世界人工智能水平解析

關(guān)于人工智能在當(dāng)今科技界的發(fā)展水平，學(xué)術(shù)界、產(chǎn)業(yè)界和媒體界可能會有不同的看法。我經(jīng)常聽到的一個(gè)說法是：現(xiàn)在基于大數(shù)據(jù)與深度學(xué)習(xí)的人工智能是一種完全新穎的技術(shù)形態(tài)，它的出現(xiàn)能夠全面地改變未來人類的社會形態(tài)，因?yàn)樗軌蜃灾鬟M(jìn)行“學(xué)習(xí)”，由此大量取代人類勞力。

我認(rèn)為這里有兩個(gè)誤解：第一，深度學(xué)習(xí)并不是新技術(shù)；第二，深度學(xué)習(xí)技術(shù)所涉及的“學(xué)習(xí)”與人類的學(xué)習(xí)并不是一回事，因?yàn)樗荒苷嬲吧疃取钡乩斫馑鎸Φ?a target="_blank">信息。

深度學(xué)習(xí)不是新技術(shù)

從技術(shù)史角度看，深度學(xué)習(xí)技術(shù)的前身，其實(shí)就是在20世紀(jì)80年代就已經(jīng)熱鬧過一陣子的“人工神經(jīng)元網(wǎng)絡(luò)”技術(shù)（也叫“連接主義”技術(shù)）。

該技術(shù)的實(shí)質(zhì)，是用數(shù)學(xué)建模的辦法建造出一個(gè)簡易的人工神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，而一個(gè)典型的此類結(jié)構(gòu)一般包括三層：輸入單元層、中間單元層與輸出單元層。輸入單元層從外界獲得信息之后，根據(jù)每個(gè)單元內(nèi)置的匯聚算法與激發(fā)函數(shù)，“決定”是否要向中間單元層發(fā)送進(jìn)一步的數(shù)據(jù)信息，其過程正如人類神經(jīng)元在接收別的神經(jīng)元送來的電脈沖之后，能根據(jù)自身細(xì)胞核內(nèi)電勢位的變化來“決定”是否要向另外的神經(jīng)元遞送電脈沖。

需要注意的是，無論整個(gè)系統(tǒng)所執(zhí)行的整體任務(wù)是關(guān)于圖像識別還是自然語言處理，僅僅從系統(tǒng)中單個(gè)計(jì)算單元自身的運(yùn)作狀態(tài)出發(fā)，觀察者是無從知道相關(guān)整體任務(wù)的性質(zhì)的。毋寧說，整個(gè)系統(tǒng)其實(shí)是以“化整為零”的方式，將宏觀層面上的識別任務(wù)分解為了系統(tǒng)組成構(gòu)件之間的微觀信息傳遞活動，并通過這些微觀信息傳遞活動所體現(xiàn)出來的大趨勢，來模擬人類心智在符號層面上所進(jìn)行的信息處理進(jìn)程。

工程師調(diào)整系統(tǒng)的微觀信息傳遞活動之趨勢的基本方法如下：先是讓系統(tǒng)對輸入信息進(jìn)行隨機(jī)處理，然后將處理結(jié)果與理想處理結(jié)果進(jìn)行比對。若二者吻合度不佳，則系統(tǒng)觸發(fā)自帶的“反向傳播算法”來調(diào)整系統(tǒng)內(nèi)各個(gè)計(jì)算單元之間的聯(lián)系權(quán)重，使得系統(tǒng)給出的輸出與前一次輸出不同。兩個(gè)單元之間的聯(lián)系權(quán)重越大，二者之間就越可能發(fā)生“共激發(fā)”現(xiàn)象，反之亦然。然后，系統(tǒng)再次比對實(shí)際輸出與理想輸出，如果二者吻合度依然不佳，則系統(tǒng)再次啟動反向傳播算法，直至實(shí)際輸出與理想輸出彼此吻合為止。

完成此番訓(xùn)練過程的系統(tǒng)，除了能夠?qū)τ?xùn)練樣本進(jìn)行準(zhǔn)確的語義歸類之外，一般也能對那些與訓(xùn)練樣本比較接近的輸入信息進(jìn)行相對準(zhǔn)確的語義歸類。譬如，如果一個(gè)系統(tǒng)已被訓(xùn)練得能夠識別既有相片庫里的哪些相片是張三的臉，那么，即使是一張從未進(jìn)入相片庫的新的張三照片，也能夠被系統(tǒng)迅速識別為張三的臉。

如果讀者對于上述技術(shù)描述還似懂非懂，不妨通過下面這個(gè)比方來進(jìn)一步理解人工神經(jīng)元網(wǎng)絡(luò)技術(shù)的運(yùn)作機(jī)理。假設(shè)一個(gè)不懂漢語的外國人跑到少林寺學(xué)武術(shù)，師生之間的教學(xué)活動該如何開展？有兩種情況：第一種情況是，二者之間能夠進(jìn)行語言交流（外國人懂漢語或者少林寺師傅懂外語），這樣一來，師傅就能夠直接通過“給出規(guī)則”的方式教授他的外國徒弟。這種教育方法，或可勉強(qiáng)類比基于規(guī)則的人工智能路數(shù)。

另一種情況是，師傅與徒弟語言完全不通，在這種情況下，學(xué)生又該如何學(xué)武呢？唯有靠如下辦法：徒弟先觀察師傅的動作，然后跟著學(xué)，師傅則通過簡單的肢體交流來告訴徒弟，這個(gè)動作學(xué)得對不對（譬如，如果對，師傅就微笑；如果不對，師傅則棒喝徒弟）。進(jìn)而，如果師傅肯定了徒弟的某個(gè)動作，徒弟就會記住這個(gè)動作，繼續(xù)往下學(xué)；如果不對，徒弟就只好去猜測自己哪里錯(cuò)了，并根據(jù)這種猜測給出一個(gè)新動作，并繼續(xù)等待師傅的反饋，直到師傅最終滿意為止。很顯然，這樣的武術(shù)學(xué)習(xí)效率是非常低的，因?yàn)橥降茉诤伦约旱膭幼髂睦锍鲥e(cuò)時(shí)會浪費(fèi)大量的時(shí)間。但“胡猜”二字恰恰切中了人工神經(jīng)元網(wǎng)絡(luò)運(yùn)作的實(shí)質(zhì)。概而言之，這樣的人工智能系統(tǒng)其實(shí)并不知道自己得到的輸入信息到底意味著什么——換言之，此系統(tǒng)的設(shè)計(jì)者并不能與系統(tǒng)進(jìn)行符號層面上的交流，正如在前面的例子中師傅是無法與徒弟進(jìn)行言語交流一樣。而這種低效學(xué)習(xí)的“低效性”之所以在計(jì)算機(jī)那里能夠得到容忍，則緣于計(jì)算機(jī)相比于自然人而言的一個(gè)巨大優(yōu)勢：計(jì)算機(jī)可以在很短的物理時(shí)間內(nèi)進(jìn)行海量次數(shù)的“胡猜”，并由此遴選出一個(gè)比較正確的解。一旦看清楚了里面的機(jī)理，我們就不難發(fā)現(xiàn)：人工神經(jīng)元網(wǎng)絡(luò)的工作原理其實(shí)是非常笨拙的。

“深度學(xué)習(xí)”應(yīng)該是“深層學(xué)習(xí)”

那么，為何“神經(jīng)元網(wǎng)絡(luò)技術(shù)”現(xiàn)在又有了“深度學(xué)習(xí)”這個(gè)后繼者呢？這個(gè)新名目又是啥意思呢？

不得不承認(rèn)，“深度學(xué)習(xí)”是一個(gè)帶有迷惑性的名目，因?yàn)樗鼤T使很多外行認(rèn)為人工智能系統(tǒng)已經(jīng)可以像人類那樣“深度地”理解自己的學(xué)習(xí)內(nèi)容了。但真實(shí)情況是：按照人類的“理解”標(biāo)準(zhǔn)，這樣的系統(tǒng)對原始信息最膚淺的理解也無法達(dá)到。

為了避免此類誤解，筆者比較贊成將“深度學(xué)習(xí)”稱為“深層學(xué)習(xí)”。因?yàn)樵撛~的英文原文“deeplearning”技術(shù)的真正含義，就是將傳統(tǒng)的人工神經(jīng)元網(wǎng)絡(luò)進(jìn)行技術(shù)升級，即增加其隱藏單元層的數(shù)量。這樣做的好處，是能夠增大整個(gè)系統(tǒng)的信息處理機(jī)制的細(xì)膩度，使得更多的對象特征能夠在更多的中間層中得到安頓。

比如，在人臉識別的深度學(xué)習(xí)系統(tǒng)中，更多的中間層次能夠更為細(xì)膩地處理初級像素、色塊邊緣、線條組合、五官輪廓等處在不同抽象層面上的特征。這樣的細(xì)膩化處理方式當(dāng)然能夠提高整個(gè)系統(tǒng)的識別能力。

但需要看到，由此類“深度”化要求所帶來的整個(gè)系統(tǒng)的數(shù)學(xué)復(fù)雜性與數(shù)據(jù)的多樣性，自然會對計(jì)算機(jī)硬件以及訓(xùn)練用的數(shù)據(jù)量提出很高的要求。這也就解釋了為何深度學(xué)習(xí)技術(shù)在21世紀(jì)后才逐漸流行，正是最近十幾年以來計(jì)算機(jī)領(lǐng)域內(nèi)突飛猛進(jìn)的硬件發(fā)展，以及互聯(lián)網(wǎng)普及所帶來的巨大數(shù)據(jù)量，才為深度學(xué)習(xí)技術(shù)的落地開花提供了基本保障。

但有兩個(gè)瓶頸阻礙了神經(jīng)元網(wǎng)絡(luò)-深度學(xué)習(xí)技術(shù)進(jìn)一步“智能化”：

第一，一旦系統(tǒng)經(jīng)過訓(xùn)練而變得收斂了，那么系統(tǒng)的學(xué)習(xí)能力就下降了，也就是說，系統(tǒng)無法根據(jù)新的輸入調(diào)整權(quán)重。這可不是我們的終極理想。我們的理想是：假定由于訓(xùn)練樣本庫自身的局限性，網(wǎng)絡(luò)過早地收斂了，那么面對新樣本時(shí)，它依然能夠自主地修訂原來形成的輸入-輸出映射關(guān)系，并使得這種修訂能夠兼顧舊有的歷史和新出現(xiàn)的數(shù)據(jù)。但現(xiàn)有技術(shù)無法支持這個(gè)看似宏大的技術(shù)設(shè)想。設(shè)計(jì)者目前所能夠做的，就是把系統(tǒng)的歷史知識歸零，把新的樣本納入樣本庫，然后從頭開始訓(xùn)練。在這里我們無疑又一次看到了讓人不寒而栗的“西西弗斯循環(huán)”。

第二，正如前面的例子所展現(xiàn)給我們的，在神經(jīng)元網(wǎng)絡(luò)-深度學(xué)習(xí)模式識別的過程中，設(shè)計(jì)者的很多心力都花費(fèi)在對于原始樣本的特征提取上。很顯然，同樣的原始樣本會在不同的設(shè)計(jì)者那里具有不同的特征提取模式，而這又會導(dǎo)致不同的神經(jīng)元網(wǎng)絡(luò)-深度學(xué)習(xí)建模方向。對人類編程員來說，這正是體現(xiàn)自己創(chuàng)造性的好機(jī)會，但對于系統(tǒng)本身來說，這等于剝奪了它自身進(jìn)行創(chuàng)造性活動的機(jī)會。試想：一個(gè)被如此設(shè)計(jì)出來的神經(jīng)元網(wǎng)絡(luò)-深度學(xué)習(xí)結(jié)構(gòu)，能夠自己觀察原始樣本，找到合適的特征提取模式，并設(shè)計(jì)出自己的拓?fù)鋵W(xué)結(jié)構(gòu)嗎？看來很難，因?yàn)檫@似乎要求該結(jié)構(gòu)背后有一個(gè)元結(jié)構(gòu)，能夠?qū)υ摻Y(jié)構(gòu)本身給出反思性的表征。關(guān)于這個(gè)元結(jié)構(gòu)應(yīng)當(dāng)如何被程序化，我們目前依然是一團(tuán)霧水——因?yàn)閷?shí)現(xiàn)這個(gè)元結(jié)構(gòu)功能的，正是我們?nèi)祟愖约?。讓人失望的是，盡管深度學(xué)習(xí)技術(shù)帶有這些基本缺陷，但目前的主流人工智能界已經(jīng)被“洗腦”，認(rèn)為深度學(xué)習(xí)技術(shù)就已經(jīng)等于人工智能的全部。一種基于小數(shù)據(jù)，更加靈活、更為通用的人工智能技術(shù)，顯然還需要人們投入更多的心力。從純學(xué)術(shù)角度看，我們離這個(gè)目標(biāo)還很遠(yuǎn)。