1.3 实现通用人工智能的主要困难
人工智能界认为,实现通用人工智能有三大困难,一是智能系统未能拥有常识,二是智能系统的感知、处理、问题求解等过程都没有基于理解,三是没有基础理论支持[5,6]。
要想解决这些困难,首先需要回答三个更深层次的问题:常识是什么,它在非生物智能体中以什么方式存在、发展并使用;理解是什么,在非生物智能体中又如何体现、发展;什么是智能及非生物智能体的基础理论,这一基础理论要回答什么问题。再深一层,是什么原因产生了这三个问题。对于这些问题,本书将在后续章节逐一给出答案。
通用人工智能的基础理论至少要明确回答三个基本问题:智能和通用人工智能是什么;构成通用人工智能的要素是什么,要素间的关系是什么;通用人工智能如何产生,又如何发展。
学术界对什么是“智能”没有形成共识。人工智能界也没有清晰定义智能。智能不能被确切定义,通用人工智能更缺乏严格定义的基础。智能和通用人工智能没有精确的定义,常识和理解这两个通用人工智能的必要条件也成为可望而不可即的空中楼阁。
与此相伴的是人工智能界对算法、算力和具有算法能力的人的崇拜,认为具备这三者就一定能构造通用人工智能,这是一个基本认识论的错误。算法是人的一类智能行为的产物或必要条件,不是所有智能行为的产物或必要条件,即使一些被人工智能界认为特别有希望的算法,也不可能由此生成智能。算法是问题求解的一种工具,不是有算法就能求解问题,不是没有算法问题就无解。算力是加快某些问题求解的工具,不是问题求解的必要条件。几乎每个人每天都要就面对的问题做出判断、决策,在每天的日常生活和工作中,人类都要完成大量的智能行为,而这些决策和智能行为的大部分,甚至绝大部分,基本上不用算法、无须计算,只是本能的反应或已有答案的重复。就机器智能而言,在一个自动化制造系统中,逻辑控制单元是算力,控制过程是一个算法集合,而装备、工艺同样是构成该系统智能的要素。人创造了算法、制造了算力,但这些仅是智能体可以利用的工具,工具再好,也不能产生独立的智能体。机器智能是人与工具的组合智能体,今天已经实现的人工智能系统,或没有考虑主体性的通用人工智能系统,都是组合智能体。
如果说,常识和理解是通用人工智能的必要条件,那么,应该明确,常识属于谁,理解又是谁的功能。如果常识由人结构化之后,以通用人工智能系统可辨识的模式输入系统,就需要系统具有理解的功能,而理解是一个独立主体对环境和自身拥有的资源和知识、信息的理解。离开独立主体,理解就可能成为算法的附庸,不能持续发展、成长。20世纪90年代初,美国斯坦福大学“CYC”工程的失败就是一个显然的例证。显然,这个“谁”不是创建通用人工智能系统的人,而是系统本身。也就是说,通用人工智能系统应该是一个独立的智能主体,而不是依赖某个人或某些人的组合智能主体。
一个通用人工智能系统的“智能”是一次性赋予的,还是在特定环境中持续发展的?对于这个问题,人工智能学者不会赞成前一个观点。如果同意了一次性赋予的观点,不但对算法和算力的追求失去依据,而且对通用人工智能的通用和能力产生了质疑。所以,“智能”一定是渐进的,是在特定环境的学习和使用过程中逐步成长的。而一个独立主体的成长性发展又不是持续赋予的,必须具有主体性,没有自我意识和自我发展的“文字”能力的智能体,不可能产生持续有效的、基于理解的积累。
认同一个以人创为基础的通用人工智能系统具有主体性,拥有常识、能够理解,存在维持其生存和发展的自我意识和能力,是对人们习以为常的认识论的挑战,也是通用人工智能基础理论迟迟不能产生的一个根本性原因。
同样的尴尬存在于对信息的认识。人工智能系统用各种算法将信息的符号或载体进行处理,以求将其归纳到其所表达的含义类中。但是,含义本来就是信息被记录和利用的原因,是信息的本义,为什么不处理含义本身,而从载体与/或符号中找出其含义呢?生物智能从感知开始就已经将符号或载体转换为含义,传输、记忆、使用等过程均以含义为基础。没有把握生物智能关于信息处理的规律,错将神经系统的层次结构当作认知信息处理的本质特征,所谓通用人工智能的常识和理解两个关键问题必然无解。
所以,对于实现通用人工智能,迄今为止的研究和探索未能找到适当的路径,一个重要的原因是没有把握信息和智能的本质,走在错误的道路上。建立人工智能的基础理论需要在认识论、方法论层面得到突破。