人工智能如何自主學習和思考?肖仰華 /複旦大學計算機學院教授，下面我們就來聊聊關于人工智能如何自主學習和思考?接下來我們就一起去了解一下吧!

人工智能如何自主學習和思考

肖仰華 /複旦大學計算機學院教授

自培根發出理性主義的呼聲以來，自然學科與人文學科在分析和還原思想的指引下在各自道路上一路走來，盤點和梳理着人類對于客觀世界和人類社會的有限經驗與理性思考，成就了現代意義的自然科學和人文科學，但也造成了學科之間藩籬林立與壁壘重重。原本統一的整體世界被分解得支離破碎。細分學科内部同質化研究泛濫，原始創新動力不足。

所謂的學科内卷一詞十分形象地道出了當前人文與自然學科研究的窘迫狀态。破題之關鍵在于交叉與融合。未來最為重要的任務在于重建關于世界本原的整體性認知。

在各種可能的學科交叉融合中，我對人文社科與人工智能的交叉與融合充滿了期待。如果套用自動駕駛汽車成熟度分級的思想，人工智能與其他學科的交叉融合由淺入深大緻可分為三個層次。

其典型代表分别是人工智能與工科、醫科的融合，人工智能與腦科學的融合，以及人工智能與人文社科的融合。首先需要肯定的是任何一種融合都具有巨大的科學意義與重要的應用價值，這裡隻就幾類融合方式的特點展開論述，并無厚此薄彼之意。

人工智能與工科、醫科的融合，更像是一場單向的戀愛（彼有意，我無情）：人工智能更多地是被用作工具。工具隻是手段，賦能才是目的。很少能看到功利性的戀愛或婚姻能夠持久，倒不如定位為在商言商的合作關系更為合适，也能持久。人工智能雖然也能從相應學科獲得驗證場景與應用反饋，但是很難從相應學科獲得對其自身發展内涵而言的啟發與指引。

人工智能與腦科學研究的融合則更進一步。人類對于大腦神經機制的理解對于人工智能的實現具有積極的指導意義，其最為典型的代表就是神經網絡。進入大數據時代之後，以深度神經網絡模型為代表的深度學習更是大放異彩，推動了機器智能在感知與運動方面的跨越式發展，在語言智能方面也彰顯出誘人的前景。

然而，智能未必全然采取人類生物智能的實現機制，更廣義的智能未必遵循生物法則。跳出生物智能的狹隘層面去認識智能的本質是實現多元化人工智能所不可或缺的。事實上，人工智能發展之初的三大思想流派中，隻有聯結主義受到了人類腦神經認知機制的啟發。人工智能的符号主義與行為主義路線則是從古希臘哲學的概念邏輯與達爾文的進化理論尋求其思想源頭與靈感的。

因此，腦科學所研究的大腦神經認知機制雖然十分重要，其發展出的類腦智能也有其重大價值，但其與人工智能的融合相對而言仍然是局部的，僅限于基于神經機制的智能實現路徑。

人工智能與人文科學的融合，相較前兩者而言，是雙向的融合、全面的融合、深層次的融合。人文與智能的融合是一種良好的雙向互補、彼此成就的關系。首先，人文學科也是人工智能最為重要的應用場景之一。如果說工科與醫科可以檢驗人工智能對于自然與生命的理解能力，那麼人文社科則可以檢驗人工智能對人與社會的理解能力。一個不能理解人類（特别是人類心靈世界）、不能理解社會的智能體，如何能很好地為人類服務呢？畢竟設計人工智能的初衷就是為造福人類社會。當前的陪伴機器人、家政機器人、司法機器人、寫稿機器人都需要進一步提升對于人以及社會的認知與理解水平，才能更好地融入人類社會。

其次，人文學科為人工智能的發展提供指引。人文學科絕不僅僅是應用場景“之一”、驗證場景“之一”，更是滋養人工智能自身發展内涵不可或缺的養分，是驅動人工智能持續發展的動力源頭，是指引人工智能發展路徑的明燈。當下的人工智能正在經曆從模拟人類的身體能力（以感知與運動為代表）向模拟人類的心智能力（以認知與思考為代表）發展的關鍵階段。人類對其自身認知現象的理解、對社會現象的理解是塑形人工智能發展内涵與路徑的唯一模闆。理論物理學家費曼說過：“不能實現的就是不能理解的”。反之，不能理解的更不可能實現。要實現人類水平的智能，首先就要理解人與智能的本質。

此處，需要回應一種由人工智能科學家的盲目自信所帶來的質疑，那就是是否可以跳過理解人與智能的本質而實現外在類人的機器智能。在AlphaGo挑戰人類圍棋冠軍成功之後，深度學習彰顯出了解決問題的強大能力。然而深度學習是不透明的，是黑盒且難理解的，其走出的一些對弈策略已經超出了人類專家的理解範圍。我們似乎做到了“不理解也能實現”。技術實現先于人類理解似乎已然成為了現實。

首先，這裡的“不理解”更多的是颠覆傳統理解的新理解。我們傳統所熟知的“理解”隻是可能的對弈策略的部分經驗而已。正因為整個對弈空間足夠大，人類即使經曆了完整的已知曆史也無法窮盡所有可能的探索空間，才成就了機器。從這個角度而言，基于深度學習的圍棋對弈從計算的本質給出了其對圍棋對弈的“新理解”，隻不過這種理解是人類棋手從傳統視角所無法理解的。

其次，從人工智能角度而言，實現就是一種理解方式。我們很多的“不理解”，仍然是從人類視角出發而無法理解罷了。對于機器而言能夠成功解決問題的深度模型已經具備一定的理解能力，這種能力仍然有待人工智能專家的深度理解，也可能超越了人類智能的形式。實現這種超越人類當前理解能力的智能需要我們對于智能本質有着深刻洞察，而這種洞察是建立在對于人類智能的缺陷的深刻理解基礎之上。

因此，對于人的理解仍然是發展人工智能所不可或缺的。随着人工智能技術的不斷進步，人類的認知跟不上人類的實現将會成為一種常态。承認這種滞後是必然的。這種滞後可能帶來的種種倫理問題需要引起我們的足夠重視，緩解可能問題的關鍵在于增強對于機器認知能力的掌控能力（關鍵時刻及時拔掉插頭）。

總體而言，人工智能與人文社科的融合更像是一場長久的婚姻。相較于人工智能與其他學科的融合，人文與智能基本滿足了長久婚姻的所有要素：事業上的共同興趣與愛好（共同追問人或智能的本質）、情感上的互相傾慕（強烈的合作意願）、理念與方法層面的互補互助。人工智能不是單向地賦能人文的工具，更能從人文學科獲得自身發展的啟示與指引。人工智能與人文社科的彼此融合是發自兩個學科靈魂深處的需求。

人工智能與人文社科的交叉融合不但需要兩個學科認識上的共頻，更需要雙方心态上的調适。對于人工智能學科而言，必須放下高傲的姿态，向人文始祖虛心學習。對于人文學科而言，必須大膽回應人工智能技術提出的嚴峻拷問，勇于突破傳統思維方式，敢于打破現有條條框框，要有推倒重建的氣魄。

人工智能作為新興學科，似乎天生有着高人一等的優勢，容易以一種俯視的姿态來看待傳統學科，包括人文學科。然而人文是一切智慧的源頭。人工智能當前的發展景象貌似一片繁榮，但居安則更要思危。在當下深度學習大流行的時代，太多的模型研發隻不過是各種技藝的簡單堆砌，大多屬于同質化研發。我們有多少思想源頭的創新呢？事實上，人工智能的思想領域是極為幹枯的。

七十多年過去了，我們仍然沒有跳脫人工智能鼻祖給我們劃定三大主要思想流派（聯結主義、符号主義與進化主義）的小圈圈。源頭創新幹枯已經到了必須深刻反思的地步，已經難以滿足人工智能的廣大應用需求。思想源頭創新哪裡來呢？還是要向人文始祖虛心學習。随着認知智能的發展，人工智能研究者以一種“無知無畏”的精神越來越多地使用人文術語表達人工智能對于人類認知能力的逼近。有情感、有學識、有立場、有道德、負責任，這些用在人身上的期望已經越來越多地使用在了機器身上。但事實上，我們對這些概念的使用是心虛的，我們對這些概念的理解是膚淺的。不經曆與傳統人文學科激烈的思想碰撞，我們是難以建立起向機器遷移人類認知能力的信心的。隻有完成對人的本質的追問、對智能本質的追問、對意識本質的追問，我們才能使人工智能接近人類個體的智能；隻有對人類社會演化的内在動力有着深刻理解，才能發展具有社會認知能力的機器，機器才能更加和諧地融入人類社會。而這些追問與理解是人工智能學科難以獨立完成的，需要人文學科的指引與協助。

對于人文學科而言，人工智能帶來的絕不僅僅隻是工具，而是重塑傳統人文學科的一次重大機遇。實現就是一種理解。人工智能通過實現一個無限接近人的智能體，在逼問人的本質、智能的本質、自我的本質。我們從來沒有像今天這樣，感受着人工智能的快速進步對我們所理解的“人與社會”帶來如此巨大的沖擊。人工智能的發展重塑整個人文學科，日益成為了值得人文學科認真對待與嚴肅思考的問題。如果人工智能科學家建設了一個機器智能體，具備了人類的思考與行為的能力，它是如此接近我們，但卻又不是我們。那麼我們何以為人？我們從哪裡來？又将到哪裡去？這些問題的已有思考勢必将會因為人工智能的興起而被重新拷問。就我個人有限的學識來看，人工智能至少已經在嚴肅拷問人類藝術創造的本質、人類娛樂與審美的本質、人類語言理解的本質以及人類知識獲取的本質。這些問題已經涉及藝術、審美、語言、知識論等十分廣泛的人文學科。

對于人文學科而言，首先要積極主動地學習和使用人工智能等新興技術與工具。雖然數字人文、計算人文已經談了很多年，但總體上人文學科的計算工具是嚴重滞後于計算機或人工智能領域的研究進展的。人文領域仍需付出極大的努力來提升自己的計算水平和智能能力。

比如近期人工智能領域的語言智能在大規模預訓練語言模型的研究與應用方面取得了重大進展，機器一定程度上理解了人類語言，機器理解語言的這種方式不但可以為相關人文學科帶來革命性工具，也為相關人文研究帶來全新視角，對于曆史、語言、心理、政治、傳播等學科的影響是十分深遠的，但相關研究和應用仍然十分少見。

再比如說，近期人工智能領域的圖神經網絡技術取得顯著進展，對于捕捉複雜網絡系統中的隐性傳播模式具有重大意義，如果被用作一種傳播分析工具是有可能颠覆現有傳播規律的。深度僞造、輿情引導、價值認知等一系列新技術，不僅帶來便利的工具，更可能帶來全新的研究視角。

對于人文學科而言，更需要放下隐藏在内心深處關于人工智能會取代自己的不必要的擔憂。在人工智能賦能各行業的過程，一種隐秘的對抗來自于從業人員對機器取代自己的擔憂。但事實上，人工智能再怎麼發展，其本質仍舊是工具（注釋1）。工具是無法代替人的主體性的。目前人工智能仍是在單一任務上接近或超越人類，隻不過這份任務列表越來越長。在意識難題被解決之前，機器智能在整體性方面仍然難以達到人類水平。如果将智能的評測分解成一個個單一的任務，機器超越人類隻是時間問題，比如計算、遊戲、解題等等。但是，無數個單一任務的卓越能力也無法累積出人類智能所呈現出的整體性以及反思性特征。至少目前，我們是不會和一個機器談理想、談人生的。

事實上，人工智能在各領域的應用和發展仍然需要人類專家設置領域認知框架、反饋結果好壞、驗證知識對錯。對于人工智能的發展而言，人類專家是其學習的唯一來源。所以，人文學科的研究人員被技術代替，是個微乎其微的小概率事件。但是，掌握人工智能工具與技術的從業人員淘汰沒有能力使用人工智能的從業人員，是個大概率事件。所以，本質上我們不是被技術淘汰，而是被同時代對先進技術有着敏銳嗅覺的同類所淘汰。

我深信人工智能與相關學科的交叉與融合将是時代賦予人工智能學者的重大使命。人工智能的研究與發展絕不僅僅關系到機器的智能水平，更是關系到人類生存與發展的重大問題。人文與智能共舞不但帶來機器智能水平質的提升，也将刷新人類的自我認知。

注釋1： 不過需要十分警惕人工智能主體性自覺的誕生。科幻電影已經不止一次想象人類被自省自覺之後的人工智能所毀滅的故事。鑒于人類對自我意識的認識仍然十分有限，對人工智能的意識展開嚴肅思考、科學研究，并設置研究的倫理約束與法律規範，是必須的。如果讓我回答何時啟動這項工作，我的答案是現在。

責任編輯：李勤餘 圖片編輯：蔣立冬

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!