1 新智元編譯
來(lái)源:神經(jīng)現(xiàn)實(shí)、dlacombejr.github.io
譯者:*黃玉杰、*ki bear、聞菲、胡祥杰
今天是2016年9月14日
AI WORLD 2016世界人工智能大會(huì)倒計(jì)時(shí) 33 天
啟航期5折搶票倒計(jì)時(shí)5天
【新智元導(dǎo)讀】借鑒腦科學(xué)的研究,是否有助于發(fā)展人工智能?《今日心理學(xué)》前主編、心理學(xué)家 Robert Epstein 日前在 Aeon 刊文,指出將大腦比作計(jì)算機(jī)誤導(dǎo)了我們對(duì)智能的認(rèn)知,阻礙了腦科學(xué)發(fā)展。Epstein 認(rèn)為,“大量的資金被用于腦科學(xué)研究,然而某些研究卻是基于錯(cuò)誤的觀點(diǎn)和根本無(wú)法兌現(xiàn)的諾言”。
對(duì)此,佛羅里達(dá)大西洋大學(xué)計(jì)算機(jī)視覺博士生 Daniel C. LaCombe, Jr 做出了回應(yīng)。LaCombe 認(rèn)為,信息處理比喻是迄今我們對(duì)大腦工作原理最好的解釋,Epstein 沒有正確理解“計(jì)算”在人工智能中的主要作用及其與大腦的聯(lián)系。
下面先是 Epstein 的文章,后面是LaCombe 的回應(yīng)。我們歡迎你不僅觀看,也加入討論。
正方:你的大腦不處理信息,它不是計(jì)算機(jī)
空空如也的大腦
【譯文轉(zhuǎn)自微信公眾號(hào)“神經(jīng)現(xiàn)實(shí)”】
作者:Robert Epstein | 來(lái)源:Aeon
翻譯:黃玉杰,ki bear | 校對(duì):岳川
半個(gè)多世紀(jì)以來(lái),心理學(xué)家、語(yǔ)言學(xué)家、神經(jīng)學(xué)家以及其他人類行為領(lǐng)域的專家都認(rèn)為,人類大腦正是像電腦一樣工作。把人類智能當(dāng)做“信息處理”的比喻,不管是在普通人心中還是在科學(xué)界,都占據(jù)了主導(dǎo)地位。幾乎所有提及人類智能行為的論述,都免不了采取這種比喻。
我們?yōu)槭裁磳?duì)這個(gè)比喻如此執(zhí)著?它真的可以解釋我們的思維嗎?它會(huì)不會(huì)成為我們理解人類意識(shí)的誤區(qū)?
不管如何努力,腦科學(xué)家和認(rèn)知心理學(xué)家們永遠(yuǎn)也不會(huì)在人腦中找到貝多芬第五交響曲的樂章,文字、圖片、語(yǔ)法規(guī)則或是其他任何類型的外界刺激。當(dāng)然,大腦并不真的是空的。但那些人們通常認(rèn)為存在于大腦中的許多事物,即使是最簡(jiǎn)單的東西,比如“記憶”,也并沒有存在于大腦之中。
我們對(duì)大腦的愚昧認(rèn)知有著深刻的歷史根源,特別是受到了20世紀(jì)40年代計(jì)算機(jī)發(fā)明對(duì)人類所帶來(lái)的影響。半個(gè)多世紀(jì)以來(lái),心理學(xué)家、語(yǔ)言學(xué)家、神經(jīng)學(xué)家以及其他人類行為領(lǐng)域的專家都認(rèn)為,人類大腦正是像電腦一樣工作。
想想嬰兒的大腦,你會(huì)明白這樣的想法是多么空洞。多虧了生物進(jìn)化,人類的新生兒,如同其他所有哺乳動(dòng)物的新生兒一樣,當(dāng)它們來(lái)到這個(gè)世界時(shí)已經(jīng)做好了與這個(gè)世界互動(dòng)的準(zhǔn)備。嬰兒的視力模糊,但它們會(huì)重點(diǎn)關(guān)注臉部,并且能夠迅速認(rèn)出自己的母親。相比其他聲音,它更喜歡人聲,可以區(qū)分不同的對(duì)話。毫無(wú)疑問(wèn),我們生來(lái)就是為了建立社交關(guān)系。
一個(gè)健康的新生兒還具備了十幾種反射——隨時(shí)應(yīng)對(duì)某些對(duì)生存極為重要的刺激。它會(huì)把頭自動(dòng)轉(zhuǎn)向觸碰它臉頰的物體,吮吸任何進(jìn)入口中的東西。當(dāng)它潛入水中時(shí),會(huì)屏住呼吸。它會(huì)緊緊抓住任何被放置在手上的物體,幾乎可以承受住自己的重量?;蛟S最重要的是新生兒與生俱來(lái)的強(qiáng)大學(xué)習(xí)機(jī)制,盡管這個(gè)世界同它們祖先生活的時(shí)代已經(jīng)大不相同,但他們能夠迅速變化,從而更加有效地與之互動(dòng)。
感官、反射和學(xué)習(xí)機(jī)制——這是我們與生俱來(lái)的禮物。想想還挺豐富。如果在出生時(shí),我們?nèi)狈α似渲腥魏我粋€(gè)技能,那么很可能會(huì)難以生存。
但以下這些并非與生俱來(lái):信息、數(shù)據(jù)、規(guī)則、軟件、知識(shí)、詞匯、表征、算法、程序、模型、記憶、圖像、處理器、子程序、編碼器、譯碼器、符號(hào)和緩沖器——這些使數(shù)字計(jì)算機(jī)能夠表現(xiàn)出智能化的設(shè)計(jì)元素。這些元素我們不僅沒有,而且永遠(yuǎn)也不可能進(jìn)化出來(lái)。
生物體不會(huì)處理信息
我們并不“存儲(chǔ)”單詞或是指導(dǎo)我們運(yùn)用單詞的語(yǔ)法。我們不會(huì)創(chuàng)建視覺刺激下所形成的“表征”,把它們“存儲(chǔ)”到短期緩存區(qū)后,在“傳輸”到長(zhǎng)期的記憶存儲(chǔ)器中。我們不會(huì)從寄存器中“檢索”信息、圖像或單詞。這些都是計(jì)算機(jī)做的事,可生物體不會(huì)這樣。
電腦確實(shí)是在“處理信息”——數(shù)字,字母,單詞,公式,圖像。這些信息首先會(huì)被編譯成它能使用的格式,也就是從0和1的位(bit)到小塊的字節(jié)(byte)。在我的電腦里,每個(gè)字節(jié)包括8個(gè)位,一個(gè)字節(jié)可以存儲(chǔ)一個(gè)英文字母。比如,字母d、o和g分別對(duì)應(yīng)不同的字節(jié)。把這三個(gè)字節(jié)放到一起,就形成了單詞“狗”。一個(gè)單一圖像——比如我的貓(Henry)在我桌上的照片——由一百萬(wàn)個(gè)字節(jié)(1M)的特定組合所表征出來(lái),并且需要用一些特殊的字符來(lái)指導(dǎo)電腦,告訴它是生成一個(gè)圖像,而不是一個(gè)單詞。
電腦確實(shí)是在移動(dòng)這些數(shù)據(jù),把它們從不同的物理存儲(chǔ)器寫入到電子器件中。有時(shí)它們也會(huì)復(fù)制數(shù)據(jù),或者用其他的方式傳輸數(shù)據(jù)——比如在我們修正手稿中的錯(cuò)誤或者潤(rùn)色圖片的時(shí)候。電腦所遵循的移動(dòng)、復(fù)制和操作數(shù)據(jù)組的規(guī)則也都存儲(chǔ)在電腦內(nèi)部。這些規(guī)則統(tǒng)稱為“程序”或者“算法”??梢詭椭覀冏鍪拢ū热绯垂苫蚓W(wǎng)上約會(huì))的一組同時(shí)運(yùn)行的算法,被稱為“應(yīng)用”——現(xiàn)在許多人稱之為“app”。
請(qǐng)?jiān)徫覇铝诉@么一段計(jì)算機(jī)概述,我需要弄明白:計(jì)算機(jī)確實(shí)是在這個(gè)世界的符號(hào)表征上運(yùn)行。它們存儲(chǔ)和檢索,處理信息。它們有著物理記憶。它們所執(zhí)行的任何指令,無(wú)一例外的,都是遵循“算法”的指導(dǎo)。
為什么科學(xué)家把人類當(dāng)成了計(jì)算機(jī)?
而人類,卻從來(lái)沒有,今后也永遠(yuǎn)不會(huì)這樣。既然如此,為什么如此多的科學(xué)家們研究討論我們的精神狀態(tài),就像把我們當(dāng)成了計(jì)算機(jī)?
人工智能專家喬治·扎克達(dá)基斯(George Zarkadakis),在他2015年的著作《我們自己的形象》(In Our Own Image)中,描述了人類在過(guò)去2000年里使用過(guò)的用以解讀人類智能的6種不同的比喻。
最早的一個(gè),是《圣經(jīng)》中所記載的故事。人類由黏土或泥巴造出,再被智慧之神賦予了精神。這個(gè)“精神”解釋了我們的智能——至少?gòu)淖置嫔险f(shuō)是這樣。
公元前3世紀(jì)水利工程的發(fā)明,引領(lǐng)了人類智能液壓模型的流行。這個(gè)觀點(diǎn)認(rèn)為,人體內(nèi)不同液體的流動(dòng)——“體液”——可以為我們的身心功能做出解釋?!耙簤耗P汀边@一比喻持續(xù)了1600多年,在此期間始終阻礙著醫(yī)學(xué)的發(fā)展。
到了16世紀(jì),由彈簧和齒輪驅(qū)動(dòng)的自動(dòng)裝置被設(shè)計(jì)出來(lái),這鼓舞了勒內(nèi)·笛卡兒(René Descartes)等著名思想家。他們相信,人類是復(fù)雜的機(jī)器。到了17世紀(jì),英國(guó)哲學(xué)家托馬斯·霍布斯(Thomas Hobbes)認(rèn)為,思維來(lái)自于大腦內(nèi)部小型的機(jī)械運(yùn)動(dòng)。到了18世紀(jì),電學(xué)和化學(xué)領(lǐng)域的新發(fā)現(xiàn)帶來(lái)了人類智能的新理論——本質(zhì)上主要還是一個(gè)比喻。19世紀(jì)中期,德國(guó)物理學(xué)家赫爾曼·馮·亥姆霍茲(Hermann von Helmholtz)受到通信領(lǐng)域研究進(jìn)展的啟發(fā),把人腦比作了電報(bào)。
Henri Maillardet 發(fā)明的可繪畫自動(dòng)機(jī) Draughtsman-Writer
數(shù)學(xué)家約翰·馮·諾依曼直截了當(dāng)?shù)刂赋鋈祟惿窠?jīng)系統(tǒng)的功能“表面看來(lái)是數(shù)字的”,他做了個(gè)比較,把那個(gè)時(shí)代計(jì)算機(jī)器的部件和人腦的部件一一對(duì)應(yīng)起來(lái)。
每一個(gè)比喻都反映出各時(shí)代最先進(jìn)的思想。不出所料,在計(jì)算機(jī)技術(shù)出現(xiàn)沒幾年的20世紀(jì)40年代,大腦就被說(shuō)成是像電腦一樣運(yùn)轉(zhuǎn),大腦本身扮演了硬件的角色,而思想是它的軟件。1951年,心理學(xué)家喬治·米勒(George Miller)的著作《語(yǔ)言和交際》(Language and Communication)出版標(biāo)志著如今被廣泛稱為“認(rèn)知科學(xué)”的誕生。米勒提出,利用信息理論、計(jì)算學(xué)和語(yǔ)言學(xué)可以對(duì)人類的精神世界展開細(xì)致的研究。
1958年,在數(shù)學(xué)家約翰·馮·諾依曼的短篇著作《計(jì)算機(jī)與大腦》(The Computer and the Brain)中,這一思想得到了最終體現(xiàn)。馮·諾依曼直截了當(dāng)?shù)刂赋?,人類神?jīng)系統(tǒng)的功能“表面看來(lái)是數(shù)字的”。盡管他也承認(rèn),對(duì)于大腦在人體推理和記憶中到底扮演了何等角色,我們幾乎一無(wú)所知。他做了個(gè)比較,把那個(gè)時(shí)代計(jì)算機(jī)器的部件和人腦的部件一一對(duì)應(yīng)起來(lái)。
將人腦比作處理信息的機(jī)器,建立在錯(cuò)誤的推導(dǎo)基礎(chǔ)上
在計(jì)算機(jī)技術(shù)和大腦研究領(lǐng)域持續(xù)發(fā)展的推動(dòng)下,各個(gè)不同領(lǐng)域的專家都在為理解人類智能做出雄心勃勃的努力。而這一切都扎根在“人類就像是電腦般的信息處理器”這種觀點(diǎn)上。目前有成千上萬(wàn)的研究者,消耗了數(shù)億資金在從事這項(xiàng)工作,他們寫出了大量的文獻(xiàn),包括技術(shù)文章和主流書籍。以2013年出版的雷·庫(kù)茲韋爾(Ray Kurzweil)的《如何創(chuàng)造思維:揭示人類思維的奧秘》(How to Create a Mind: The Secret of Human Thought Revealed)為例,他在書中推測(cè)了大腦的“算法”,大腦“處理數(shù)據(jù)”的方式,以及從表面來(lái)看大腦結(jié)構(gòu)如何起到集成電路的作用。
把人類智能當(dāng)做“信息處理”的比喻,不管是在普通人心中還是在科學(xué)界,都占據(jù)了主導(dǎo)地位。幾乎所有提及人類智能行為的論述,都免不了采取這種比喻。就像如果不提及精神或者神性,在過(guò)去那些時(shí)代和文化背景下,任何形式的關(guān)于人類智能行為的觀點(diǎn)也無(wú)法成文。在當(dāng)今世界看來(lái),IP比喻毫無(wú)疑問(wèn)是正確的。
但是“信息處理”(IP)這個(gè)比喻,畢竟也只是又一個(gè)比喻——僅僅是為了搞懂我們并不明白的事物而提出來(lái)的一個(gè)解釋而已。就像上文所提過(guò)的所有比喻,IP比喻也會(huì)在某一天被拋棄——或者被其他比喻所取代,或者終究被真正的知識(shí)所否定。
就在一年前,我訪問(wèn)了某個(gè)世界上最負(fù)盛名的研究機(jī)構(gòu)。在那里提出了一個(gè)挑戰(zhàn),我問(wèn)那兒的研究者們,能不能在解釋人類智能行為時(shí)絕口不提IP比喻的觀點(diǎn)。他們做不到。當(dāng)我在隨后的郵件往來(lái)中禮貌提出這一問(wèn)題時(shí),他們連著幾個(gè)月依然沒有給我提供任何消息。他們當(dāng)然意識(shí)到了這個(gè)問(wèn)題。他們也并非認(rèn)為這是個(gè)微不足道的挑戰(zhàn)。但他們就是找不出替代品。也就是說(shuō),IP比喻具有“粘性”。這些語(yǔ)言和思想的力量如此強(qiáng)大,阻礙了我們的思維,以致我們總是跳不出這個(gè)圈。
IP比喻的錯(cuò)誤邏輯很容易理清楚。它基于一個(gè)錯(cuò)誤的三段論——也就是兩個(gè)合理的前提加一個(gè)錯(cuò)誤的結(jié)論。合理前提#1:所有的電腦都能表現(xiàn)出智能行為。合理前提#2:所有的電腦都是信息處理器。錯(cuò)誤結(jié)論:具備智能行為的所有實(shí)體都是信息處理器。
通俗點(diǎn)說(shuō),僅僅因?yàn)殡娔X是信息處理器,就認(rèn)為人類一定是信息處理器,這種觀點(diǎn)實(shí)在太傻了。今后某一天,等到IP比喻最終被拋棄,歷史學(xué)家們肯定也會(huì)這么認(rèn)為。就像我們現(xiàn)在回顧液壓比喻和機(jī)械比喻,會(huì)覺得它們很傻一樣。
那么既然IP比喻這么傻,為何又這么粘人呢?是什么阻止了我們甩開它,就像我們會(huì)掃除阻礙前進(jìn)道路的障礙?有沒有辦法理解人類智能,而不用拄著這根破爛的智力拐杖?長(zhǎng)久以來(lái)我們?nèi)绱说囊揽恐@根破拐杖,已經(jīng)付出了什么代價(jià)?IP比喻,在這幾十年里在各種領(lǐng)域指導(dǎo)了大量的學(xué)者寫作和思考,我們又為此付出了怎樣的代價(jià)?
大腦并不是計(jì)算機(jī)
這些年來(lái),我重復(fù)進(jìn)行了很多次同樣的課堂練習(xí)。首先,我會(huì)招募一個(gè)學(xué)生,讓他在教室前面的黑板上畫出一副詳細(xì)的——“盡可能詳細(xì)的”——1美元鈔票圖。當(dāng)這個(gè)學(xué)生畫完后,我會(huì)用紙把圖蓋上,然后從錢包里取出1美元,把它按在黑板上,讓這個(gè)學(xué)生照著重新畫一次。當(dāng)他/她畫完后,我會(huì)拿走遮擋第一幅畫的紙,然后讓全班同學(xué)來(lái)比較兩者的區(qū)別。
你也許從來(lái)沒見過(guò)這樣的場(chǎng)景,也很難想象最后的結(jié)果,所以我讓研究機(jī)構(gòu)里曾經(jīng)上過(guò)我課的一個(gè)實(shí)習(xí)學(xué)生Jinny Hyun,畫了兩幅畫。以下是她來(lái)自“記憶”的作品(注意這個(gè)比喻):
這是她看到1美元鈔票后照著畫下的另一幅圖:
Jinny看到兩幅圖之后,也和你們一樣,倍感驚訝。但這卻是個(gè)典型??梢钥吹剑跊]有美元鈔票作參考照著畫的情況下,憑記憶所畫出來(lái)的圖像簡(jiǎn)直可怕,盡管對(duì)于Jinny來(lái)說(shuō),她已經(jīng)見過(guò)這張鈔票成千上萬(wàn)次了。
那么問(wèn)題在哪?我們大腦里不是有個(gè)關(guān)于1美元鈔票的“表征”“存儲(chǔ)”在“記憶寄存器”里嗎?難道不能使用“檢索”功能然后用它來(lái)畫出這個(gè)1美元鈔票?
顯然不行。即使神經(jīng)科學(xué)再發(fā)展一千年,也永遠(yuǎn)不會(huì)在大腦中找到一個(gè)“存儲(chǔ)”1美元的“表征”,理由很簡(jiǎn)單,因?yàn)榇竽X里壓根就不存在這東西。
認(rèn)為記憶存儲(chǔ)在單個(gè)神經(jīng)元中這一觀點(diǎn)實(shí)在荒謬:細(xì)胞如何存儲(chǔ)記憶?況且又能存儲(chǔ)在細(xì)胞何處?
豐富的大腦研究資料告訴我們,事實(shí)上即使是最普通的記憶任務(wù),也有多個(gè)不同的或許更大面積的大腦區(qū)域牽涉其中。當(dāng)人體表現(xiàn)出強(qiáng)烈的情感時(shí),成千上萬(wàn)的神經(jīng)元會(huì)變得更活躍。2016年多倫多大學(xué)神經(jīng)心理學(xué)家布萊恩·萊文(Brian Levine)等人在對(duì)一則飛機(jī)失事幸存者的研究中發(fā)現(xiàn),當(dāng)幸存者們回憶空難時(shí),“杏仁核、內(nèi)側(cè)顳葉、前后中線和視覺皮層”的神經(jīng)活動(dòng)有所增加。
部分科學(xué)家提出的“具體記憶以某種形式存儲(chǔ)在單個(gè)神經(jīng)元中”這一觀點(diǎn)實(shí)在荒謬;如果真是這樣,那就把記憶這個(gè)問(wèn)題推到了一個(gè)更具挑戰(zhàn)性的層面:畢竟,細(xì)胞如何存儲(chǔ)記憶?又能把記憶存儲(chǔ)在何處呢?
所以,當(dāng)Jinny憑記憶畫1美元時(shí),發(fā)生了什么?如果Jinny以前從未見過(guò)1美元,那么她所畫的第一幅圖和第二幅圖之間就不會(huì)有相似之處。因?yàn)樵娺^(guò)1美元,這一切便發(fā)生了改變。更確切點(diǎn)說(shuō),她的大腦想象出了1美元的樣子,也就是說(shuō),她的大腦在某種程度上重新體驗(yàn)了見到1美元的情景。
這兩張圖的區(qū)別提醒我們:對(duì)某個(gè)事物僅靠想象(即憑空憶起某物)的準(zhǔn)確性遠(yuǎn)遠(yuǎn)不如真實(shí)見到它的存在。這也正是我們更善于識(shí)別而不是回憶的原因。當(dāng)回憶某個(gè)東西(在拉丁語(yǔ)里,回即“重新”;憶即“留意”),我們必須嘗試重溫一次體驗(yàn);但在識(shí)別某個(gè)東西時(shí),我們只需要意識(shí)到自己以前曾經(jīng)有過(guò)這樣的感覺。(譯者注:remember最初源自拉丁語(yǔ)rememorari。)
也許你不會(huì)相信這個(gè)結(jié)果。Jinny以前見到過(guò)1美元鈔票,但她沒有刻意“記下”鈔票的樣子。你也許會(huì)說(shuō),假如她認(rèn)真記了,那么很有可能憑空畫出第二幅圖。但即使如此,也完全不能說(shuō)明1美元鈔票的圖像“存儲(chǔ)”在了Jinny的大腦中。她只是準(zhǔn)備得更充分從而能夠準(zhǔn)確描繪出這張鈔票,這就和鋼琴家通過(guò)反復(fù)練習(xí)可以在彈奏時(shí)脫離原譜,熟練彈奏出樂曲是一個(gè)道理。
通過(guò)這個(gè)簡(jiǎn)單的聯(lián)系,我們可以開始構(gòu)建人類智能行為的非比喻性框架了,在這個(gè)框架中,大腦并不完全是空的,但至少?zèng)]有“IP比喻”的位置。
構(gòu)建人類智能行為的非比喻框架
人生在世,我們會(huì)被很多經(jīng)驗(yàn)改變,其中最主要的有三種:(1)我們觀察身邊發(fā)生了什么(他人的行為,音樂的聲響,下達(dá)的指令,頁(yè)面上的單詞,屏幕上的圖像等);(2)我們處于弱刺激(比如警笛)和強(qiáng)刺激(比如警車出現(xiàn))聯(lián)合作用之下;(3)我們因特定的行為得到懲罰或者獎(jiǎng)勵(lì)。
如果我們根據(jù)這些經(jīng)驗(yàn)做出改變——寫一首詩(shī)或者唱一支歌;遵循收到的指令;對(duì)弱刺激和強(qiáng)刺激做出更類似的反應(yīng);少做無(wú)益之事多做有益之事——那么我們會(huì)變得更有效率。
盡管標(biāo)題有些誤導(dǎo)(指“空空如也的大腦”),畢竟沒有人真的知道我們?cè)趯W(xué)唱一首歌或者背下一首詩(shī)之后大腦發(fā)生了什么變化。但不管是歌還是詩(shī)都沒有“存儲(chǔ)”在大腦里,大腦只是按照某種有序的方式發(fā)生了變化,使得我們能夠在特定的情況下唱出這首歌或者背誦這首詩(shī)。當(dāng)表演的時(shí)候,歌或者詩(shī)都不是從大腦中某個(gè)地方“檢索”出來(lái)的,就像我在桌上敲手指的時(shí)候,手指的運(yùn)動(dòng)也不是“檢索”出來(lái)的。我們就是唱或者背出來(lái)——沒必要“檢索”。
哥倫比亞大學(xué)的神經(jīng)科學(xué)家艾瑞克·坎德爾(Eric Kandel)因識(shí)別出海兔(一種海蝸牛)在習(xí)得某項(xiàng)行為之后神經(jīng)突觸內(nèi)發(fā)生的某些化學(xué)變化而獲諾貝爾獎(jiǎng)。幾年前,我曾經(jīng)問(wèn)他,我們理解人類的記憶行為還要多久?他立馬回答我:一百年。我當(dāng)時(shí)并未想到要問(wèn)他是否覺得“IP比喻”阻礙了神經(jīng)科學(xué)的發(fā)展,但很多神經(jīng)科學(xué)家確實(shí)已經(jīng)開始思考這個(gè)之前不可想象的事實(shí)——這個(gè)比喻并非必須。
一小部分認(rèn)知科學(xué)家現(xiàn)在已經(jīng)完全抵制“人腦就像計(jì)算機(jī)”的觀點(diǎn)了。其中最著名的是辛辛那提大學(xué)的安東尼·卡梅倫(Anthony Chemero),《激進(jìn)具現(xiàn)認(rèn)知科學(xué)》(Radical Embodied Cognitive Science)一書的作者。主流觀點(diǎn)認(rèn)為,我們像計(jì)算機(jī)那樣,通過(guò)對(duì)心理表征執(zhí)行各種計(jì)算來(lái)理解這個(gè)世界,但是,卡梅倫和其他科學(xué)家描述了另外一種方式,將人類智能行為理解為生物體同外界環(huán)境的直接互動(dòng)。
歐洲人類大腦計(jì)劃是一個(gè)最無(wú)恥的神經(jīng)科學(xué)研究走上歧途的例子
這種觀點(diǎn)現(xiàn)在被某些人稱之為人類機(jī)能“反表征”。為了說(shuō)明這種觀點(diǎn)同信息處理觀點(diǎn)之間的巨大差異,這里舉一個(gè)我最愛的例子。這個(gè)例子涉及到兩種不同的理論,用來(lái)解釋棒球運(yùn)動(dòng)員如何接到飛行中的球,由邁克爾·麥柯畢斯(Michael McBeath)(如今在亞利桑那州立大學(xué))及其同事于1995年在《科學(xué)》上發(fā)表的一篇論文提出。為了攔截飛行中的球,信息處理的觀點(diǎn)要求球員估計(jì)球在飛行中的各種初始條件:擊打力度,軌道角度,諸如此類。然后建立一個(gè)內(nèi)在模型分析球可能的運(yùn)動(dòng)軌跡,并用這個(gè)模型去不斷指導(dǎo)并調(diào)整自己的動(dòng)作。
如果我們真的像計(jì)算機(jī)那樣運(yùn)作,那么這是個(gè)不錯(cuò)的模型。但麥柯畢斯和他的同事提出了一個(gè)更簡(jiǎn)單的解釋:為了接到球,球員只需要在運(yùn)動(dòng)過(guò)程中,保持球和本壘以及四周環(huán)境的視覺關(guān)系不變即可(用術(shù)語(yǔ)表示就是“線性光學(xué)軌跡”)。這聽起來(lái)也許有些復(fù)雜,但它實(shí)際上非常簡(jiǎn)單,并且與計(jì)算、表征、算法完全無(wú)關(guān)。
我們永遠(yuǎn)不必?fù)?dān)心有人在賽博空間發(fā)狂,不過(guò)我們永遠(yuǎn)也無(wú)法通過(guò)下載思維來(lái)永生。
英國(guó)利茲貝克特大學(xué)的兩名心理學(xué)教授安德魯·威爾遜(Andrew Wilson)和薩布麗娜·戈隆卡(Sabrina Golonka)決定收集一些簡(jiǎn)單、合理、并且可以跳出IP比喻框架的例子,包括上面的棒球例子。他們這些年一直經(jīng)營(yíng)著一個(gè)博客,主題是他們自稱的“一種更有條理、更自然的研究人類行為的科學(xué)方法……與主流認(rèn)知神經(jīng)科學(xué)方法完全不同”,然而這遠(yuǎn)遠(yuǎn)還不成氣候,主流的認(rèn)知科學(xué)仍然無(wú)條件的接受IP比喻的說(shuō)法,并且,某些世界最有影響力的思想家甚至根據(jù)這個(gè)比喻對(duì)人類未來(lái)做出了一些宏偉預(yù)言。
其中一個(gè)預(yù)言由未來(lái)學(xué)家?guī)炱濏f爾、物理學(xué)家史蒂芬.霍金以及神經(jīng)科學(xué)家蘭德爾·科納(Randal Koene)等人提出。這個(gè)預(yù)言認(rèn)為,既然人類的意識(shí)類似于電腦軟件,那么在不久的將來(lái)我們可以將人類的意識(shí)上傳到計(jì)算機(jī)中,通過(guò)電路我們將獲得超強(qiáng)的智力,甚至很有可能不朽。這個(gè)概念啟發(fā)了一步反烏托邦電影《超驗(yàn)駭客》。這部電影由約翰尼.德普主演,他在其中扮演了一個(gè)類似庫(kù)茲韋爾的科學(xué)家,其意識(shí)被載入到了互聯(lián)網(wǎng)中,結(jié)果給人類帶來(lái)了毀滅性的后果。
幸運(yùn)的是,IP比喻一點(diǎn)都不可靠,所以我們永遠(yuǎn)不必?fù)?dān)心有人在賽博空間發(fā)狂,不過(guò)可惜的是,我們也永遠(yuǎn)無(wú)法通過(guò)下載思維來(lái)永生。這不僅是因?yàn)榇竽X中并沒有意識(shí)軟件,而且還有一個(gè)更深層次的問(wèn)題,這個(gè)問(wèn)題既令人鼓舞又令人沮喪,姑且讓我們稱之為唯一性問(wèn)題吧。
由于大腦中既沒有“內(nèi)存條”也沒有所謂刺激的“表征”,并且,我們活在這個(gè)世界上所需要的不過(guò)是由于大腦根據(jù)我們的經(jīng)歷作出了一系列有組織的改變,因此,沒有任何理由可以認(rèn)為任意兩個(gè)人會(huì)有相同的經(jīng)歷以及相同的改變。即使我們同時(shí)參加一個(gè)音樂會(huì),當(dāng)聽到貝多芬第五交響曲時(shí),我的大腦中發(fā)生的變化與你的大腦中發(fā)生的變化也會(huì)完全不同。這些變化,無(wú)論它們是什么,都建立在現(xiàn)有的獨(dú)特的神經(jīng)結(jié)構(gòu)上,而每一種結(jié)構(gòu)都是由我們此生獨(dú)特的經(jīng)歷發(fā)展而來(lái)。
這也是為何沒有兩個(gè)人可以完全相同地復(fù)述同一個(gè)故事的原因,并且他們的復(fù)述隨著時(shí)間的推移差別會(huì)越來(lái)越大,如同弗雷德里克·巴特萊特(Frederic Bartlett)在他的書《記憶》(Remembering)中描述的那樣。人們?cè)诼牭焦适碌臅r(shí)候,腦海中并沒有產(chǎn)生故事的副本,而是各自發(fā)生改變,改變大到足夠在之后被問(wèn)到這個(gè)故事的時(shí)候(在巴特萊特讀完故事之后的幾天,幾月,某些情況甚至幾年),他們可以重現(xiàn)聽故事時(shí)的情景——盡管并不完美(參考上面第一張美元的圖畫)。
這很令人鼓舞,畢竟,這意味著我們每個(gè)人都獨(dú)一無(wú)二,不僅僅是因?yàn)榛驑?gòu)成,而且因?yàn)槲覀兊拇竽X無(wú)時(shí)無(wú)刻不在發(fā)生改變。這也令人沮喪,因?yàn)檫@也讓神經(jīng)科學(xué)家的任務(wù)更艱難了,超出想象。對(duì)于任何一個(gè)特定的經(jīng)歷,其產(chǎn)生的有序變化涉及到成千上百萬(wàn)個(gè)神經(jīng)元甚至整個(gè)大腦,每個(gè)大腦中的變化模式也完全不同。
更糟糕的是,即使我們有能力給大腦所有的860億個(gè)神經(jīng)元拍一個(gè)快照然后在計(jì)算機(jī)中模擬這些神經(jīng)元的狀態(tài),這個(gè)巨大的模式在離開產(chǎn)生它的大腦之后也毫無(wú)意義。這也許是IP比喻對(duì)我們考慮人類行為帶來(lái)的最大的誤解。考慮到計(jì)算機(jī)確實(shí)儲(chǔ)存了數(shù)據(jù)的精確副本——那些在漫長(zhǎng)的時(shí)間中、即使電源關(guān)掉也能夠保持不變的副本,然而大腦僅僅只能夠在它活著的時(shí)候維持我們的智力。并沒有什么開關(guān),要么大腦保持運(yùn)轉(zhuǎn),要么我們消散。此外,如同神經(jīng)生物學(xué)家史蒂芬·羅斯(Steven Rose)在《大腦的未來(lái)》(The Future of the Brain )中指出的那樣:除非我們知道這個(gè)大腦擁有者的整個(gè)生命歷程,甚至有可能還要知道他/她所處的社會(huì)環(huán)境,否則一個(gè)大腦當(dāng)前狀態(tài)的快照仍然毫無(wú)意義。
我們來(lái)分析下這個(gè)問(wèn)題有多么難吧!僅僅為了搞清楚大腦維持人類智力的基本原因,我們就需要知道860億個(gè)神經(jīng)元的當(dāng)前狀態(tài)以及它們之間100萬(wàn)億的相互連接狀態(tài),不僅僅是連接的強(qiáng)度,也不僅僅是每個(gè)連接點(diǎn)中超過(guò)1000種蛋白質(zhì)的狀態(tài),還包括大腦每時(shí)每刻的活動(dòng)對(duì)整個(gè)系統(tǒng)的影響。再加上每個(gè)大腦由于個(gè)人生活所帶來(lái)的獨(dú)特性,這樣一想坎德爾的預(yù)言顯得過(guò)于樂觀了。(在紐約時(shí)報(bào)最新的一篇專欄中,神經(jīng)科學(xué)家肯尼斯·米勒(Kenneth Miller)指出,僅僅為了搞清楚神經(jīng)元之間的基本連接,可能就要花費(fèi)數(shù)個(gè)世紀(jì)。)
同時(shí),大量的資金被用于腦科學(xué)研究,然而某些研究卻是基于錯(cuò)誤的觀點(diǎn)和根本無(wú)法兌現(xiàn)的諾言?!犊茖W(xué)美國(guó)人》報(bào)導(dǎo)了一個(gè)最無(wú)恥的關(guān)于神經(jīng)科學(xué)研究走上歧途的例子。2013年,歐盟啟動(dòng)了“人類大腦計(jì)劃”,整個(gè)項(xiàng)目投資13億美元,項(xiàng)目創(chuàng)始人亨利·馬克拉姆(Henry Markram)魅力非凡,他信誓旦旦地表示:2023年他可以在超級(jí)計(jì)算機(jī)上模擬出整個(gè)人腦,并且這樣一個(gè)模型可以給阿茲海默癥以及其他一些病癥的治療帶來(lái)顛覆式的變化。歐盟官員資助了他的項(xiàng)目,并且?guī)缀鹾翢o(wú)限制。結(jié)果不到兩年,這個(gè)項(xiàng)目變成了“大腦殘?。╞rain wreck)”,馬克拉姆也被要求辭職。
我們是有機(jī)體,而不是計(jì)算機(jī)。別糾結(jié)了,忘記它吧。讓我們繼續(xù)試圖理解我們自身,但這一次,不要再被沒必要的智力包袱阻礙。IP比喻已經(jīng)盛行了半個(gè)世紀(jì),一路上幾乎毫無(wú)所獲。是時(shí)候按下刪除鍵了。
反方:人腦既是有機(jī)體,也是計(jì)算機(jī)
(文/Daniel C. LaCombe, Jr)在認(rèn)知科學(xué)中,再現(xiàn)論(主張頭腦只有通過(guò)思想才能理解客觀事物的一種理論)的地位已經(jīng)得到普遍接受。在這個(gè)學(xué)科背景基礎(chǔ)之上,我讀了一些關(guān)于反再現(xiàn)論的觀點(diǎn)文章,比如勞倫斯·夏皮羅(Lawrence Shapiro)的“Embodied Cognition”(體驗(yàn)認(rèn)知) 和 O'Regan 關(guān)于感覺運(yùn)動(dòng)的意識(shí)理論,以客觀地看待我的工作。
這些作品對(duì)我的研究并沒有產(chǎn)生重大影響,因?yàn)樗麄兯信e的例子中,一些形式的“再現(xiàn)”看起來(lái)依然是必需的。我現(xiàn)在的日常研究聚焦于人工智能神經(jīng)元網(wǎng)絡(luò),深度學(xué)習(xí)是每日的基礎(chǔ)詞匯。最近,我在 Aeon 上看到了一篇文章,在 Reddit 和 Facebook 上也見到了很多有關(guān)這篇文章的討論。在文章中,備受尊重的 Robert Epstein 博士展示了自己的立場(chǎng):反對(duì)用計(jì)算機(jī)來(lái)比喻人腦。
接下來(lái)的文章中,根據(jù)在認(rèn)知心理學(xué)和機(jī)器學(xué)習(xí)與人工智能相關(guān)領(lǐng)域短期的實(shí)踐經(jīng)驗(yàn),我將對(duì)這種觀點(diǎn)進(jìn)行回應(yīng)。
《空空如也的大腦》講了什么
在那篇文章中 Epstein 想要表達(dá)的主要觀點(diǎn)是:使用我們最先進(jìn)的技術(shù)——計(jì)算機(jī)來(lái)比喻大腦,擾亂了我們對(duì)人類大腦的理解。他在文中用的詞是信息處理比喻(IP Metaphor)。Epstein 強(qiáng)調(diào),人類并沒有,也永遠(yuǎn)不會(huì)進(jìn)化出計(jì)算機(jī)所擁有的關(guān)鍵組件,比如軟件、模型和存儲(chǔ)緩沖器。確實(shí),計(jì)算機(jī)是通過(guò)移動(dòng)大量成串的、以兆節(jié)編碼的數(shù)據(jù),使用算法來(lái)處理信息。這并不是人處理信息的方式,至少不是天生如此。
Epstein 發(fā)現(xiàn),幾乎沒有人能夠不借助信息處理的比喻來(lái)解釋大腦運(yùn)作的原理,而他認(rèn)為這是一個(gè)很大的問(wèn)題。Epstein 指出,這種比喻是基于我們所得出的一個(gè)錯(cuò)誤推論,即“所有能夠智能地行動(dòng)的實(shí)體,都是在做信息處理”。正如此前所有關(guān)于大腦的比喻聽起來(lái)都很無(wú)理一樣,未來(lái),信息處理的比喻也會(huì)被認(rèn)為是很傻的。
明確術(shù)語(yǔ)的定義
在辯論中,對(duì)一些重要的術(shù)語(yǔ)進(jìn)行定義十分重要,這是為了確保爭(zhēng)議并不是基于語(yǔ)義發(fā)生。以下是一些 Epstein 論證中的重要術(shù)語(yǔ)。
算法:等待執(zhí)行的操作集,獨(dú)立的,分步的。
運(yùn)算(operation):在數(shù)學(xué)中,指的是從0輸入或多個(gè)輸入到輸出的計(jì)算過(guò)程。
信息處理:從計(jì)算的角度,指的是使用算法來(lái)轉(zhuǎn)化數(shù)據(jù)。
信息:不確定性的減少。我們可以說(shuō),完全隨機(jī)的、不確定的數(shù)據(jù)是沒有信息的。如果數(shù)據(jù)中有存在某種形式的信息,它就能減少輸出的不確定性。
數(shù)據(jù):數(shù)字、字母或者符號(hào)
表征(representation):從認(rèn)知學(xué)的角度來(lái)看(這 Epstein 可能更加熟悉),指的是“綜合的認(rèn)知符號(hào),代表了外部的現(xiàn)實(shí)”;從機(jī)器學(xué)習(xí)的角度來(lái)看,指的是 “對(duì)學(xué)習(xí)數(shù)據(jù)的表示,使得在開發(fā)分類器和預(yù)測(cè)模型時(shí),有用信息的提取更加容易”。
計(jì)算機(jī):可以執(zhí)行自動(dòng)算術(shù)或邏輯運(yùn)算的設(shè)備。更泛泛地說(shuō),是“執(zhí)行計(jì)算的”
計(jì)算:“任何形式的運(yùn)算,遵從嚴(yán)格定義的模型,也就是算法”
算法:等待執(zhí)行的操作集,獨(dú)立的,分步的。
運(yùn)算(operation):在數(shù)學(xué)中,指的是從0輸入或多個(gè)輸入到輸出的計(jì)算過(guò)程。
信息處理:從計(jì)算的角度,指的是使用算法來(lái)轉(zhuǎn)化數(shù)據(jù)。
信息:不確定性的減少。我們可以說(shuō),完全隨機(jī)的、不確定的數(shù)據(jù)是沒有信息的。如果數(shù)據(jù)中有存在某種形式的信息,它就能減少輸出的不確定性。
數(shù)據(jù):數(shù)字、字母或者符號(hào)
表征(representation):從認(rèn)知學(xué)的角度來(lái)看(這 Epstein 可能更加熟悉),指的是“綜合的認(rèn)知符號(hào),代表了外部的現(xiàn)實(shí)”;從機(jī)器學(xué)習(xí)的角度來(lái)看,指的是 “對(duì)學(xué)習(xí)數(shù)據(jù)的表示,使得在開發(fā)分類器和預(yù)測(cè)模型時(shí),有用信息的提取更加容易”。
計(jì)算機(jī):可以執(zhí)行自動(dòng)算術(shù)或邏輯運(yùn)算的設(shè)備。更泛泛地說(shuō),是“執(zhí)行計(jì)算的”
計(jì)算:“任何形式的運(yùn)算,遵從嚴(yán)格定義的模型,也就是算法”
信息處理比喻抓住了人腦以及深度神經(jīng)網(wǎng)絡(luò)本質(zhì)
我認(rèn)為 Epstein 質(zhì)疑 IP 比喻是好事,也意識(shí)到這個(gè)比喻錯(cuò)誤的可能性比它就是理解大腦的終極答案可能性要高,因?yàn)闅v史上有太多太多比喻大腦功能失敗的案例了。像 Epstein 這樣的人物對(duì)科學(xué)發(fā)展而言是必要的,因?yàn)槲覀儽仨氋|(zhì)疑科學(xué)范式,反思它們是如何使我們的觀察帶有了偏見。但是,作為一個(gè)開發(fā)神經(jīng)網(wǎng)絡(luò)的人,面對(duì) Epstein 和其他人提出的反證,我仍然堅(jiān)信(或許是錯(cuò)誤地)大腦的計(jì)算功能。在這里,我試圖闡明 Epstein 所舉的大部分例子都沒有正確反映我們?nèi)绾卫斫?IP 比喻,“我們”是指那些認(rèn)真嚴(yán)肅看待計(jì)算在通用人工智能中的主要作用及其與大腦聯(lián)系的人。
基于以上定義,信息處理就是使用算法轉(zhuǎn)變數(shù)據(jù)的過(guò)程,這些算法本身也是一系列的運(yùn)算。由此,Epstein 對(duì)于算法和計(jì)算與大腦功能關(guān)聯(lián)的理解幾乎立馬就顯得過(guò)時(shí)而偏頗。他堅(jiān)持認(rèn)為,算法就是機(jī)器代碼里的一套規(guī)則,這些規(guī)則指定數(shù)據(jù)如何被緩沖器、寄存器等硬件設(shè)備存儲(chǔ)、轉(zhuǎn)變和接收。是的,這些也是算法,但卻不是我們?cè)谂εc大腦建立聯(lián)系時(shí)所關(guān)注的那些。Epstein 強(qiáng)調(diào)的這些方面只是傳統(tǒng)計(jì)算機(jī)功能實(shí)現(xiàn)的具體細(xì)節(jié),我們用傳統(tǒng)計(jì)算機(jī)模擬神經(jīng)網(wǎng)絡(luò),但是從來(lái)沒有說(shuō)過(guò)大腦里面真正有這些網(wǎng)絡(luò)。
Epstein 對(duì)于計(jì)算的理解過(guò)于狹隘,其中有一個(gè)方面是切實(shí)、離散、方便存儲(chǔ)的記憶庫(kù)。為了說(shuō)明我們沒有像計(jì)算機(jī)那樣的存儲(chǔ)體,Epstein 講述了一個(gè)實(shí)例,一位實(shí)習(xí)生被要求畫出一張一美元的鈔票。她必須從記憶中提取信息才能夠畫畫,結(jié)果她無(wú)法畫出太多的細(xì)節(jié)。但是,當(dāng)她能夠看著一美元的鈔票畫畫時(shí),她就可以非常詳細(xì)地畫出來(lái)。
“Jinny 看到兩幅圖之后,也和你們一樣,倍感驚訝?!?/p>
其實(shí)并沒有。除了結(jié)果正如預(yù)期,在無(wú)監(jiān)督學(xué)習(xí)中常常能見到那樣的結(jié)果,計(jì)算機(jī)會(huì)生成“模糊”(fuzzy)圖像。另一方面,現(xiàn)在最先進(jìn)的生成模型,也即對(duì)抗網(wǎng)絡(luò),更像是一位畫家會(huì)做的——生成描述,將其與現(xiàn)實(shí)比較,直到兩者非常相似(至少寫實(shí)主義是如此)。
即使她花時(shí)間研究這些細(xì)節(jié),“……Jinny 的大腦里也沒有'存儲(chǔ)’任何意義上的一美元圖像?!?/p>
人工神經(jīng)網(wǎng)絡(luò)——或許在某種意義上生物神經(jīng)網(wǎng)絡(luò)也是如此——并沒有將圖像存儲(chǔ)在網(wǎng)絡(luò)里面;人工神經(jīng)網(wǎng)絡(luò)擁有的,是從輸入數(shù)據(jù)中學(xué)習(xí)得來(lái)的抽象、身份恒定(identity-preserving)、平移不變(translation-invariant)的表征。實(shí)際上,這些表征本身就是記憶的一種形式。假設(shè) Jinny 在研究一美元鈔票的時(shí)候,大腦里正在進(jìn)行的是暫時(shí)性地加強(qiáng)那些會(huì)生成一美元圖像的網(wǎng)絡(luò)層次。下面,我們將看到這一過(guò)程是如何在網(wǎng)絡(luò)中分布的(distributed)——不像現(xiàn)代計(jì)算機(jī),然而卻在本質(zhì)上擁有計(jì)算的特點(diǎn)。
我們使用普通(沒有脈沖、向前傳播)人工神經(jīng)網(wǎng)絡(luò),作為我們從信息傳播角度為大腦建模的主要例子。在它們的核心,人工神經(jīng)網(wǎng)絡(luò)是算法(也即一系列運(yùn)算,比如求加權(quán)和),這在生物學(xué)上說(shuō)是可以類比的(達(dá)到閾值后,突觸可以產(chǎn)生興奮和抑制作用),但是這樣類比有很大的局限。
具體說(shuō),深度神經(jīng)網(wǎng)絡(luò)就是一系列有層次的運(yùn)算,接收數(shù)據(jù)后(圖像可以比作視網(wǎng)膜的激活)通過(guò)每一層使數(shù)據(jù)發(fā)生轉(zhuǎn)變,愈發(fā)將它們投射到對(duì)于學(xué)習(xí)和決策更有價(jià)值的空間上。算法就是如此,而認(rèn)為算法與我們大腦在做的事情很一樣,是有道理的。
例如,一個(gè)卷積神經(jīng)網(wǎng)絡(luò)用許多濾波器對(duì)圖像進(jìn)行卷積處理。當(dāng)然,大腦不會(huì)真的求卷積。而且,我們眼睛看見的圖像能夠在空間里發(fā)生位移,人又能轉(zhuǎn)動(dòng)腦袋和眼睛,因此視野里到處都是類似的基本特征。所以視覺中樞在早期才會(huì)平鋪著類似的基本特征,并且在不同的位置都有感受野。而這也是我們?cè)谏锏拇竽X中所見到的。盡管過(guò)于簡(jiǎn)化無(wú)疑會(huì)造成一些在生物學(xué)上說(shuō)不通的問(wèn)題,但這卻能夠說(shuō)明這些計(jì)算是抽象的元語(yǔ)言(比如加權(quán)和),可以在現(xiàn)實(shí)中實(shí)現(xiàn)(physically implemented)。
好,在上面畫美鈔的例子中,Epstein 用那一結(jié)果當(dāng)論據(jù),論證人腦中并不存在存儲(chǔ)在記憶里的“表征”,或者更具體地說(shuō),不存在存儲(chǔ)在神經(jīng)元里的“表征”。確實(shí),正如 Epstein 所說(shuō),現(xiàn)代計(jì)算神經(jīng)科學(xué)里沒有人會(huì)做出如此魯莽草率的判斷,這一點(diǎn) Epstein 肯定也知道。在計(jì)算神經(jīng)科學(xué)里有一個(gè)常用的概念,稀疏分布表征,它與并行分布處理的概念十分類似。在這一框架下,輸入能夠被一組為數(shù)不多的、分布式的特征(feature)表征出來(lái)。此外,記憶(也能夠以剛才說(shuō)過(guò)的方式被表征出來(lái))不是離散的,而是分布的。因此,“消除”一個(gè)記憶(如果真的能夠?qū)崿F(xiàn)的話),可能會(huì)涉及移除數(shù)不清的其他記憶。
我以前曾經(jīng)寫過(guò),稀疏編碼方案用邏輯證明了它相比其他可能的類型(比如本地和密集代碼)在功能上的優(yōu)越性,因?yàn)橄∈杈幋a方案表征性能強(qiáng)、存儲(chǔ)性能高(表征性能根據(jù)平均活動(dòng)率呈指數(shù)增長(zhǎng),短代碼不占用過(guò)多內(nèi)存),學(xué)習(xí)速度快(只有少數(shù)幾個(gè)單元需要更新),容錯(cuò)性好(一個(gè)單元宕機(jī)或損壞不會(huì)導(dǎo)致系統(tǒng)完全癱瘓),并且干擾可控(多個(gè)表征能同時(shí)激活)。
由此,當(dāng)我們看下面的深度神經(jīng)網(wǎng)絡(luò),一張指明人臉或貓的圖像并不意味著有一張“圖像”存儲(chǔ)在那個(gè)位置。這幅圖像是通過(guò)合成一個(gè)能夠最大化該單元激活的輸入而生成的。但是,由于一個(gè)節(jié)點(diǎn)的激活會(huì)隨著此前所有連接的復(fù)雜加權(quán)而變化,更準(zhǔn)確的說(shuō)法應(yīng)該是,表征被分布式地存放在前面所有的連接里,而不是存儲(chǔ)在一個(gè)位置。還需要注意一點(diǎn),合成的圖像是模糊的,這表明發(fā)生位移可能不會(huì)對(duì)它產(chǎn)生什么影響。
實(shí)際上,Epstein 自己就在文章里面寫明了:
“任何經(jīng)歷,有序變換可能會(huì)涉及上千乃至百萬(wàn)個(gè)神經(jīng)元,甚至整個(gè)大腦,而且每個(gè)大腦發(fā)生的模式變化都不相同?!?/p>
這正是神經(jīng)網(wǎng)絡(luò)模擬所做的事情;這一事實(shí)并不能排除計(jì)算。
能夠不提“信息處理”來(lái)解釋人類智能嗎?
在這個(gè)例子后,Epstein 嘗試“去建立一個(gè)關(guān)于人類智能行為的非比喻框架”,然而,我發(fā)現(xiàn)這是失敗的,他只是對(duì)現(xiàn)有的 IP 比喻進(jìn)行了重構(gòu)。Epstein 指出,我們是通過(guò)觀察配對(duì)(比如,相關(guān)性)事件,隨后根據(jù)我們的反應(yīng),得到獎(jiǎng)賞或者懲罰。這些概念在機(jī)器學(xué)習(xí)和人工智能領(lǐng)域并不陌生,事實(shí)上,幾乎所有的機(jī)器學(xué)習(xí)應(yīng)用都取決于基于原始相關(guān)性建立的學(xué)習(xí)模型,這是做出一個(gè)好決定的前提。
Epstein 舉了一個(gè)學(xué)習(xí)新歌的例子,計(jì)算機(jī)只是“改變”而不是“存儲(chǔ)”歌曲?,F(xiàn)在還不清楚二者之間是不是截然不同?!案淖儭钡氖鞘裁??怎么“改變”?在計(jì)算機(jī)里,我可能會(huì)在我的硬盤上儲(chǔ)存這些文件。但是,我想要用一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)這首歌,并能生成歌曲,“存儲(chǔ)”會(huì)涉及到網(wǎng)絡(luò)中的權(quán)重分布發(fā)生改變(正如上文所說(shuō)的那樣)。例如,如果此前我有很多歌曲方面的知識(shí)儲(chǔ)備,其中的一些歌曲又有很多相同的組成部分,我就能用分布式的代碼來(lái)代表這首新歌。這些組成部分會(huì)被耦合,進(jìn)而創(chuàng)造出一個(gè)記憶(或者表示),被分布在網(wǎng)絡(luò)中的各個(gè)地方。
最后的一個(gè)例子,Epstein 引用了被引用最多的參考例子——接飛球。他論證說(shuō):
從 IP 視角出發(fā),要求玩家對(duì)球的飛行原始條件進(jìn)行全方位評(píng)估并寫成公式,比如阻力、軌道角度等等,然后創(chuàng)造和分析球可能飛行的路徑內(nèi)部模型,進(jìn)而使用這一模型來(lái)持續(xù)地調(diào)整地面小車,以準(zhǔn)確地接到球。
現(xiàn)在,考慮到這是一篇 1995 年發(fā)表的文章,這絕對(duì)是一個(gè)很陳舊的觀點(diǎn)。正如一些支持用信息處理的觀點(diǎn)來(lái)看待大腦的人一樣,我絕不會(huì)說(shuō),抓飛球包含了對(duì)軌跡角度的精確計(jì)算。事實(shí)上,從周圍環(huán)境的相關(guān)度來(lái)評(píng)估球,是使用增強(qiáng)學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)智能體可以學(xué)會(huì)的事情,前提是使用視覺輸入來(lái)對(duì)其進(jìn)行訓(xùn)練。
進(jìn)一步說(shuō),它還會(huì)學(xué)習(xí)表征的各個(gè)方面(比如球本身,還有地平線),最終能精確計(jì)算出軌跡。
Epstein 和其支持者稱,還不清楚這能不能通過(guò)完全不用計(jì)算機(jī)、表征和算法來(lái)完成。他稱,因?yàn)榇竽X中即不存在“存儲(chǔ)器”,也沒有用于模擬的“表征”,并且,如果要在世界中起作用,大腦要以一種有序的方式進(jìn)行改變,形成我們的經(jīng)驗(yàn)。所以,沒有理由相信,世界上有兩個(gè)人的這種”改變“是相同的。這也很容易看出,由于基于現(xiàn)有網(wǎng)絡(luò)上已被壓縮的“模糊”回憶的分布式表示,沒有經(jīng)驗(yàn)將是相同的。所以,IP會(huì)勝出。
人腦是有機(jī)體,也是計(jì)算機(jī)
Epstein 的論證看來(lái)是基于一個(gè)對(duì)信息處理錯(cuò)誤、過(guò)時(shí)并且僵化的理解。與他所說(shuō)的不同,大腦沒有完美的存儲(chǔ)器,表征也是分布式存在(不在本地)。很多模擬神經(jīng)網(wǎng)絡(luò)都擁有這樣的特征。Epstein 所做的,只是將計(jì)算機(jī)和計(jì)算混為一談而已。說(shuō)到底,人工神經(jīng)網(wǎng)絡(luò)可以通過(guò)與模擬中相同的運(yùn)算在硬件里得到實(shí)現(xiàn),而不用涉及任何傳統(tǒng)計(jì)算機(jī)所做的,比如數(shù)據(jù)傳輸。要是 Epstein 明白了這一點(diǎn),他或許會(huì)更新他的觀點(diǎn)。
在文章最后,Epstein 留下了一句羞辱性很強(qiáng)的言論:
“IP比喻已經(jīng)盛行了半個(gè)世紀(jì),然而一路上并沒有產(chǎn)生任何見解?!?/p>
這一巴掌硬生生地拍在計(jì)算神經(jīng)學(xué)、神經(jīng)形態(tài)計(jì)算和人工智能等學(xué)科的臉上。尤其是人工智能,它得到了很多來(lái)自腦科學(xué)的影響。忽略這些領(lǐng)域?qū)φJ(rèn)知的理解和發(fā)現(xiàn)是十分錯(cuò)誤的,拒絕 IP 比喻就徹底斷絕了這類對(duì)話發(fā)生的機(jī)會(huì)。
說(shuō)到底,我也沒有辦法在不借用 IP 比喻的情況下解釋大腦。但 Epstein 看來(lái)也不行。我認(rèn)為 IP 比喻雖然是建立在無(wú)效的推論之上,但它仍然是迄今我們所擁有的最好的解釋,由此帶來(lái)了很多深刻的洞見。此外,關(guān)于 IP 理論還有十分特殊、普遍適用的一個(gè)特點(diǎn),讓它似乎能夠在大腦中得以實(shí)現(xiàn)。
我們是有機(jī)體,不是計(jì)算機(jī)。
或許我們兩者皆是。最低限度上講,我們?nèi)祟愡€是在進(jìn)行一些計(jì)算的。而計(jì)算可以超越進(jìn)行計(jì)算的媒介——無(wú)論是肉體還是硅。
《空空如也的大腦》轉(zhuǎn)載自《上傳意識(shí)?你的大腦可不是計(jì)算機(jī)》,原文發(fā)表于微信公眾號(hào)“神經(jīng)現(xiàn)實(shí)”,英文原文“The Empty Brain”(https://aeon.co/essays/your-brain-does-not-process-information-and-it-is-not-a-computer),原作者 Robert Epstein 是美國(guó)加州行為研究和技術(shù)研究所的資深研究員、《今日心理學(xué)》前主編。譯文由黃玉杰、ki bear 翻譯,岳川校對(duì)。
編譯來(lái)源:A Response to Anti-Representationalists(http://dlacombejr.github.io/2016/09/12/a-response-to-anti-representationalists.html)
AI WORLD 搶先看
神秘中國(guó)“大狗”機(jī)器人亮相2016世界人工智能大會(huì)
看過(guò)美國(guó)波士頓動(dòng)力大狗機(jī)器人意猶未盡?
其實(shí),我國(guó)“四足仿生機(jī)器人”的研究也早在幾年前開展,
神秘的國(guó)產(chǎn)機(jī)器人大狗將亮相北京·AI WORLD 2016大會(huì)現(xiàn)場(chǎng)
先來(lái)一睹為快
機(jī)器人大狗來(lái)自山東大學(xué),負(fù)載能力超過(guò)80kg,運(yùn)動(dòng)速度達(dá)1.8m/s,由我國(guó)自主研發(fā),技術(shù)水平國(guó)際領(lǐng)先。
山東大學(xué)李貽斌教授
大會(huì)還特別邀請(qǐng)到山東大學(xué)機(jī)器人研究中心主任李貽斌教授在AI WORLD2016-技術(shù)分論壇分享“中國(guó)大狗”的研發(fā)之路。
聯(lián)系客服