至少从 20 世纪 50 年代起,人们就开始大肆宣传可能很快就会创造出一种能够与人类智能的全部范围和水平相匹配的机器。现在,我们已经成功地创造出了能够解决特定问题的机器,其准确度达到甚至超过了人类,但我们仍然无法获得通用智能。这本书想和大家探讨一下还需要做什么样的努力才能不仅获得专用智能,还能获得通用智能。
如果读者对智能感兴趣,想了解更多关于如何建造自主机器的知识,或者担心这些机器突然有一天会以一种被称为“技术奇点”的方式统治世界,请阅读本书。
通过阅读本书,读者将会了解到:
尽管人工智能已经变得越来越复杂而强大,但计算机科学还远未创造出通用人工智能 。
人类自然智能的认知机理以及人工智能发展的初心与使命,从不同方面认知当前人工智能技术的不足。
从当前“专用人工智能”到实现真正的“通用人工智能”还需要在哪些方面取得突破。
机器智能的进步可能会改变人们从事的工作类型,但它们不会意味着人类存在的终结。
为什么机器智能的改进并不会导致由机器所主导的失控性革命,机器智能的进步并不会导致世界末日的到来。
PREFACE
前 言
至少从20世纪50年代起,人们就开始大肆宣传可能很快就会创造出一种能够与人类智能的全部范围和水平相匹配的机器。现在,我们已经成功地创造出了能够解决特定问题的机器,其准确度达到甚至超过了人类,但我们仍然无法获得通用智能(General Intelligence)。这本书想和大家探讨一下还需要做什么样的努力才能不仅获得专用智能,还能获得通用智能。
虽然有些人期待实现通用人工智能,但也有些人表达了担忧,甚至预测一个通用智能的机器将意味着人类存在的终结。他们认为,这样的机器将能够自我改进,并将很快从与人类智力相当发展到远远超越人类智力的水平。如果计算机变得如此智能,人类被养作宠物都会是幸运的。在最好的情况下,智能计算机将忽视我们;而在最坏的情况下,它们会把我们当作争夺资源的对手来消灭。
这两种观点根本站不住脚。我们构建的专用智能的工具无法胜任通用智能的任务。即使我们制造出能够实现通用智能的新工具,它们也不会导致任何形式的爆发性的智能增强。我们将阐述为什么机器智能的改进并不会导致由机器所主导的失控性革命。机器智能的进步可能会改变人们从事的工作类型,但它们不会意味着人类存在的终结。也就是说,机器智能的进步并不会导致世界末日的到来。
这本书针对非技术人士,读者并不需要了解太多关于计算机、心理学或人工智能的知识就可以轻松阅读。
如果读者对智能感兴趣,想了解更多关于如何建造自主机器的知识,或者担心这些机器突然有一天会以一种被称为“技术奇点”的技术爆炸方式统治世界,请阅读本书。需要做出提醒的是,这种担心并不会发生。我希望让读者相信,创造通用人工智能是可能的,但它既不像某些作者想让我们相信的那样迫在眉睫,也并不那么危险。我们的认识视角需要做出改变,而本书则试图勾勒出新的视角。
这个话题之所以重要,是因为几乎每天都有人呼吁对人工智能进行某种监管,要么是因为它太愚蠢(比如人脸识别),要么是因为它太聪明了而让人感到不可信。虽然这不是一本关于政策的书,但好的政策需要对计算机的实际能力以及它们的潜力有一个客观的认识。反过来,发展和实现通用人工智能则需要我们进一步对智能、大脑的本质以及通用智能体(Intelligent Agent)所必须解决的问题有一个清晰的认识。
正如艾伦·图灵(Alan Turing)在1950年撰写《计算机器与智能》一文时所述:
“我们的目光有限,但可以看到许多能做的事。”
赫伯特·L.罗埃布莱特
(Herbert L. Roitblat)
加州大学伯克利分校心理学博士,曾在夏威夷大学任教多年,现为Mimecast公司首席数据科学家。他在信息技术创新的各个方面具有广泛的经验,是技术企业家、发明家和专家,同时也是认知科学、信息检索、深度学习、电子发现、机器学习、神经网络、信息治理、自然语言处理等领域的专家。
目 录
译者序
前言
第1章 引言:智能、人工和自然1
1.1 人类智能的诞生4
1.2 计算智能6
1.3 自然智能6
1.4 通用智能中的普遍性8
1.5 专用智能、通用智能和超级智能9
1.6 参考文献12
第2章 人类智能15
2.1 智力测试16
2.2 解决问题17
2.2.1 结构良好的问题18
2.2.2 形式化问题21
2.3 洞察力问题25
2.4 人类智能的怪癖30
2.5 结论34
2.6 参考文献34
第3章 物理符号系统:智能的
符号方法37
3.1 图灵机和图灵测试38
3.2 达特茅斯暑期研讨会(1956年) 41
3.3 表示42
3.4 通用智能的定义51
3.5 结论52
3.6 参考文献52
第4章 计算智能与机器学习55
4.1 专家系统的局限性55
4.2 概率推理57
4.3 机器学习58
4.4 感知器和感知器学习规则62
4.5 机器学习入门65
4.6 强化学习70
4.7 总结:机器学习系统的几个例子71
4.8 结论71
4.9 参考文献72
第5章 人工智能的神经网络方法 74
5.1 神经网络基础76
5.2 海豚生物声呐的例子78
5.3 全脑假说82
5.4 结论86
5.5 参考文献86
第6章 人工智能的新进展89
6.1 Watson92
6.2 Siri和同类应用程序93
6.3 AlphaGo97
6.4 无人驾驶技术100
6.5 扑克游戏102
6.6 结论104
6.7 参考文献105
第7章 构建智能模块107
7.1 知觉与模式识别108
7.2 歧义性110
7.3 智力和语言111
7.4 常识116
7.5 常识的表示117
7.6 参考文献120
第8章 专业知识123
8.1 专业知识的来源128
8.2 智商和专业知识128
8.3 流体和晶体智力129
8.4 专业知识的获取130
8.5 参考文献135
第9章 智能黑客与TRICS137
9.1 通用智能的表征146
9.2 结论149
9.3 参考文献149
第10章 算法:从人到计算机151
10.1 佳决策:使用算法来指导
人类行为156
10.2 博弈论165
10.3 参考文献166
第11章 机器人危机是否即将
到来168
11.1 超级智能169
11.2 超级智能的担忧171
11.3 与世界互动175
11.4 参考文献180
第12章 通用智能183
12.1 定义智能184
12.2 实现通用智能185
12.2.1 通用人工智能的草图186
12.2.2 更多关于刺猬的故事190
12.2.3 通用智能不是算法
优化192
12.2.4 智能和TRICS192
12.2.5 迁移学习194
12.2.6 风险带来智能197
12.3 通用智能中的创造力198
12.4 通用智能成长199
12.5 全脑仿真200
12.6 类比201
12.6.1 当前范式的其他
局限性202
12.6.2 元学习203
12.6.3 洞察力204
12.7 通用人工智能概述207
12.8 参考文献209