智能的本质

原文链接：https:///@TautviIas/the-nature-of-intelligence-72ba91139e30#.wetyr2q67

人工智能（AI）是我非常喜欢的一门学科。这是因为通过建立AI，我们可以更深刻的认识我们自己。毕竟，虽然我们认为人类是智能的，但是却无法真正理解智能的含义。AI试图逆向工程我们的大脑，并重新抽象定义智能。AI能变得比我们更聪明吗？智能的真实性质是什么？这些都是我很想知道的问题。

最近，随着基于深层神经网络（DNNs）的模型的研究的深入，AI取得了令人惊讶的进步。显然，现在AI在图像识别方面比人类做的更好，AI还打败了围棋的世界冠军。很久以前，我们在井字棋、跳棋和国际象棋上都输给了数字大脑。这些棋盘游戏都是封闭环境下的离散系统，具有明确的获胜条件和规则。以前的AI大多使用蛮力和纯粹的计算能力来战胜人类。然而，DNN是利用进化模式识别来解决问题。这样，AI可以处理更多的模糊问题和类人型问题。

AI领域的最终目标是开发所谓的种子智能或通用智能。这种系统可以修改自身并执行赋予它的通用任务。就系统的多功能性和适应性而言，它将具有类似于人类的智力。因为这种智能是数字的，它能比人类大脑的效率更高。

现在，我们开发的AI能在特定的计算任务中胜过人类，但对于如何构建一个可以自适应，并能解决各类任务的通用AI，我们仍然一筹莫展。人工神经网络可能只是这个谜题的一部分。我们似乎解决了智能的各个单独的部分，但是我们仍然不知道如何把它们粘合在一起。为了解决这个问题，我们需要对智能的本质有一个更好的理解。

很多人都知道IQ测试，聪明的人肯定有IQ肯定也高。IQ是现在我们对智力的定义。然而，这些测试也因为没有考虑到诸如创造力和社会智力等方面而被诟病。一般的IQ测试只局限于与模式识别相关的人类智能，这些测试也是人类独有的。大多数人都认为我们的宠物也很智能，但它们如果来做人类的IQ测试，却只能得零分，因为这些测试是基于语言的。如果我们想要找到智能行为的根源，我们必须更深入地研究，必须开始从动物和婴儿身上探索非语言智能。

如果你观察一个新生儿，你会看到他总是在不断的运动。从第一天起，婴儿试图了解它的环境。肢体的运动使婴儿询问他的世界：感觉如何？他试图不断地移动自己来达到感觉良好的状态。他不需要有人教他这么做。在某种程度上，从第一天起，婴儿就驱动着学习过程。我们不能理解这些是因为这是非语言的，但婴儿确实是在不断地探索和收集周围环境的信息。当婴儿成为一个蹒跚学步的孩子，但仍然不会说话时，他继续探索世界，用手指指向陌生的事物，等待着别人为他解释。

然而，在许多国家，这种问题模式在学校中被教育系统打破了。教育对智能有另外一种不同的定义。它认为学生在进入学校时是一无所知的。在学校里，老师向学生传授知识，把这些知识“放入”他们的头脑，才能让他们变得聪明。这种教育制度忽视了智能是自底向上的事实。

这就是为什么人们常说好奇心是最好的老师。只有学生真正想了解一件事，才会对此提出问题。如果只是老师一味地向学生灌输知识，那么学生很可能什么都学不会。或许这就是为什么我们几乎没能从电视机里学到任何新东西的原因。当我们看电视的时候，我们了解到了很多信息，但这些却不是我们真正想要了解的。

我们的AI模型就像是过时的教育模式。神经网络是被动的，它们是“愚蠢的”，因此我们必须对其进行严格的训练，从而获得巨大的数据集，以便它们学习如何执行某项任务。在学习过海量信息后，它们能够回答出具体的问题，但却仍然没有新生儿的能力——它们不会怀疑自己所处的环境。

因此，如果我们想要创造通用AI，必须从非语言地开始，然后再抽象成语言。这表明了身体的必要性，身体是心灵成长的地方，它提供了一种开始学习的方式。如果AI学到的抽象不是植根于我们的非语言物理现实，那么它们就无法具有真正的普遍性。

目前，机器人的发展滞后于人工神经网络。现有的机器人只是由几个传感器和几个电机构造。然而，人类指尖平均每平方厘米就有约2500个受体。我们的大脑里有大量的专用区域来处理所有的感觉输入。如果我们能够创造一个使用DNN的异常敏感和敏捷的机器人，并使其能够探索环境，那么我们就能创造出通用学习AI。

总之，在我看来，真正的智能的本质并不是给出问题的答案，而是提出正确的问题。使用肢体语言来表达疑问，对于每个有感情的人来说都是与生俱来的，这可能是所有智能行为的结构和本质。