为何要花费精力琢磨人工意识?

人工意识的人工智能的区别

 

    大概我不用解释什么是人工意识,但是这个概念其实跟AI有一些细微差别,叫强人工智能也可以,但是最近我认识到 “智能” 跟“意识”之间是俩回事。

机器智能是这样的,比如说最基础的计算器,这个也属于机器智能,它会按照一定规则+指令解决一些复杂问题,但是缺乏主观能动性,这个计算器没有源动力,如果它突然有一天自己决定开始计算圆周率的N个小数位。那么这个时候可以称之为具备自我意识。当然现阶段科学理论,还没有一种非常可信的方式验证某一个“非我”个体具备自我意识,这个问题在学界有个很有名气的说法叫“他心问题”,有兴趣的童鞋另行研究。

    那么细化一下机器智能,那么最近的十年间我们称之为AI技术的东西,跟一百年前创造的电脑技术在智能这个方面有什么区别呢?

    其实本质是一样的,就是遵循一定规则一定指令来解决问题,但是现阶段的机器智能是学习大量数据中特定规则的过程。算法工程师们设定了一个学习规则,让机器智能按照某种学习方式,去学习数据中的规则,然后通过学习到的规则解决问题,而这个待学习的规则,只有模糊的定义,没有办法知悉明确算法逻辑。所以很多人说这是一个黑箱子算法。

    上面这段话估计有点难理解,我再举一个例子来做附加说明:

    就是图片识别,我之前在其他文章里讲过 CNN 卷积神经网络,这是一个图片识别的算法,CNN算法学习了大量分类好的图片(假设是一堆猫图,一堆花草图),然后算法分别提取了猫和花草的识别规则保存下来,下次再来一张完全新的猫图,就能轻易的识别正确。 那么问题来了,这个所谓是“猫的规则”是什么?  如果你随便问一个人,“大佬,你是怎么识别一只猫的?”  那么回答大概可以是这样“猫有毛发,尖耳朵,胡须,尾巴,四只爪子等等一系列特征” 而且只要具备局部特征,大佬也能识别出来。

    但是CNN算法不是这样的,就算你掰开这个算法盒子,给你看到里面保存的所有数据,你也没办法回答,它是通过什么特征识别猫的?因为它的理论基础是“万能近似定理” 就是一个万能函数,只要设定好一些变量,它可以近似成任意的函数。但不能100%等于,所以虽然这个算法找到了最优的近似函数,但是它还是不知道它近似的这个函数是什么?逻辑是什么?没有因果,只有近似。

      (猫草了解一下)

 

为什么我要琢磨这件事?

    终于非常粗浅的讲完智能跟意识的区别,回到主题,我为什么要开始琢磨这件事?

    概括性讲这是一个横穿非常多学科的课题。我大概列一下这几年我看的一些书的主题范围:

    1,计算机类 2,生物学   3,概率论  4,代数   5,心理学 ……

    就这几个领域也够头疼了。

    人工意识是目前尚未解决的课题,这个一个无从下手的难题,但是很欣喜的是智能问题也在被一一破解,相信不久将来这个课题也可以被攻克。

我大概是前几年在一家外包公司任职的时候,可能是技术经验积累到一定量后,开始浪了,内心一直渴望解决一些超级难题,心态膨胀了。所以把目光聚焦到了AI领域。

    当然后来也经历过很长时间的停滞,因为完全找不到头绪,连入门也是摸索了很久才学习到了一些有用的知识。

    有一阵子我想着放弃,这尼玛妥妥的是一个世界难题,花一生时间估计都会像打水漂一样,可能一点像样的东西也做不出来。

但是写这篇文章的时候我终于想通一件事了,因为我比较喜欢玩游戏,解决这个问题犹如游戏里的开荒。

开荒下副本,没有现成攻略,没有指南 指北,没有任何一个人可以说我的方法是对或者是错。如果我是结果论者,那么一个看不到结果的过程会让人绝望,成功固然欣喜,失败却让人止步不前。

但是开荒这件事本身就让人兴奋不已,做的每一件尝试都是前人所未知的,每时每刻可能都有新的发现。每一小点的成就,都可能是独一无二的,在这样一个高度专业化的领域里,只要稍微的往前挪一步,在这个方向上就是独创的,就是TOP。

这样的探索过程,难道不值得欢欣雀跃么?至于结果如何,不用太过执着,成功是好的,失败了我也有所收获。

    这就好像一个可以玩一辈子的副本,有起有落,可能几年过去了,一点收获也没有,又可能某个喝咖啡的瞬间突然灵感涌现。如果时不时有这种惊喜,这样的人生还有什么遗憾?