AL123 人文社科会员免费专区文学 2024-11-29

人工智能伦理_于江生_AZW3_MOBI_EPUB_PDF_电子书（无页码）_于江生

内容节选

未及前贤更勿疑，递相祖述复先谁。别裁伪体亲风雅，转益多师是汝师。 ——杜甫《戏为六绝句》TURING A M.Computing Machinery and Intelligence[J].Mind, 1950, LIX(2236): 433-460. 图灵在论文《计算机器与智能》（1950）里幻想一种“儿童机器”（child machine），“与其尝试制作一个模拟成人思维的程序，何不尝试制作一个模拟儿童思维的程序？然后对其进行适当的教育，将会得到成人的大脑” 。这是人工智能之父对“机器学习”的最初思考。图4.1 图灵认为机器学习应该模拟儿童学习的过程，逐渐形成智能 “我们希望儿童大脑中的机制如此之少，以至于可以很容易地对其进行编程。作为第一个近似，我们可以假设教育机器的工作量与教育人类孩子的大致相同。 “因此，我们将问题分为两部分——儿童程序和教育过程，二者保持紧密关联。我们不能指望初次尝试时就找到一台好的儿童机器。人们必须尝试教一台这样的机器，并了解其学习情况。然后可以尝试另一台，看看它是好是坏。通过对照，该过程与进化之间存在明显的联系。儿童机器的结构=遗传物质儿童机器的变化=突变自然选择=实验者的判断 “然而，人们可能希望这一过程比进化更快速而有效。适者生存是衡量优势的慢方法。实验者发挥聪明才智，应该能够加快这个过程。同样重要的是，实验者不必受制于随机突变。如果能找到造成某种弱点的原因，他可能会想出可以改进它的那种突变。 …… “我们通常把奖罚与教学过程结合起来。可以基于这种原理构造或编程一些简单的儿童机器。机器的构造必须确保，不太可能重复惩罚信号出现之前不久发生的事件，而奖励信号增加了导致该事件重复的概率。这些定义并不预设机器部件有任何感觉。我曾用一台这样的儿童机器做过一些实验，并成功地教会它一些东西，但教学方法太另类，因此实验不能算作真正的成功。” 图4.2 帮助或指导儿童学习的方法如何迁移到指导机器学习上？ “对于某些读者来说，学习机的概念可能显得自相矛盾。机器的操作规则能如何改变？无论它经历什么历史、什么变化，它们都应该完整地描述机器将如何反应。因此，这些规则具有很强的时间不变性。这是千真万确的。对这个悖论的解释是，在学习过程中改变的规则仅要求短暂的有效性，非常低调的那种。 …… “在学习机器中加入一个随机元件可能是明智的。当我们寻找某个问题的解时，随机元件是相当有用的……现在，学习过程可以被视为寻找一种能够满足教师（或其他标准）的行为形式，由于可能存在大量令人满意的解，因此随机方法似乎比系统方法更好。” 然而，机器学习并没有按照图灵的设想发展。20世纪80年代之前，机器学习流行规则的方法，之后统计的方法逐渐占据上风。经历了半个多世纪的发展，机器学习已经成为人工智能的一个充满生机的分支，它研究如何让一个智能体（intelligent agent）从经验、知识或环境中自动构建起完成某项任务的能力，并不断地完善它以达到令人满意的效果。例如，图像中的物体识别、棋类游戏、机器翻译（machine translation）、问答系统（question answering system）等。图4.3 机器学习是AI的一个分支，而深度学习只是机器学习中的一类模型而已一般说来，对人类越简单的事情，对机器而言越难搞定。譬如，语言理解、类比推理、想象等。相反，在一些简单计算和测量的事情上，机器要远胜于人类。例如，人类的眼睛和大脑有时在基础感知上会被“欺骗”而产生错觉。人类的大脑并不完美，为了提速，它预设了一些想当然的东西。图4.4 1995 年，美国神经学家爱德华·阿德尔森（Edward Adelson, 1954— ）制作了此图，A,B两格的灰度是相同的，但是人类的眼睛容易被欺骗比较人类学习和机器学习，二者有很多差异，这里仅列举两点。现有的机器学习都是单任务的。即便机器可以很好地完成某些任务，但它们之间的共性并不被机器所认知。即机器不会触类旁通、举一反三，而人类则天生地懂得接受间接经验，融会贯通后为己所用。换句话说，机器还不具备人类的学习能力，也不懂得如何积累知识。普通受高等教育者历经小学、初中、高中、大学阶段，完成知识积累、能力培养到适应社会的质变，历时十五六年之久。随着高等教育的普及，人类自主学习和接受系统教育的时间占整个人生的五分之一，甚至更多。知识更新很快，人类只有持续学习才能不被时代抛弃。荀子在《劝学》篇的第一句话就是“君子曰：学不可以已”。对许多人而言，“活到老学到老”是一个积极的人生信条，丧失学习动力和能力则是衰老的标志。机器学习的时间跨度没有人类这么大，主要原因是我们不知道怎样赋予机器持续学习的能力，也不知道如何为它制定这么大的学习目标。神经科学、心理学、教育学、语言学、哲学等对人工智能......