的AI開發(fā)也很重要，但這些系統(tǒng)最終還是需要能夠閱讀和遵循語言指令，并能夠用自然語言解釋他們的決策。

基于通用人工智能的設(shè)計(jì)將根據(jù)定義和設(shè)計(jì)來涵蓋這些高級(jí)要求。他們將有更深刻的理解能力，擁有短期和長(zhǎng)期記憶，推理能力和大量的常識(shí)，從而達(dá)到能夠處理復(fù)雜對(duì)話的能力。

通過把人工智能與認(rèn)知架構(gòu)，改進(jìn)的自然語言系統(tǒng)進(jìn)行結(jié)合，將重新點(diǎn)燃和促進(jìn)實(shí)現(xiàn)人工智能在創(chuàng)始之初的最初夢(mèng)想 - 擁有自己的智慧，而不僅僅是人類賦予的聰明才智。