关于《重启人工智能》11条建议的思考

2019 年 11 月 1 日 人工智能学家
来源: 人机与认知实验室

马库斯和欧内斯特·戴维斯在他们的新书《重启人工智能》(Rebooting AI)中主张开辟一条新的前进道路。他们相信,我们离获得这样的通用智能还差得很远,但他们也相信,我们最终能够做到这一点。


We will also suggest that a current obsession with building “blank slate”machines that learn everything from scratch, driven purely from data rather than knowledge, is a serious error.
what we should worry most about is whether machines are actually capable of reliably doing the tasks that we assign them to do.
【“我们还将指出,当前痴迷于构建“白板”机器,从零开始学习一切,纯粹从数据而非知识驱动,这是一个严重的错误。
我们最应该担心的是机器是否真的能够可靠地完成我们分配给它们做的任务。”】


1,不要去寻找单一的终极算法,关注组成人类认知的多个模块如何相互作用


如同《孙子兵法》是部活书一样,里面的诸多计策模块也不是单独作用的,并且从中不难看出,智能是一种能力,既包括框架也包括功能,顺势而为就是知几、趣时、变通的能力。


2,先验于数据的内在模型和表示方式,对人认识世界必不可少


未来的数据分析将把人的“随机采样”、“精确求解”和“强调因果”的传统认知模式结合大数据时代“全体数据”、“近似求解”和“只看关联不问因果”的新模式,形成数据、信息、知识融合的主客观一体化表征体系,既有先验也有经验,既有精确也有模糊的范式。


3,培养基于小数据的抽象能力和概述能力,是人类认知的核心


世界上单纯的因果定式并不存在。自然的变化是相关类比、因果抽象的一种随机状态。如何把握它随机应变的可能性,才是我们要研究的重点。军事智能的数据一开始就假设它是不可信的,而民用智能的数据一开始就认为它没问题。


4,人类的认知是高度结构化和层次化的,模块之间有明确的边界与分工


人类的认知有时候是这样,有时候不是这样,正如人既有理性又有感性一样,许多感性的时候,人类的认知并不是高度结构化和层次化的,模块之间也不一定有明确的边界与分工。这也是人类智能的优点和缺点。


5,即使是认知过程中看起来简单的部分,也需要复杂的工具去实现


反之,认知过程中看起来复杂的部分,也需要简单的手段去实现。


6,人类的语言和思考是由简单的命题根据与或非这样的逻辑组合而成的


人类的语言除了与或非逻辑意外还有言外之意和话外之音,更重要的是人们的思考可以围绕目的、价值、意义天马行空地使用各种事实因素,除了逻辑和简单命题之外,人类可以使用时间、空间、情感等基础元素进行非逻辑想象。


7,对世界的健壮的认识,取决于自下而上和自上而下的俩种模式的组合


除此之外,这种健壮的认识也包括由表及里和由里及表、去伪存真和去粗存精的态势感知过程。


8,对概念的认知,取决于概念出现的上下文和其所属的理论框架


对于概念的认知,不仅仅取决于概念出现的上下文和其所属的理论框架,还与使用者的意图及上下文长短和其所属的理论框架大小有关,有的概念在不同长度的上下文会有不同的意思。


9,因果联系的判定对我们认识和理解世界有奠基作用


 休谟认为因果关系只不过是思想中的习惯性联想。类似关系就是通过比较两个对象,发现其中的相似与相反的关系。接近关系就是找出两个对象在时间上、空间上的前后、左右等等关系。因果关系是在类似关系和接近关系的基础上产生的习惯性联想。从表面上看,这种联想似乎是客观事物的必然联系,因此一般人都把这种习惯性联想当成是因果关系。并认为具有普遍性、必然性的意义。


休谟认为类似关系和接近关系在因果推理中都起着重要作用。他特别强调类似关系在构成因果推理时的作用。他说:“实在说来,由经验所得来的一切论证,都建立于我们自然对象之间所发现的那种关系;而且因为有这种相似关系,我们才来期望将来所发生的结果也和我们所见的由同样对象而来的结果相似。”这就是说,有关经验事实的推理,都是以类似关系为基础的。有了这种类似关系,我们才能希望将来所发生的事与过去所发生的事相符合或者说“一样”。例如,过去经常看到A与B总是前后相随的 ,那么当我在下一次看到A1的时候,由于A1类似于A,我就依据类似关系,相信B1必然会出现。这是因为过去的经验中,A与B总是前后相随的。所以,当A1一出现,就给人们的心灵以一个强烈的刺激,并将这个刺激传达到B1,从而相信B1的出现。


除了事实、事物上的因果关系之外,还有价值、意义上的因果,而后一种因果的主观变化性更大。


10,人类会对每个事物和人的个体分别进行观察和跟踪


对整个系统而言,这也许是最不好的手段,的确,系统是由各部分构成的,但是,各部分的变化又构建起了(一个新的)系统。每个事物和人的个体在这个相互作用中也在发生着各种变化。


11,认知过程并不是从一无所有的白板开始的


类比,是类比机制击穿了认知事物的过程:无中可以生有,有中可以生无。


以上的每一条,对于学术界都是未来的潜在研究热点,还不确定自己的研究方向的新科博士,可以从中选择自己感兴趣的子课题。例如小样本学习,元学习,多任务学习,终身学习,可解释学习等。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

登录查看更多
2

相关内容

【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
多模态深度学习综述,18页pdf
专知会员服务
213+阅读 · 2020年3月29日
专知会员服务
123+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
人工智能的现状与未来(附PPT)
人工智能学家
74+阅读 · 2019年3月27日
AI从业者必须了解的决策树指南
AI前线
7+阅读 · 2019年1月14日
Gartner:2018人工智能技术成熟度曲线
物联网智库
3+阅读 · 2018年8月17日
人工智能的阴暗面
计算机与网络安全
6+阅读 · 2018年1月8日
人工智能可以预测女朋友什么时候生气吗?
中科院物理所
3+阅读 · 2017年11月22日
Arxiv
22+阅读 · 2019年11月24日
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
Learning by Abstraction: The Neural State Machine
Arxiv
6+阅读 · 2019年7月11日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
7+阅读 · 2018年5月23日
VIP会员
相关VIP内容
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
多模态深度学习综述,18页pdf
专知会员服务
213+阅读 · 2020年3月29日
专知会员服务
123+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
相关资讯
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
人工智能的现状与未来(附PPT)
人工智能学家
74+阅读 · 2019年3月27日
AI从业者必须了解的决策树指南
AI前线
7+阅读 · 2019年1月14日
Gartner:2018人工智能技术成熟度曲线
物联网智库
3+阅读 · 2018年8月17日
人工智能的阴暗面
计算机与网络安全
6+阅读 · 2018年1月8日
人工智能可以预测女朋友什么时候生气吗?
中科院物理所
3+阅读 · 2017年11月22日
相关论文
Arxiv
22+阅读 · 2019年11月24日
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
Learning by Abstraction: The Neural State Machine
Arxiv
6+阅读 · 2019年7月11日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
7+阅读 · 2018年5月23日
Top
微信扫码咨询专知VIP会员