古希臘哲學(xué)家德謨克利特曾言，“我寧可找到一個(gè)因果的解釋，也不愿意成為波斯人的王”?？梢?，推理能力，是人類智能的重要體現(xiàn)。目前，盡管人工智能在語音、圖像識(shí)別等特定領(lǐng)域、特定類別下，水平已經(jīng)比肩甚至超過人類，但對(duì)日常生活中的事情進(jìn)行推理，AI卻是一籌莫展。

例如，電影《教父》里有這么一個(gè)場(chǎng)景：一個(gè)黑手黨對(duì)糕餅店老板說：“這個(gè)店太漂亮了，但是如果有一把火把這個(gè)店燒了，那就太可惜了。”顯然，這句話背后的意思，不是勸老板準(zhǔn)備好消防設(shè)備，而是恐嚇老板趕緊交保護(hù)費(fèi)。這個(gè)結(jié)論對(duì)人而言是顯而易見的，但對(duì)于AI則很難理解。再如，張三問李四：“你最近忙嗎?”李四回答道：“我眼圈黑得可以扮熊貓了。”對(duì)于AI來講，李四的回答和張三的問題是風(fēng)馬牛不相及的兩句話。

目前AI缺乏因果推理能力

“目前AI所學(xué)的語料庫里，只涉及數(shù)據(jù)之間的相關(guān)概率，而沒有數(shù)據(jù)之間的因果關(guān)系;更關(guān)鍵的是，AI算法里很少包含推理的模塊。”8月24日，清華大學(xué)心理學(xué)系和腦與智能實(shí)驗(yàn)室教授劉嘉在北京智源人工智能研究院舉行的“人工智能的認(rèn)知神經(jīng)基礎(chǔ)”重大研究方向發(fā)布會(huì)上指出，而在人的大腦里有專門的認(rèn)知結(jié)構(gòu)來進(jìn)行推理以尋找因果關(guān)系。事實(shí)上，人類隨時(shí)隨地都在尋找事件的因果解釋，甚至?xí)岩恍┩耆珶o關(guān)的東西關(guān)聯(lián)在一起。可以說，因果推理是人的一種本能行為。

有人說，今天的人工智能是大數(shù)據(jù)+深度學(xué)習(xí)+大算力，未來的人工智能就是更多的數(shù)據(jù)、更大的算力加上改進(jìn)的機(jī)器學(xué)習(xí)算法。這么說對(duì)嗎?“這么說并沒有真正回答問題，屬于線性思維。深度學(xué)習(xí)在人臉識(shí)別等方面取得重大進(jìn)展，但并未真正解決感知問題，例如對(duì)抗性圖片可以欺騙人臉識(shí)別系統(tǒng)，這不是個(gè)案，而是揭示了深度學(xué)習(xí)的根本性缺陷。因此，人工智能未來發(fā)展的關(guān)鍵不是簡(jiǎn)單提高算力和增加數(shù)據(jù)，而是要重新思考智能模型。”北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系教授、北京智源人工智能研究院院長(zhǎng)黃鐵軍表示。

什么是智能?“我認(rèn)為智能是系統(tǒng)通過獲取和加工信息而獲得的一種能力，從而實(shí)現(xiàn)從簡(jiǎn)單到復(fù)雜的演化。比如說動(dòng)力系統(tǒng)，汽車、飛機(jī)通過油和電等能量進(jìn)行運(yùn)動(dòng)，但這不是智能，如果一個(gè)系統(tǒng)能夠獲取信息并通過加工信息獲得能力增長(zhǎng)，它就是智能。”黃鐵軍說。

黃鐵軍表示，作為智能載體的系統(tǒng)可以是有機(jī)生物體，也可以是無機(jī)的機(jī)器，包括計(jì)算機(jī)。寄托在有機(jī)體上的智能稱為生物智能，以機(jī)器為載體的智能稱為機(jī)器智能。而把人工智能理解為“人工設(shè)計(jì)制造的智能”是偏頗的。

借鑒生物智能拓展研究途徑

“生物智能研究是腦科學(xué)的一部分，屬于自然科學(xué)范疇。如同其他自然科學(xué)一樣，大腦作為研究對(duì)象基本是穩(wěn)定不變的，人類的進(jìn)化不會(huì)在幾十、幾百年有多大變化。大腦是已知的最復(fù)雜的系統(tǒng)，所以腦科學(xué)常常被稱為自然科學(xué)的最后疆域。”黃鐵軍指出。

機(jī)器智能是技術(shù)科學(xué)的前沿，黃鐵軍表示：“因?yàn)槿斯ぶ悄苓@種系統(tǒng)的復(fù)雜程度是隨著人類的設(shè)計(jì)、開發(fā)以及環(huán)境的互動(dòng)變得越來越復(fù)雜，所以機(jī)器智能的研究對(duì)象是一個(gè)不斷擴(kuò)展變化的對(duì)象，我認(rèn)為智能科學(xué)是技術(shù)科學(xué)無盡的開放疆域。”

“生物大腦是億萬年進(jìn)化的產(chǎn)物，機(jī)器智能沒必要也不可能再?gòu)念^進(jìn)化一遍，而是應(yīng)該在生物大腦的基礎(chǔ)上向前發(fā)展。”黃鐵軍表示。例如，目前的機(jī)器視覺采用攝像頭和計(jì)算機(jī)算法，雖然取得了很好的效果，但是存在計(jì)算復(fù)雜度高、成本高等問題。黃鐵軍團(tuán)隊(duì)研制的新型視覺傳感芯片仿照生物采用脈沖方式表示視覺信息，不需要大算力就能完成超高速視覺任務(wù)，成果表明可從結(jié)構(gòu)和機(jī)理上模仿生物大腦，再通過光電系統(tǒng)特性大幅提高性能，這是人工智能未來發(fā)展的重要途徑。

據(jù)介紹，北京智源人工智能研究院在2019年發(fā)布的5個(gè)研究方向中，將“人工智能的認(rèn)知神經(jīng)基礎(chǔ)”作為2020年首個(gè)重大研究方向，旨在將神經(jīng)科學(xué)、認(rèn)知科學(xué)和信息科學(xué)進(jìn)行交叉融合，加強(qiáng)人工智能和腦科學(xué)的雙向互動(dòng)和螺旋發(fā)展，揭示生物智能系統(tǒng)的精細(xì)結(jié)構(gòu)和工作機(jī)理，構(gòu)建功能類腦、性能超腦的智能系統(tǒng)，以視覺等功能和典型模式動(dòng)物作為參照物測(cè)試智能水平，為人工智能未來發(fā)展探索可行道路。

劉嘉表示，從認(rèn)知神經(jīng)的角度考慮，理解智能有3個(gè)層級(jí)，硬件層面、表征與算法層面以及計(jì)算目標(biāo)層面。對(duì)應(yīng)到生物智能中，分別是腦神經(jīng)結(jié)構(gòu)與功能、生物神經(jīng)網(wǎng)絡(luò)模型以及認(rèn)知模型。課題組將分別從3個(gè)層面進(jìn)行研究：生物基礎(chǔ)、網(wǎng)絡(luò)模型、生物視覺。其中，將圍繞“生物視覺的認(rèn)知神經(jīng)基礎(chǔ)”用多種腦成像的方法，探究大腦的精細(xì)結(jié)構(gòu)、闡明生物視覺的認(rèn)知功能和計(jì)算架構(gòu);進(jìn)行“AI的腦解析”，利用認(rèn)知神經(jīng)科學(xué)的研究方法打開人工智能(深度學(xué)習(xí)網(wǎng)絡(luò))的黑盒子;探索“類腦的AI”，基于生物視覺認(rèn)知的研究成果，構(gòu)建類腦視覺信息處理的模型與算法。

“以認(rèn)知神經(jīng)為基礎(chǔ)，人工智能將進(jìn)入一個(gè)新的發(fā)展軌道，盡管它的發(fā)展不會(huì)像大家想象那么快，因?yàn)楹芏嗉夹g(shù)挑戰(zhàn)需要解決，但只要方向?qū)︻^，速度還是比較快的。”黃鐵軍表示，“如果要實(shí)現(xiàn)類似生物那樣的智能，我認(rèn)為各種人工智能探索途徑最終都將收斂到生物大腦模型上。”

三學(xué)科交叉融合探尋生物智能本質(zhì)

在自然界中，我們看到生物智能可以實(shí)現(xiàn)很多目標(biāo)。那么，生物智能是怎么工作的?

據(jù)介紹，生物界中，線蟲神經(jīng)元的數(shù)量是302個(gè)，果蠅是25萬個(gè)，斑馬魚為千萬級(jí)，小鼠接近1億，絨猴是10億級(jí)，獼猴差不多百億級(jí)，而人有860億個(gè)神經(jīng)元。雖然這些生物體神經(jīng)元之間數(shù)量差別達(dá)億倍，但是它們都能夠滿足生存需要——獲得食物，逃避危險(xiǎn)，繁殖后代。劉嘉指出，盡管不同的生物在智能的高低上存在差異，但是無論是幾百個(gè)神經(jīng)元的線蟲，還是有千億個(gè)神經(jīng)元的人類，他們都具有人工智能夢(mèng)寐以求的通用智能。所以，從生物智能的角度來看，通用智能并非一定要依賴于非常多的神經(jīng)元來實(shí)現(xiàn)，而是神經(jīng)元通過某種規(guī)則的組合。

但是，生物智能底層的規(guī)則是什么，現(xiàn)在尚不清楚。劉嘉強(qiáng)調(diào)，“這些規(guī)則是可以通過研究來獲取的。在過去的幾十年里，研究者分別從三種不同角度探究智能的本質(zhì)：一是自下而上的生物學(xué)視角，它是忠實(shí)于生物神經(jīng)基礎(chǔ)的仿真;二是自上而下來構(gòu)建抽象的認(rèn)知模型，以認(rèn)知科學(xué)為核心。三是最近興起的折中之路，以深度神經(jīng)網(wǎng)絡(luò)為代表的在仿真與模型之間計(jì)算科學(xué)的道路。”

劉嘉介紹說，今后的研究方向是把神經(jīng)科學(xué)、認(rèn)知科學(xué)和計(jì)算科學(xué)做深度的交叉。而人工智能的突破可能就在這三個(gè)學(xué)科的交叉點(diǎn)——它現(xiàn)在雖然是一個(gè)無人區(qū)，在技術(shù)和范式上有很多未知，存在很多挑戰(zhàn)，但是充滿希望。為在這個(gè)交叉點(diǎn)開展工作，必須要有一個(gè)底層的支撐，這就是生物智能開源開放平臺(tái)。

具體而言，研究人員準(zhǔn)備構(gòu)建一個(gè)多尺度、多精度、多模態(tài)的開源開放平臺(tái)，把生物神經(jīng)數(shù)據(jù)、行為范式數(shù)據(jù)、認(rèn)知過程及表征數(shù)據(jù)，以及相應(yīng)的生物、計(jì)算和認(rèn)知模型等放進(jìn)去。在這平臺(tái)之上，吸引更多的人加入進(jìn)來，探索智能的本質(zhì)，構(gòu)建關(guān)于智能的理論。

關(guān)鍵詞：