原創(chuàng)：單博
大家好，今天給大家分享的主題是智能科學(xué)反思與展望。為什么選這個主題呢？
其實對于前沿的技術(shù)來說，軍事博弈與對抗問題是各國都在發(fā)力的點，國際上都在做，比如說美國的那種用AI來打星際爭霸，其實看做是用AI完成戰(zhàn)略博弈與對抗。例如AlphaGo，就是一對一博弈的問題。
星際爭霸它屬于那種戰(zhàn)略游戲，Dota屬于那種戰(zhàn)術(shù)級游戲，它們都可以認為是與軍事是相關(guān)的，屬于多人競技類的游戲。游戲背后可以把每一個玩家想象成一個人，如果對數(shù)學(xué)建模來說，它就是一個智能體，那么其實就可以把這個問題抽象，也就是數(shù)學(xué)建模成一個多智能體博弈，或者說叫多智能體對抗的問題。“對抗”或者“博弈”和合作也是相對的概念。
這種問題怎么解？其實它再往早的話就有點像博弈論，或者說像運籌學(xué)中要解決的這些問題，但是現(xiàn)在隨著人工智能的發(fā)展，然后現(xiàn)在主要解決這類問題的算法就是強化學(xué)習(xí)算法。
也就是說其實我們把現(xiàn)實生活中的一些問題建模成了數(shù)學(xué)問題，然后用什么方法來解這些數(shù)學(xué)問題？我們現(xiàn)在用的是人工智能的方法來解這些數(shù)學(xué)問題，智能相關(guān)學(xué)習(xí)，這也是我選擇這個主題來分享的一個原因，就是人工智能根本性的這樣一種認知。
還有一個原因，有關(guān)計算機的一個永恒命題。
當前階段的人工智能技術(shù)可以稱為是“弱人工智能”，主要是依靠人工神經(jīng)網(wǎng)絡(luò)將判斷決策行為進行簡單化、抽象化、符號化的模擬。
也就是說是推理性質(zhì)的，這也是Dartmouth當時創(chuàng)建人工智能的一個根基，需要有明確的、可解釋性的數(shù)理邏輯推理。
但是其實我們?nèi)瞬皇沁@么思考工作的，并沒有一套公式說我一定要這么執(zhí)行，然后從事的這種與或非，然后0、1加減乘除這樣的運算，不是這種線性邏輯的思考方式。
所以從根本上對人工智能的假設(shè)可能就和人不一樣。這是關(guān)鍵的點。
我們現(xiàn)在的研究，它肯定是最終想實現(xiàn)一個比如“強人工智能”的狀態(tài)，什么是強人工智能？有理性的也有感性，甚至還有更多層面的，一個終極狀態(tài)。如果要達到這種終極的狀態(tài)，或者追求這種更高級的人工智能，它可能這種科學(xué)的范式或者方法論會和現(xiàn)在不一樣，就是從根本上去做一個思考。
順著這個思路，我們可以去探討很多問題。接下來我會主要從腦科學(xué)、思維科學(xué)以及辯證邏輯三個方面，對現(xiàn)階段的智能科學(xué)做出一個探討及未來發(fā)展的展望。
一、進一步借鑒腦科學(xué)
人工智能的終極目的是使機器能夠通過感知進行決策，或者說具有思維。
雖然近年發(fā)展起來的深度強化學(xué)習(xí)算法是人類實現(xiàn)人工智能終極目的的一個很有前景的方法，因為它結(jié)合了深度學(xué)習(xí)，解決了像圖像識別、語音識別相關(guān)的感知問題，但是應(yīng)該注意的是，深度強化學(xué)習(xí)自身還有很大的局限性。
近年來，隨著腦研究中一些標志性成果的突破，基于生物層面的腦結(jié)構(gòu)和功能圖譜、腦重大疾病機理、神經(jīng)元與突出聯(lián)接機制等成為研究熱點，為人工智能的下一輪發(fā)展提供了新啟發(fā)。
也就是說通過腦科學(xué)研究，“破譯”大腦在信息處理與神經(jīng)編碼的原理，再通過信息技術(shù)予以參照、模擬和逆向工程，形成以大數(shù)據(jù)驅(qū)動的通用人工智能數(shù)學(xué)模型與算法理論體系。
其實這些的基本與核心的數(shù)學(xué)理論基礎(chǔ)還是Kolmogorov-Arnold表示定理，
簡單來說就是通過函數(shù)的適當加和嵌套結(jié)構(gòu)，可以具有“萬能逼近”的效用。目前借鑒初級視覺皮層的架構(gòu)構(gòu)建深度神經(jīng)網(wǎng)絡(luò)起到了顯著的作用。
但如何進一步通過模擬人腦皮層下系統(tǒng)的增強學(xué)習(xí)與皮層上系統(tǒng)的有監(jiān)督學(xué)習(xí)，構(gòu)建新型仿生網(wǎng)絡(luò)結(jié)構(gòu)，從而提出認知計算的學(xué)習(xí)算法及其架構(gòu)也就成了目前研究的前沿問題。
因為生物體的生長發(fā)育過程和大腦神經(jīng)系統(tǒng)的可塑性有著密切的關(guān)系，
借助一些神經(jīng)元網(wǎng)絡(luò)耦合模型-建模，比如Integrate-and-Fire，再結(jié)合動態(tài)的網(wǎng)絡(luò)結(jié)構(gòu)以及相關(guān)強化學(xué)習(xí)等信息處理，創(chuàng)新類腦算法，也成為了發(fā)展通用人工智能數(shù)學(xué)模型和算法理論的重要領(lǐng)域之一。
兩個points：
Ⅰ基于生物腦模擬發(fā)展全腦計算架構(gòu)。
現(xiàn)在的深度網(wǎng)絡(luò)主要模擬了大腦的視覺皮層，增強學(xué)習(xí)則主要受皮層下獎賞系統(tǒng)的啟發(fā)，新的網(wǎng)絡(luò)結(jié)構(gòu)可以將這兩部分做一個結(jié)合，模擬發(fā)展全腦計算架構(gòu)。
Ⅱ基于數(shù)學(xué)理論發(fā)展新型學(xué)習(xí)算法。
將所發(fā)展的新型學(xué)習(xí)算法理論應(yīng)用于全腦計算架構(gòu)的訓(xùn)練，設(shè)計出一套有效的全腦計算架構(gòu)訓(xùn)練算法，可以探索神經(jīng)脈沖計算模型，為實現(xiàn)高效節(jié)能的神經(jīng)網(wǎng)絡(luò)計算提供新的可能。
最大的一個應(yīng)用價值就是在耗能這塊，像當時阿爾法狗出來的時候，它背后的服務(wù)器耗電量是巨大的，但對于咱們?nèi)藖碚f，一天三頓飯，有人等效估算了下，大腦消耗在25W，可以進行高效的運轉(zhuǎn)，就是節(jié)能這塊。
接著來說第二部分，思維科學(xué)這塊。
二、發(fā)展思維科學(xué)
思維科學(xué)是錢學(xué)森初創(chuàng)的，主張把思維科學(xué)當作一門多學(xué)科的綜合科學(xué)、系統(tǒng)科學(xué)來研究，提出了關(guān)于思維科學(xué)體系的設(shè)想。在某種意義上，思維科學(xué)與認知科學(xué)的目標是一致的。
關(guān)于人的思維邏輯的研究，可以追溯到柏拉圖、蘇格拉底的時代，關(guān)于思維的心理學(xué)和精神病學(xué)的研究，也早在計算機問世以前就已開始，計算機的應(yīng)用又加速了心理學(xué)研究的發(fā)展。
幾乎與發(fā)展AI同時，既是心理學(xué)家、又是計算機科學(xué)家的Newell和Simon等人也倡導(dǎo)用信息處理的觀點和方法來研究心理學(xué)，在心理學(xué)界形成了認知心理學(xué)的新方向。認知心理學(xué)這個術(shù)語則是心理學(xué)家U. Neisser在1967年提出而被廣泛引用。后來，Simon等人又進一步把認知心理學(xué)的研究和AI結(jié)合起來，開拓了認知科學(xué)（cognitive science）這一新領(lǐng)域。
認知科學(xué)的創(chuàng)導(dǎo)人之一Simon曾在學(xué)術(shù)報告《對認知科學(xué)的展望》中強調(diào)了這樣一個觀點：
當前人工智能研究中的“瓶頸”不在于計算機技術(shù)，而是對基本理論探討不深，需要有創(chuàng)新思想。同時指出“只有把計算機的智能與我們的智能結(jié)合起來，我們才能較快地對計算機和人的智力逐步取得更完整、更清晰的概念”。
總而言之，認知科學(xué)和思維科學(xué)的使命，就是探索來源于物質(zhì)的智力的本質(zhì)，這張圖可以參考：
對于AI發(fā)展目前面臨的根本性難題來說，思維科學(xué)或許是未來的發(fā)展道路。沿著過去的發(fā)展路徑，先進的計算機技術(shù)為思維科學(xué)的研究提供了得力的工具，思維科學(xué)的研究也孕育著新的AI基本理論，同時也將對計算機科學(xué)理論和技術(shù)的進一步發(fā)展起重要的推動作用。
我們接著來說第三個部分：向辯證邏輯演進
三、向辯證邏輯演進
如果說人工智能的誕生一半來自于腦科學(xué)與神經(jīng)科學(xué)，另一半則說是源自哲學(xué)，或者說邏輯學(xué)，再具體一些是數(shù)理邏輯。
之前也說了，人的一些東西是不能形式化表達的，或者說不能被規(guī)則的程序設(shè)計的。雖然現(xiàn)在我們不知道它是什么，但極有可能還會出現(xiàn)這種東西。
圖靈著名的文章“計算機與智能”（Computing Machinary and Intelligence）也是發(fā)表在哲學(xué)雜志Mind上。
雷蒙克（Ray Monk）稱圖靈為十二位偉大的哲學(xué)家之一。
第一波人工智能的成功來自于機器定理證明，主導(dǎo)人是王浩。其實在前一年，人工智能先驅(qū)Newell、Shaw和司馬賀（Simon）在蘭德公司寫的程序“邏輯理論家”也證明了《數(shù)學(xué)原理》第二章52個定理中的38個，當時被拒了，所以沒發(fā)表。
其實，王浩與Simon代表了人工智能未來的兩個不同方向：王浩依靠數(shù)學(xué)算法，而Simon等則企圖模仿人。
之前說了，人工智能的一個根本出發(fā)點是：客觀上有規(guī)律的東西都可以得到形式化的表述。
恰恰人工智能面臨困難的根源就在于“思維即計算”這一認識。不論是傳統(tǒng)的程序設(shè)計還是人工智能算法程序，都可以歸屬與“基于規(guī)則的程序設(shè)計”。
這并不奇怪。
因為只有可計算的問題，才可能在計算機上求解。而可計算的問題必有算法可遁。抽象地說，一定是圖靈機可解的。
換句話說，離不開“思維即計算”理論上的約束。
對于辯證邏輯這一塊，其實目前還沒有相關(guān)的研究成果出現(xiàn)，但它是一個核心的研究方向，突破點可能會在量子這塊。這個方向或許會通往通用人工智能的研究方向。
大概就是這三個方向，我簡要總結(jié)一下：
現(xiàn)在人工智能面臨困難的根源在于“思維即計算”這一認識、圖靈計算模型理論上的局限性，以及基于馮諾依曼機的實現(xiàn)環(huán)境在技術(shù)上的局限性這三點。
對于根源問題，之后需要通過思維科學(xué)，研究辯證思維，來為機器賦予辯證邏輯層面的智能。
這就是我今天分享的內(nèi)容，謝謝大家。
