AlphaGo、康德和人工智能

subtitle 解毒时光10-01 19:09 跟贴 11 条

人工智能早已从技术领域破圈到大众文化之中,成为一个被广泛讨论的热词,那么除了在技术领域,给生活带来的更多便利性之外,作为非技术人员,能在人工智能当中学到什么,又可以由此改变什么呢?

AlphaGo 不是狗

这一切要从四年前在围棋领域的一系列事件开始说起。

2016年3月,AlphaGo以4:1的成绩战胜了围棋世界冠军、职业九段棋手李世石;2016年末,AlphaGo在中国棋类网站上以“大师”(Master)为注册账号与中日韩数十位围棋高手进行快棋对决,连续60局无一败绩;2017年5月,AlphaGo以3:0的总比分战胜排名世界第一的世界围棋冠军柯洁。

打开网易新闻 查看更多图片

一时间,AlphaGo的故事被演绎成一个江湖中横空出世的侠客,将各路大侠纷纷挑落马下,出手之快,力道之狠,功力之高,都是江湖人所无法想象和比拟的。甚至其结局也非常武侠风,在击败柯洁之后,AlphaGo被围棋界公认棋力已经超过人类职业围棋顶尖水平,也就在登上顶峰之时,AlphaGo团队宣布阿尔法围棋将不再参加围棋比赛,从此隐退江湖,不留功与名。

其实,机器在棋类上击败人类已经不是第一次了,往前追溯,最有名的要数1996 年IBM的“深蓝”击败了国际象棋大师卡斯帕罗夫。虽然当时也引起了广泛的关注,但终究没有引发人工智能的热潮。因为对于机器来说,国际象棋和围棋比起来,难度还是低了很多。比如围棋每一步大概有200种落子点,而国际象棋大概不到40种;围棋大概要通过200次落子才能决出胜负,而国际象棋大概不超过60次;围棋有10的360次方个合规落子组合,而国际象棋也不过10的123次方,不过顺便一提,即便是国际象棋的这个可能性,也是非常巨大的,比如此前有科学家计算出整个宇宙的原子总数也不过10的80次方。

而且当年“深蓝”的策略,似乎也有些暴力,就是利用机器的强大算力,去推测每一步棋的最优解,不过“深蓝”也不过能看到未来6步棋的情况。可以说,当时的“深蓝”只体现出计算机的算法能力和计算水平,但还远远达不到所谓人工智能的意义。

也正是如此,经过了20年的发展,机器才在围棋领域有所突破,同时也让世界看到人工智能的曙光,很多人都在问,AlphaGo会不会是人工智能领域的“奇点”?四年过去了,虽然在技术的迭代上,人工智能有了长足的发展,但依然没有到达一个新的境界,可能真正人工智能时代离我们还远,AlphaGo也只不过是一个起点。但在AlphaGo上面,不仅能让人看到在人工智能领域的应用价值,同时也让人类有了一个参照,以此来反思自身,对人的思维能力也许会有更深刻地认识。

在进入下面的探讨之前,插入一个有趣的小知识,AlphaGo由于发音,被很多国人昵称为“阿尔法狗”,这也挺符合我国互联网发展中“动物园”系列的命名的。但实际上,AlphaGo中的Go,就是英文中围棋的意思。围棋的英译名go是从日语的发音译来的,围棋在日语里写成“碁”(读做ご,即Go的发音)。在美国人亚瑟·史密斯出版的第一本英文围棋书《围棋:日本国技》中,使用了go并沿用至今。所以“阿尔法狗”不是狗,它的大名应该叫阿尔法围棋。

从哥白尼到康德,答案有时藏在视角中

哥白尼的故事,几乎没有人不知道。他改变了人们日常经验和宗教经验中的错觉,推翻了太阳围绕地球而转,确立了日心说,也引发了后续的物理学发展。有时,问题并不见得有多复杂,只需要转换一个视角,就能发现一片新的天地。

在认知领域,也有一个人希望效仿哥白尼,掀起一场革命,那就是被认为是继苏格拉底、柏拉图和亚里士多德后,西方最具影响力的思想家之一的康德。

康德把自己在认知领域的理论称为“哥白尼式的革命”,最核心的也是视角的转换。就像在经验中,每个人都会觉得地球是平的,太阳是围绕着我们而转动的一样,在认知领域,人们会想当然的觉得,我们能认识到的一切,能获得的关于一切外部事物的知识,都取决于外部事物本身。

但康德却像哥白尼一样,把视角转换了一下,太阳并没有动,而是我们在动。在认知领域,我们能获得的一切知识,其决定性的形式和框架,并不在外界事物中,而是深深的植根于我们的思维里。简单地说,康德提出了一个新的看法,从过去的“现象决定认识”,改为了“认识决定现象”。

如果单纯简单的来看,这似乎是一个极其震撼,又极其不合理的论断,我们看到的花,了解到的春夏秋冬,不都应该是自然现象吗,怎么可能由我们自身来决定呢?但想想,花就一定是红的么,在红绿色盲眼中是什么颜色呢,另外虽然我们都说是红色,但每个人眼睛能看到的红又会有着千差万别,所以究竟是花定义了红,还是我们定义了红呢?

康德也许不会喜欢AlphaGo

康德的理论非常复杂,在此就不过多的去深入探讨。简单的来说,康德认为一个知识,比如我们看到的花,或认识到的某一种现象,某一个事件,都是由两个部分组成的,也就是“先验”和“经验”。先验就是先于经验就存在于我们大脑中的,是一些规则性的东西,而经验则是我们在与世界打交道时所获得的内容。

康德认为先验规则是预先就存在于我们的头脑里,当我们与世界接触,先验规则就成为了一个框架,我们用经验把这个框架填满,就像造一个建筑,最终形成了对外界的知识。这二者缺一不可,没有先验规则,我们无法将经验的内容组织起来成为知识,没有经验的内容,先验的规则就只是个框架,一无所用。

如果这个理论,说给一个程序员听,他就会很快的类比出来,先验规则不就是算法么,经验内容不就是数据么。没错,就是这么简单,也是这么凑巧,康德的认识论,跟几百年后的编程理念是相通的。康德的目标是揭示人是如何认识世界以及如何行动的,而人工智能的目标则是模拟人去认识世界,去模拟人的行动。所以二者必然是同源的。

在人工智能的发展中,主要有两个流派。一派是自上而下的,也就是希望通过将人类思维决策的逻辑模拟出来,形成一套完整的符号系统,以此预设,来对输入进行反馈;另一派则是自底向上的,是希望用计算机模拟人脑的神经结构,最终用机器模仿出人的思维方式。

前一派被称为控制派,后一派被称为仿生派。如果让康德去研究人工智能,相信他会比较支持控制派,因为他主要就是研究先验规则是什么,如何运作的,很像是控制派对人类思维决策逻辑的模拟。

不过AlphaGo实际上更偏向于仿生派,是在神经网络的基础上,用深度学习训练出来的一个智能系统。与康德研究的先验规则不同,AlphaGo用到的更多的是经验性的东西,在经验里寻找决策的线索。所以康德应该不会喜欢现在AlphaGo的研究方式和发展方向。

认知与决策,智能的体现

不论康德是否喜欢,AlphaGo已经取得了惊人的成绩,那么我们不妨深入其中,看看AlphaGo是如何工作的。

AlphaGo的大脑大体上是由三个部分构成(以下仅为简要概括,并非专业性的论述):策略网络、价值网络、蒙特卡洛树搜索。我们跳过专业性的探讨,这三个部分是各有分工的,在一场对局中的任何一个阶段,当要落子时,策略网络去算出接下来有多少个可以落子的地方,价值网络判断这些落子地方未来输赢的可能性,蒙特卡洛树搜索则将这两个部分的结论综合在一起,并最终形成结论。

这其中,策略网络,是将一个棋局的任何一个阶段,都看作是一个19*19像素的图片(围棋是19*19条线交叉形成361个点),而每个像素点上有黑/白/空三种可能。AlphaGo通过收集大量对局的形势图,来进行学习,学习的内容就是,在当前图的情况下,下一幅图会变化成什么方向。而价值网络,则负责判断每一种图型最终可能获胜的概率。

对于这个模型,非常有趣的是恰好也能对应上康德理论中的两个关键核心——时间和空间,康德认为这两个是我们每个人感受外界,获得一种直观的最基本框架。在AlphaGo中,空间就是每一幅图型,而时间则是图型的排列顺序,通过之前的情况来决策之后的情况等等。

此外,AlphaGo也体现出了智能的最核心两个要素,第一就是认知,其次是决策。认知就是对外界,环境、事物的一种知识的获取,而决策就是在外界给定的情况下,决定该如何去做。

那么对于认知部分,康德是如何界定的呢?

康德认为最底层的认知是人的一种感觉,当把感觉对应到一个事物的时候,那就是认识。认识有两种形式,一种是直观,也就是直接关联到一个具体的事物,比如一个苹果,我们在脑海里就会显现出这个苹果的特征;另一种是概念,也就是间接关联到一些事物,比如我们有一个苹果的概念,这个概念并不是指某一个苹果,而是一种概括的苹果的统称。那对于概念,也有两种区分,一种是经验的,比如苹果的概念们就是经验的,还有一种是纯粹的。在纯粹的概念里,有一部分能被用在经验当中,比如因果这种,就被康德称作范畴,而不能被应用在经验,也就是超出经验可能性的概念,比如上帝,就被称作理念。

对照着康德认知的层次,AlphaGo可以有直观,也就是对应着围棋的图型,应该也能产生一些概念,比如哪一些图型更接近胜利,可以从图形中寻找到规则,并运用回图型中。但相信AlphaGo是不会产生理念的,也许当某一天,某个人工智能可以跟人类谈论上帝、自由这类话题的时候,人工智能才真正的显现。

而如果真的有一天,人工智能不仅可以谈论,而且也能够在理念的范围内,或者说根据一些道德观念来实践的话,那么人工智能才可以说是一种接近人的状态。毕竟类似于电车难题(在铁轨上,究竟是救一边的1个人还是救另一边的5个人)这种道德问题,并非能够用所谓价值网络就可以判断出该如何做的。而且即便是人也都无法轻易做出抉择的问题,人工智能该如何去思考呢。

用人工智能超越人的智能

有个有趣的事情,当人们根据量子理论,发现现实世界并不是连续的,细分下去会遇到最小的量子尺度时,有人就提出了一个假设,这不就跟计算机世界一样么,在二进制所构成的宇宙中,一切也都不是连续的,我们看到的图像,只不过是一个个的像素模拟出来的,就好像是量子一样,那么是不是可以说我们现在所处的世界,是计算机模拟出来的呢?

实际上,这有可能犯了一个逻辑谬误。因为我们更熟悉计算机,而没有那么懂量子理论,所以我们会把量子理论的发现,放到计算机世界中去参考。实际上计算机的基本构成也是我们这个量子的世界,所以它们应该具有同样的特性,所以并不是说现实世界是计算机模拟的,只能说计算机也没有逃脱出量子的掌控而已。

在这个例子中,我们看到了神经网络未来的可能性,也就是当我们在结构上模拟出人脑的时候,也许是可以模拟出人脑的功能的,因为至少它们是同构的。但这也不过是一种可能,就像在生物进化中,千百年来,也只进化出一种人脑,而其他动物并不具备人脑最核心的功能。

那么有没有其他路线呢?

也许我们可以在对现实世界的新发现中,找到一些端倪。根据最新的量子理论和相对论的结合中,我们逐渐的会产生一些哥白尼式的认知革命。比如此前我们一直认为世界是由物质构成的,时间主宰了物质的发展和变化。但在新的理论体系中,世界是由事件构成的,物质是粒子相互作用时短暂的固定形式。就好比两个电子只有在相互作用时才出现,当它们无关时,甚至可以说它们都不存在一样。

这样一来,我们重新审视大脑的功能,就会发现,我们通过直观去认识物质,然后利用思维去发现物质之间的关系,最终形成了一个统一的世界图景。我们现在也是按照这个结构去开发人工智能。但也许可以有一种新的认知方式,对计算机而言,它更擅长的是处理数据以及发现数据之间的关系。人是通过物质的形态,然后逐渐深入到其中的关系,这是由于人的感官在外,思维在内所决定的。那么人工智能是否可以突破人类的认知局限呢?

也就是说打破人类这种从看、听入手,去了解世界,然后利用思维去发现世界的特征,比如因果性,再根据这些特征来作出反应,人工智能是否可以在事件、关系层面有其独特的直观方式,而不用像现在那样,非要把围棋棋局变成图片输入。

回到“从哥白尼到康德,答案有时藏在视角中”这一小节,也许当某一天我们对人工智能的视角发生了转变,才能更接近那个想要的答案。

特别声明:本文为网易自媒体平台“网易号”作者上传并发布,仅代表该作者观点。网易仅提供信息发布平台。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
打开网易新闻,阅读体验更佳
大家都在看