考夫曼：破解大腦代碼並建立真正的人工智能

1955年，計算機科學家約翰·麥卡錫（John McCarthy）首次創造了「人工智能」一詞。當時，人工智能是對能夠表現出類人行爲並經過著名的圖靈測試的計算機的模糊描述。

在過去的幾十年中，咱們一直認爲AI的時代已通過去數年或十年了。

並且咱們一直都是錯的。現在，人工智能已被用來描述許多事物，而且仍然像1950年代同樣使人迷惑，即便不是更使人困惑。製造商將其用做營銷術語，以可預測的方式銷售執行重複任務的啞吧產品。開發人員使用它來指代機器學習算法，即分析數據並定義本身的行爲（而不是遵循靜態規則）的軟件。科幻小說家和電影製片人用它來描繪一個將來，超級智能機器人將奴役，破壞或爲咱們服務。

可是，真正的AI仍然難以捉摸-可是咱們仍然相信它指日可待。在本月的採訪中，我有機會與神經科學家和AI專家Pascal Kaufmann進行了交流，他們分享了一些有關當前開發AI方法的問題以及建立人類級人工智能的方法的看法。

Kaufmann是瑞士AI初創公司Starmind的共同創始人，其背景融合了十多年的人工智能和機器人研究，包括DARPA項目的首批機器人研究。他認爲，即便AI蓬勃發展，與人腦的力量相比，計算機也將永遠蒼白。考夫曼（Kaufmann）早在AI領域就堅持認爲，只有破解大腦代碼，咱們才能實現「真正的AI」。只有到那時，咱們才能瞭解大腦的功能，而且咱們將看到從機器人到人造生物的無限的AI潛力，可是咱們如何到達那裏呢？

Alan Turing（1912年6月23日至1954年6月7日）被普遍認爲是理論計算機科學和人工智能之父。

真正的人工智能尚不存在

「「人類級AI」，「真實AI」或「硬AI」指的是一種徹底獨立於思考，行動和模仿人類級智力和首創性的能力的人工智能級別-您沒法區分的AI考夫曼在問他真正的人工智能意味着什麼時說。「人類級AI是科幻電影和書籍中常常描述的AI類型，而咱們還沒有實現。」

Kaufmann補充說，今天做爲AI呈現的其餘任何東西都是「狹窄的AI」。這就是咱們今天在聊天機器人，在國際象棋上擊敗人類的軟件，袖珍計算器或爲解決給定的狹窄任務而量身定製的任何系統中看到的東西。其餘專家也有這種見解。有些人甚至將狹窄的AI歸類爲「加強智能」或「智能加強」，以免將其與AI多年來積累的反烏托邦願景混淆。

考夫曼說：「現在，咱們所說的'狹窄的人工智能'大多數，無非是將程序員（或一組程序員）的智慧濃縮到源代碼中，試圖預見可能發生的事情，並應用統計程序來優化結果 」 。「舉例來講，手錶具備不少人類智能，這些智能最終被組裝成可以測量時間的設備。所以，它更可能是智力的產物，而不是實際的智力。」

考夫曼解釋說，程序員是很是聰明的人，可是單個程序員的智慧或單我的有限的知識庫不能成爲AI開發的基礎。他說：「我認爲人工智能可能不會由人的大腦來構建或進一步發展。」 「最終，咱們須要團結並捆綁咱們的人類智慧，以實現AI的真正突破。」

咱們應該中止將人腦與計算機進行比較

咱們人類老是喜歡將咱們的大腦和身體的功能與最新技術進行比較，不管是皮帶輪，齒輪仍是蒸汽機。這致使咱們嘗試以不必定正確的方式來理解和複製人的大腦。有趣的例子是科學怪人（Frankenstein），這是一位年輕科學家試圖用絕對荒謬的方法來創造人造人類的故事。

現在，最早進的技術是計算機軟件，或更具體地說是人工神經網絡，以人的大腦內部工做原理命名的軟件。然而，考夫曼強調，控制人類思想的真正機制與迄今爲止建立的任何軟件都根本不一樣。

考夫曼說：「在經典的人工神經網絡中，腦細胞A經過一個較粗或更薄的鏈接與腦細胞B相連，但在兩個生物腦細胞之間一般存在數百個長度和強度不一樣的鏈接。」

考夫曼指出，這種關係在生物世界中能夠很好地發揮做用，但在工程界卻沒有任何意義。

也存在其餘差別。人腦的平均發射頻率爲20赫茲，而當今最普通的CPU的工做頻率爲幾千兆赫茲，快數百倍。

考夫曼說：「然而，大腦的數量超過了咱們快速CPU的數量，而大腦細胞和突觸（大腦細胞之間的鏈接）數量卻不少。」考夫曼說，使其可以作的事情仍然令計算機科學家感到沮喪。

Kaufmann指出，還不清楚如何以及在哪裏存儲內存。「是在腦細胞的發射模式中，是否存在某些記憶蛋白，仍是咱們甚至須要深刻研究亞原子空間來考慮亞量子效應？」

人工智能不是大數據

當前的AI系統嚴重依賴龐大的數據集和計算能力。相比之下，考夫曼說，人的大腦可以基於少許信息學習並開始作出決策。

他說：「將發現概括並應用於新的和還沒有出現的新穎狀況的能力是當今AI還沒有解決的挑戰。」 「像人類同樣的AI並非要處理大量數據，而是像人類同樣具備處理，理解和學習周圍小數據的編程能力。」

一個例子就是谷歌的AlphaGo，它是一款在古老的圍棋遊戲中擊敗了世界人類冠軍的AI。該軟件背後的算法可以經過查看來自數千場與人類比賽的比賽中的數據來自學並掌握遊戲。後來的遊戲版本使這一律念更進一步，並經過快速連續地與本身對抗數億次來自學。這是人類大腦沒法實現的壯舉。

考夫曼說：「人類能夠在圍棋遊戲中做弊，他們能夠運用遊戲中的原理來解決徹底不相關的挑戰，能夠爲遊戲寫一首詩，能夠決定無聊。」 「人類能夠獲取遊戲的少許數據，並當即將其徹底應用於其餘事物。」

按照規則，AlphaGo只能玩Go。

在《 EX MACHINA》（2015年）中，一個名爲Ava的使人驚歎的AI設法致命地欺騙了人類，發揮了他們的情感弱點。

考夫曼說：「當您須要3億張貓的照片來講它是貓，馬或牛時，我認爲這不是很聰明也不有趣。」 他認爲，取而代之的是，經過一次與貓的互動以及經過提取原理來了解貓是如何基於一次相遇而有趣的。「今天咱們真的不知道人工學習如何最好地工做以及咱們缺乏哪些成分。有人說這是感受模態的豐富性，有人說這只是計算能力，還有人說咱們缺少對如何出現智力的基本理解。可以從更少的數據中學習甚至根本不進行任何數據的預測是一個很大的優點。」

神經科學將破解人腦的密碼

那麼，咱們如何實現人類水平的AI？考夫曼說：「 在研究大腦和潛在的生物過程時，咱們可能會發現有趣的智力原理，這就是咱們稱之爲神經科學的領域。」 「我指的是對大腦的理解，即咱們能夠製造出一種具備相似甚至更高功能的人造設備，就像'破解大腦代碼'。」

考夫曼說，到目前爲止，動物和人類的大腦是成爲智力或智慧行爲基礎的良好候選者。然而，極有可能沒有大腦細胞，也就是沒有表現出多種行爲特徵的單細胞生物，就能夠進行智能行爲。

考夫曼說：「我不會排除研究基因和潛在的調控網絡可能使咱們遵循在高等動物的大腦中也能夠找到的很是類似的原理的可能性，可是到目前爲止，這只是一個有趣且未經證明的假設。」 「最終，天然是咱們能夠而且應該學習的一位偉大而鼓舞人心的老師。」

並不是全部人都相信咱們能夠（或應該）構建與人類智能相提並論的人工智能。如今說神經科學是否將成爲釋放普通AI力量的關鍵還爲時過早。可是，瞭解人的思惟方式是相當重要的第一步。

考夫曼說：「雖然至關容易理解計算機，但大腦卻蘊藏着許多祕密，這一事實將神經科學和人工智能變成了咱們這個時代最激動人心的研究領域。」 「咱們不須要了解大腦中每一個細胞的做用和目的，而是須要了解咱們的大腦如何工做以及智能的本質是什麼的基本原理。我想將其與牛頓和蘋果做比較-理解宇宙周圍很是複雜的科學的第一步始於咱們最初開始瞭解引力原理的時候。一旦咱們瞭解了大腦的模式和原理，咱們就能夠利用這種理解並將其應用於發展相似於人類的AI。」