通用機(jī)器人離我們到底還有多遠(yuǎn)？

　　為了獲得對(duì)人工智能的真正理解，研究人員應(yīng)該把注意力轉(zhuǎn)移到開(kāi)發(fā)一種基本的、潛在的AGI技術(shù)上，這種技術(shù)可以復(fù)制人類(lèi)對(duì)環(huán)境的理解。

　　谷歌、微軟和 Facebook 等行業(yè)巨頭，Elon Musk 的 OpenAI 等研究實(shí)驗(yàn)室，甚至 SingularityNET 等平臺(tái)都在押注通用人工智能(AGI)——智能代理理解或?qū)W習(xí)人類(lèi)無(wú)法完成的任何智力任務(wù)的能力,這代表了人工智能技術(shù)的未來(lái)。

　　然而，有點(diǎn)令人驚訝的是，這些公司都沒(méi)有專(zhuān)注于開(kāi)發(fā)一種基本的、底層的 AGI 技術(shù)來(lái)復(fù)制人類(lèi)的上下文理解。這可能解釋了為什么這些公司正在進(jìn)行的研究完全依賴(lài)于具有不同程度特異性并依賴(lài)于當(dāng)今人工智能算法的智能模型。

　　不幸的是，這種依賴(lài)意味著，人工智能充其量只能表現(xiàn)出智能。無(wú)論他們的能力多么令人印象深刻，他們?nèi)匀蛔裱S多變量的預(yù)定腳本。因此，即使是GPT3或 Watson 等大型、高度復(fù)雜的程序也只能表現(xiàn)出理解能力。實(shí)際上，他們不理解文字和圖像代表了物理宇宙中存在并相互作用的物理事物。時(shí)間的概念或原因產(chǎn)生影響的想法對(duì)他們來(lái)說(shuō)是完全陌生的。

　　這并不是要?jiǎng)儕Z今天人工智能的能力。例如，谷歌能夠以令人難以置信的速度搜索大量信息，以提供用戶想要的結(jié)果(至少大多數(shù)時(shí)候是這樣)。Siri等個(gè)人助理可以預(yù)訂餐廳、查找和閱讀電子郵件，并實(shí)時(shí)給出指示。這個(gè)列表還在不斷擴(kuò)展和改進(jìn)中。

　　但無(wú)論這些程序多么復(fù)雜，它們?nèi)栽趯ふ逸斎氩⒆龀鐾耆蕾?lài)于其核心數(shù)據(jù)集的特定輸出響應(yīng)。如果不相信，請(qǐng)向客戶服務(wù)機(jī)器人詢(xún)問(wèn)一個(gè)“計(jì)劃外”的問(wèn)題，該機(jī)器人可能會(huì)生成一個(gè)毫無(wú)意義的響應(yīng)或根本沒(méi)有響應(yīng)。

　　總之，谷歌、Siri或任何其他目前的AI例子都缺乏真正的、常識(shí)性的理解，這最終將阻止它們向人工通用智能(Artificial General Intelligence)發(fā)展。原因可以追溯到過(guò)去50年大多數(shù)人工智能發(fā)展的主要假設(shè)，即如果困難的問(wèn)題能夠解決，簡(jiǎn)單的智能問(wèn)題就會(huì)得到解決。這一假設(shè)可以用莫拉維克悖論(Moravec’s Paradox)來(lái)形容，它認(rèn)為，讓計(jì)算機(jī)在智力測(cè)試中表現(xiàn)出成人水平的表現(xiàn)相對(duì)容易，但在感知和行動(dòng)能力方面，讓它們具備一歲嬰兒的技能卻很難。

　　人工智能研究人員的假設(shè)也是錯(cuò)誤的，他們認(rèn)為，如果構(gòu)建了足夠多的狹義人工智能應(yīng)用，它們最終將共同成長(zhǎng)為通用智能。與兒童可以毫不費(fèi)力地整合視覺(jué)、語(yǔ)言和其他感官的方式不同，狹義的AI應(yīng)用無(wú)法以一種通用的方式存儲(chǔ)信息，從而允許信息被共享并隨后被其他AI應(yīng)用使用。

　　最后，研究人員錯(cuò)誤地認(rèn)為，如果可以建立一個(gè)足夠大的機(jī)器學(xué)習(xí)系統(tǒng)和足夠的計(jì)算機(jī)能力，它就會(huì)自發(fā)地表現(xiàn)出通用智能。這也被證明是錯(cuò)誤的。正如試圖獲取特定領(lǐng)域知識(shí)的專(zhuān)家系統(tǒng)無(wú)法創(chuàng)建足夠的案例和示例數(shù)據(jù)來(lái)克服潛在的缺乏理解一樣，人工智能系統(tǒng)也無(wú)法處理“非計(jì)劃內(nèi)的”請(qǐng)求，無(wú)論其規(guī)模有多大。

通用人工智能基礎(chǔ)知識(shí)

　　為了獲得真正的人工智能理解，研究人員應(yīng)該將注意力轉(zhuǎn)移到開(kāi)發(fā)一種基本的、潛在的 AGI 技術(shù)，以復(fù)制人類(lèi)對(duì)上下文的理解。例如，考慮一個(gè) 3 歲兒童玩積木時(shí)表現(xiàn)出的情境意識(shí)和情境理解。3 歲的孩子明白積木存在于三維世界中，具有重量、形狀和顏色等物理特性，如果堆疊得太高會(huì)掉下來(lái)。孩子還理解因果關(guān)系和時(shí)間流逝的概念，因?yàn)榉e木在首先被堆疊之前不能被擊倒。

　　3 歲也可以變成 4 歲，然后是 5 歲，最后是 10 歲，以此類(lèi)推。簡(jiǎn)而言之，3 歲兒童的能力與生俱來(lái)，包括成長(zhǎng)為功能齊全、普遍聰明的成年人的能力。對(duì)于今天的人工智能來(lái)說(shuō)，這樣的增長(zhǎng)是不可能的。不管它多么復(fù)雜，今天的人工智能仍然完全不知道它在其環(huán)境中的存在。它不知道現(xiàn)在采取的行動(dòng)會(huì)影響未來(lái)的行動(dòng)。

　　雖然認(rèn)為一個(gè)從未經(jīng)歷過(guò)自身訓(xùn)練數(shù)據(jù)之外的任何事情的人工智能系統(tǒng)能夠理解現(xiàn)實(shí)世界的概念是不現(xiàn)實(shí)的，但為人工智能添加移動(dòng)感覺(jué)艙可以讓人工實(shí)體從現(xiàn)實(shí)環(huán)境中學(xué)習(xí)，并展示出對(duì)現(xiàn)實(shí)中物理對(duì)象、因果關(guān)系和時(shí)間流逝的基本理解。就像那個(gè)3歲的孩子一樣，這個(gè)配備了感覺(jué)艙的人工實(shí)體能夠直接學(xué)習(xí)如何堆疊積木、移動(dòng)物體、隨著時(shí)間的推移執(zhí)行一系列的行動(dòng)，并從這些行動(dòng)的后果中學(xué)習(xí)。

　　通過(guò)視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、操縱器等，人工實(shí)體可以學(xué)習(xí)以純文本或純圖像系統(tǒng)根本不可能的方式進(jìn)行理解。如前所述，無(wú)論它們的數(shù)據(jù)集有多大和多變，這樣的系統(tǒng)根本無(wú)法理解和學(xué)習(xí)。一旦實(shí)體獲得了這種理解和學(xué)習(xí)的能力，甚至有可能移除感覺(jué)莢。

　　雖然在這一點(diǎn)上，我們無(wú)法量化需要多少數(shù)據(jù)來(lái)表示真正的理解，但我們可以推測(cè)，大腦中一定有一個(gè)合理的比例與理解有關(guān)。畢竟，人類(lèi)是在已經(jīng)經(jīng)歷和學(xué)習(xí)過(guò)的一切事物的背景下解釋一切事物的。作為成年人，我們用生命最初幾年學(xué)到的知識(shí)來(lái)解釋一切。考慮到這一點(diǎn)，似乎只有AI社區(qū)認(rèn)識(shí)到這一事實(shí)，并采取必要步驟建立基本的理解基礎(chǔ)，真正的人工通用智能才有可能完全出現(xiàn)。