--- schema_version: "library-reader-v1" source_type: "original_book" title: "AI 3.0（畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔，历经10年思考，厘清人工智能与人类智能的全新力作，全景式地展现了人工智能的..." author: null edition: null publisher: null year: null isbn: null library_document_id: "75afffda-b96b-4df5-89ff-2ec037cfed66" source_sha256: "21c9bed4763f96ba9dce4c4e24be07b2ddb63e08acce9107a510c1026714c784" pdf_physical_page_count: 491 pdf_physical_page_index_base: 0 range_start: 350 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66?start=350&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=350&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=340&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=360&limit=10" --- # AI 3.0（畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔，历经10年思考，厘清人工智能与人类智能的全新力作，全景式地展现了人工智能的... > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=350 | PRINTED_PAGE=NOT_DETECTED 在本书的最后几章中，我们将会探讨“常识”对人类而言究竟意味着什么，更具体地说：人类用什么样的心理机制来理解世界。我还将描述人工智能研究人员为了给机器植入这种理解和常识所做的一些尝试，以及这些方法在创造能够克服“意义的障碍”的人工智能系统方面已取得的进展。 ## PDF_PHYSICAL_PAGE_INDEX=351 | PRINTED_PAGE=NOT_DETECTED 本章要点 13 阅读理解的关键不仅在于“提取答案”，还在于“具备 常识” 《星际迷航》或许给我们许多人都编织了一个梦想：能够向计算机询问任何事情，并且它可以做出准确、简洁和有用的回应。如果你使用过当今任意一款人工智能语音助手，如Siri、Alexa、Cortana、Google Now，你就会知道这个梦想还尚未实现—— 这些系统并不能理解我们所问的问题的含义。 虽然计算机目前已经可以准确地转述我们的请求，但我们的终极目标是：让计算机真正理解我们所问的问题的含义。这本质上是一种阅读理解任务，但目前计算机其实并不能完全读懂一个特定文本中字里行间的意思，也无法做到真正的推理，比起阅读理解，计算机能做到的应该叫“答案提取”。答案提取对机器来说是一项很有用的技能，事实上，答案提取也正是Alexa、Siri以及其他数字助理软件所需要做的：将接收到的问题转换为一个搜索引擎查询序列，然后从搜索结果中提取答案。（更d书f享搜索雅 书.YabooK） “提问-回答”的话题一直是自然语言处理研究的一个重点。若想正确回答这些问题，不仅需要答案提取的技能，还需要具备自然语言处理和常识推理的集成能力，以及一些必要的背景知识。尽管深度学习已经在语音识别、语言翻译、情感分析及自然语言处理的其他领域取得了一些非常显著的进展，但人类水平的语言处理能力仍然是一个遥远的目标。 ## PDF_PHYSICAL_PAGE_INDEX=352 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=353 | PRINTED_PAGE=NOT_DETECTED 第五部分 常识——人工智能打破意义障碍的关 键 ## PDF_PHYSICAL_PAGE_INDEX=354 | PRINTED_PAGE=NOT_DETECTED 无法逾越的人类智能之火 人类天生具备一些核心知识，就是我们与生俱来的或很早就学习到的最为基本的常识。例如，即便是小婴儿也知道，世界被分为不同的“物体”，而且一个物体的各个组成部分会一起移动，同时，即便某一物体的某些部分在视野中看不见了，它们仍然是该物体的一部分。 1 直觉 由于我们人类是一种典型的社会型物种，从婴儿时期开始我们逐步发展出了直觉心理：感知并预测他人的感受、信念和目标的能力。直觉知识的这些核心主体构成了人类认知发展的基石，支撑着人类学习和思考的方方面面。 2 模拟 我们对于我们所遇到的情境的理解包含在我们在潜意识里执行的心智模拟中，这种心智模拟同样构成了我们对于那些我们并未直接参与其中的情境的理解，比如我们看到的、听到的或读到的。 3．隐喻 我们通过核心物理知识来理解抽象概念。如果物理意义上的“温暖”概念在心理上被激活，例如，通过手持一杯热咖啡，这会激活更抽象、隐喻层面上的“温暖”概念，就像评价一个人的性格的实验那样，反之亦然。 4 抽象与类比 构建和使用这些心智模型依赖于两种基本的人类本能：抽象和类比。抽象是将特定的概念和情境识别为更一般的类别的能力，类比在很多时候是我们无意识的行为，这种能力是我们抽象能力和概念形成的基础。 ## PDF_PHYSICAL_PAGE_INDEX=355 | PRINTED_PAGE=NOT_DETECTED 5．反思 人类智能的一个必不可少的方面，是感知并反思自己的思维能力，这也是人工智能领域近来很少讨论的一点。在心理学中，这被称作“元认知”。 ## PDF_PHYSICAL_PAGE_INDEX=356 | PRINTED_PAGE=14 正在学会“理解”的人工智能 “我想知道人工智能是否以及何时能打破通向意义的障碍。” 1 每次在思考人工智能的未来时，我就会回想起由数学家兼哲学家吉安-卡洛·罗塔提出的这个问题。“意义的障碍”（barrier of meaning）这一短语完美地捕捉到了贯穿于全书的一个思想：人类能够以某种深刻且本质的方式来理解他们面对的情境，然而，目前还没有任何一个人工智能系统具备这样的理解力。 尽管当前最先进的人工智能系统在完成某些特定的细分领域的任务上拥有比肩人类的能力，甚至在某些情况下的表现已经超越人类，但这些系统都缺乏理解人类在感知、语言和推理上赋予的丰富意义的能力。这一理解力的缺乏主要表现在以下方面：非人类式错误、难以对所学到的内容进行抽象和迁移、对常识的缺乏、面对对抗式攻击时所呈现出的脆弱性等。人工智能和人类水平智能之间的“意义的障碍”至今仍然存在。 在本章中，我将带你简要探究各领域的专家学者现在如何看待人类理解所涉及的内容，这些专家学者主要包括心理学家、哲学家和人工智能研究人员。下一章将描述在人工智能系统中，为使其获取人类理解方式构成要素，研究人员所做的一些重要工作。 14 ## PDF_PHYSICAL_PAGE_INDEX=357 | PRINTED_PAGE=NOT_DETECTED 理解的基石 想象你正驾车行驶在一条拥挤的城市街道上，当前的交通灯是绿灯，并且你正准备右转，前方却出现如图14-1所示的情境。作为一个人类驾驶员，你需要具备哪些认知能力来理解这一情境呢？ 2 让我们从头开始说。人类天生具备一些核心知识 3 ，就是我们与生俱来的或很早就学习到的最为基本的常识。例如，即便是小婴儿也知道，世界被分为不同的“物体”，而且一个物体的各个组成部分会一起移动，同时，即便某一物体的某些部分在视野中看不见了，它们仍然是该物体的一部分，例如，图14-1中婴儿车后那位行人的脚。这就是一种不可或缺的常识！但是，即使给一个ConvNets大量的照片或视频数据来进行训练，它也未必能学会这些常识。 ## PDF_PHYSICAL_PAGE_INDEX=358 | PRINTED_PAGE=NOT_DETECTED 孩提时代，我们人类学习了大量关于世界上的物体如何运转的知识，在我们成年后，就完全将其视为理所当然，甚至意识不到自己具备这些知识。如果你推一个物体，它就会向前移动，除非它太重或者受到其他物体的阻挡；如果你扔下一个物体，它会落下，然后在接触到地面时会停住、弹起来或者破裂；如果你把一个较小的物体放在一个较大的物体后面，较小的那个就会被遮住；如果你把一个物体放在桌上然后将目光移开，那么除非有人故意移动该物体或者该物体能自行移动，否则当你看回来时，该物体仍将停留在原处。我们可以举出很多类似的例子。其中，非常关键的一点是：婴儿会发展出自己对世界上的因果关系的洞察力。例如，当有人推一个物体时，就像图14-1中的女士推着婴儿车，婴儿车的移动并非因为巧合，而是有人推它。 心理学家为此创造了术语“直觉物理学”（intuitivephysics）来描述人类对物体及其运转规则所具有的基本知识。当还是孩童的时候，我们还发展出了“直觉生物学”（intuitive biology）的概念，用以区分生命体和非生命体。例如，任何一个小孩都明白，与婴儿车不同，图14-1中的狗能够自主移动或拒绝移动。我们有这样的直觉：狗和人类一样能听能看，它将鼻子贴在地面上是为了嗅某些东西。 由于我们人类是一种典型的社会型物种，从婴儿时期开始我们逐步发展出了直觉心理：感知并预测他人的感受、信念和目标的能力。例如，你能够从图14-1中了解到以下信息：图中的女士想要与她的孩子和狗一起穿过马路；她不认识迎面走来的男士，也不害怕他；她的注意力正集中在手机通话上；她希望同行的车辆能够为她让道，以及当她注意到车辆与她相距太近时，她会感到吃惊和害怕。 ## PDF_PHYSICAL_PAGE_INDEX=359 | PRINTED_PAGE=NOT_DETECTED 直觉知识的这些核心主体构成了人类认知发展的基石，支撑着学习和思考的方方面面。例如，我们能够从少数案例中学习到新的概念，并进行泛化，因此，我们才拥有了快速理解类似于图14-1中所示的情境并决定采取何种应对措施的能力。 4 预测可能的未来 理解任何情况，其本质是一种能够预测接下来可能会发生什么的能力。在图14-1的情境下，你预测正在过马路的人会继续朝着他们原来的方向行走；图中的女士将继续推着婴儿车、牵着狗，同时拿着手机。你也会预测：这位女士会拉一下狗绳，而那条狗会反抗，并想继续探索那个地方的气味，这位女士会更使劲儿地拉狗绳，然后这条狗会跟在她身后，走到马路上。如果你正在开车，你就需要为此做好准备！在一个更基本的层面上，你一定是希望女士的鞋子待在她脚上，头待在身体上，道路还固定在地面上。你预测那位男士会从婴儿车后面走出来，并且他将会有腿、脚和鞋子，这些会支撑着他站在路上。简而言之，你拥有心理学家所说的关于世界之重要方面的“心智模型”，这个模型基于你掌握的物理学和生物学上的事实、因果关系和人类行为的知识。这些模型表示的是世界是如何运作的，使你能够从心理上模拟相应的情况。神经科学家还不清楚这种心智模型或运行在其之上的心智模拟，是如何从数十亿相互连接的神经元的活动中产生的。一些著名的心理学家提出：一个人对概念和情境的理解正是通过这些心智模拟来激活自己之前的亲身经历，并想象可能需要采取的行动。 5 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=360&limit=10)