人工智能时代：破解人机共存密码（套装共10册）

进化的力量

研究生命起源的莱斯利·奥格尔（Leslie Orgel，图17–1，右）是一位毕业于牛津大学的化学家，他是我在索尔克研究所多年的同事，也是我见过的最聪明的科学家之一。每周五的教师午餐时与他的讨论总是让我意犹未尽。生命的起源可以追溯到数十亿年前，众所周知，那时的地球与今天大不相同，环境条件十分苛刻，大气中的氧气很少，并不适宜生命存活。古细菌早于细菌出现在地球上，但在古细菌之前出现的又是什么呢？我们现在已经知道，DNA普遍存在于所有细胞中，那在DNA形成之前就存在的遗传物质又是什么呢？1968年，莱斯利·奥格尔和弗朗西斯·克里克推测，由细胞中的DNA衍生而来的RNA可能是DNA的前身，但这就要求RNA能够自我复制。关于这一推测的证据，来自可以催化RNA反应的基于RNA酶的核酶^[1]（ribozyme）。今天该领域的大多数研究人员都认为，所有生命都来自早期的“RNA世界”，这一点是完全有可能的。但RNA又是从哪里来的呢？遗憾的是，我们并没有什么证据可以继续追溯下去。

17

所。

大自然比我们聪明

一直以来，人们普遍接受的所谓“真理”，总是不断地被惊人的发现所颠覆。我们抬起头，看到太阳在围绕地球转动，但实际上是地球在绕着太阳转。进化论让我们认清了人类的发展历程，尽管到了今天，很多人仍然难以接受这一理论。许多年后，我们的后代将回顾我们生活的这个时代，并认为我们对智能的直觉，是过于简化了的，这种直觉阻碍了人工智能后续50年的进步。正如奥格尔的第二定律所述，进化比你聪明。

我们的意识觉知只是冰山一角，我们大脑的大部分活动依然神秘莫测，无法进行自我反思。我们用“注意力”和“意图”这些词来描述我们的行为，但这些都是含糊的概念，隐藏了大脑活动过程的内在复杂性。基于直觉大众心理学的人工智能的发展迟迟得不到令人满意的成果。我们的眼睛能看到东西，但没人知道其背后的原因。“我思故我在”，但思考背后的机制仍是一个谜。大自然向我们揭示大脑如何运转，并不会给我们带来生存上的优势。奥格尔的第二定律仍然成_立。[2]

正如第2章所指出的那样，我们拥有高度发达的视觉系统，但这并不能让我们成为视觉领域的专家。^[3]许多人甚至都没有意识到，我们的眼部存在一个眼中央凹，其能提供的清晰视角只有1度的弧度，相当于以一臂为半径，拇指长度为弧长所对应的角度，另外，我们在眼中央凹之外什么都看不到，几乎相当于法定盲人^[4]。我曾经向我的母亲指出这一点，她说她不相信我，因为她前后左右都看得很清楚。由于我们可以迅速重新定位视觉目标，所以产生了一种在目光所及之处都能看得很清楚的错觉。你知道当你凝视一个目标时，目光会以每秒三次的频率在目标上游移吗？余光（peripheral vision）可能具有较低的空间分辨率，但对亮度和运动的变化非常敏感。在视觉皮层中，与识别目标的主要回路相区别的另一个主要回路，就负责识别视线在空间中的移动。

当计算机视觉领域的先驱开始设计视觉功能时，他们的目标是从图像中创建出一个完整的世界内部模型，而这个目标已经被证明是难以实现的。但是，一个完整而准确的模型对于大多数实际目的来说可能是不必要的，而且考虑到目前的摄像机取样率很低，这似乎更不可能实现。

根据心理物理学、生理学和解剖学的证据，帕特里夏·丘奇兰德、神经心理学家拉马钱德兰（V. S. Ramachandran）和我得出的结论是，大脑只表征世界上有限的一部分目标，即执行手头任务所需要的那部分。^[5]这也使得强化学习更容易减少所需要的、可能有助于获得奖励的感官输入的数量。视觉的明显模块化（与其他感官处理流相比，视觉信息有更高的分离度）也是一种错觉。视觉系统集成了来自其他渠道的信息，包括来自奖励系统的指示场景中目标价值的信号。机动系统通过积极地重新定位传感器来寻找信息，例如移动目光，以及在某些物种中，通过移动耳朵来收集可能导致奖励行为的信息。

大脑通过对环境的逐步适应而发生进化；大自然无法从零开始，而必须通过修改各个零部件来维持现有物种的生存。约翰·奥尔曼（John Allman）在他的著作《进化脑》（Evolving Brains） [6] _一书中阐述了在城市人类尺度上逐渐发生的进化，并回顾了一次他去圣迭戈老电厂锅炉房的经历。他注意到，在一组真空管旁边有一排排复杂的小型气送管，旁边是不同年代的计算机控制系统。由于该电厂需要连续供电，因此无法在每次对技术进行更新换代时，都直接关闭旧系统并将其改装为新系统。于是旧的控制系统就被留在了原位，而新的控制系统被集成到了其中。同样，随着大脑的不断变化，大自然并不能抛弃旧的大脑系统，而是根据当前的发展计划进行调整，偶尔也会增加一层新的控制。基因复制，是引入能够变异出新功能的基因副本的最佳途径。全基因组复制的情况曾经也发生过，而这可能会导致一个全新物种的诞生。

认知科学的兴起

20世纪30年代，研究学习行为的心理学家把行为看作将感官输入转化为运动输出的过程，并自称为“行为主义者”。关联学习是行为主义的研究重点，许多学习规律在通过用不同的奖励机制训练动物时被陆续发现。哈佛大学的B. F. 斯金纳是这一领域的领导者，他撰写了几本畅销书籍来解释他的发现对社会造成的影响。^[7]当时有关行为主义的大众出版物非常受欢迎。

1971年，著名语言学家诺姆·乔姆斯基（图17–2）在《纽约书评》（图17–3）上发表了一篇全面抨击行为主义的文章，矛头直指斯金纳。^[8]下面是他的论点中关于语言方面的一段摘录：

图17-2 1977年的诺姆·乔姆斯基。他于1971年在《纽约书评》上撰写了文章《针对斯金纳的驳斥》。乔姆斯基的论文对一代认知心理学家产生了深远的影响。他们开始将符号处理作为认知的概念框架，而大脑发育和学习在认知和智力中的重要作用则在他们的眼中大打折扣。图片来源：Hans Peters/Anefoto。

Paul Goodman: Hemingway's Sweetness The New York Review

Noam Chomsky: The Case Against B.F. Skinner

Richard Barnet: The New CIA & What It's Up To

Robert Coles:The Psychology ofWhite Racists图17-3 诺姆·乔姆斯基于1971年在《纽约书评》中抨击斯金纳的标题。乔姆斯基的文章影响了一代科学家，诱导他们放弃了对行为的学习，并采用符号处理作为解释认知的方式。但使用符号方法，人工智能从未出现能够达到认知水平的表现。斯金纳在强化学习领域引领着正确的方向，但却受到了乔姆斯基的嘲讽；当今最引人注目的AI应用是基于学习，而非逻辑。图片来源：《纽约书评》。

把一些我从来没有听过或说过的英语句子，而不是中文句子说成属于我的“语录”（只因为我说前者的“概率”更大），这是什么意思？斯金纳主义在讨论中涉及这一点时，一直诉诸“相似性”或“泛化”，但始终没有精确地描述新句子与熟悉的例子如何“相似”，或从例子中如何“泛化”的方式。这种失败的原因很简单。就目前所了解的信息而言，相关属性只能用描述有机体内部假定状态的抽象理论（例如语法）来表达，而这种理论被从斯金纳的“科学理论”中先验地排除了。由此导致的直接后果就是，只要讨论涉及事实世界，斯金纳主义就必然会陷入神秘主义（不能解释的“相似性”和无法描述的“泛化”）。尽管在语言中情况可能更为清楚，但没有理由认为，人类行为的其他方面也会落入斯金纳用先验限制了的“科学”体系之中。^[9]

以今天的角度，我们可以看到乔姆斯基明白了问题的关键，但他并不了解学习的力量。深度学习已经向我们展示了，像大脑本身的神经网络那样，模型神经网络能够做到被乔姆斯基解释为“神秘主义”的那种“泛化”，并且可以经过训练，选择性地识别多国语言并进行翻译，为图像生成在语法上无可挑剔的标题。最具讽刺意味的是，机器学习已经解决了自动解析语句的问题，尽管计算语言学家做出了艰苦的努力，但乔姆斯基的句法“抽象理论”从来没有解答过这个问题。当与斯金纳开创的强化学习结合起来时，机器学习就可以解决需要做出一系列选择以实现目标的复杂问题。这是解决问题的实质，也是智能的基础。

乔姆斯基的文章充满了鄙视，其影响也远远超过了对斯金纳的抨击：它挑战了，甚至驳斥了将学习作为理解认知的一种方式。这在20世纪70年代对认知心理学产生了决定性的影响。乔姆斯基所持观点的核心在于，根本无法想象（至少对乔姆斯基而言）关联式学习能够产生一种像语言那样复杂的认知行为。但请注意，这个论点是基于无知——仅因为世界顶尖的语言学家说他无法想象某件事，并不能否定这件事发生。但乔姆斯基的言辞与70年代的时代精神产生了共鸣，因此颇受追捧。到了20世纪80年代，对认知进行符号处理已成为主流方法，并为一个名为“认知科学”的新领域打下了基础——认知科学是认知心理学、语言学、哲学和计算机科学的混合体。神经科学则像是认知科学的小兄弟，在20世纪90年代认知神经科学兴起前，一直或多或少地受到忽视。

不能把语言问题只留给语言学家

此后，乔姆斯基还多次使用了同样的修辞论证，其中最著名的是他基于“刺激匮乏”（poverty of the stimulus）对先天语言能力的论证，^[10]其中断言婴儿在听觉上获取不到足够的语言范例来学习句法的规则。但是，婴儿并不是一台从外界得到一串无形符号的计算机。事实上，一个婴儿沉浸在一个充满丰富感官体验的世界中，并会以惊人的速度了解世界的本质。^[11]这个世界充满了与声音有关、意义非凡的体验，这些体验始于子宫，是一种无监督学习。在这一基础上，语言开始形成，首先是咿咿呀呀，然后是单个词汇，以及后来语法正确的单词序列。先天习得的并不是语法，而是能够从经验中学习语言，表现出在丰富的认知语境中吸收话语的高阶统计特性的能力。

令乔姆斯基无法想象的是，如果加上对环境的深度学习和用毕生的经验磨炼出的深度学习的代价函数，像强化学习这样的弱学习系统也可以产生认知行为，包括语言。在20世纪80年代，这一点对我来说并不明显，尽管我应该认识到，如果像话语网络这样的小型网络可以处理英语发音，那么很可能在对言语的表征中，学习网络——无论是模型网络还是皮层网络——都对语言有着天然的亲和力。乔姆斯基的立场是基于想象力的匮乏，但从逻辑来说符合了奥格尔的第二定律：进化比你聪明，而这个“你”也包括像乔姆斯基这样的专家。事实上，当一位专家告诉你自然界的某些事情是不可能的时候，你应该保持谨慎——不管这个论证有多么合理或者令人信服。