AI時代,人類的學習特點及其優勢:《人之彼岸》選摘(1)

2018-05-20 05:10

? 人氣

作者認為,故意犯錯很多時候是在體驗自主的樂趣。有時候犯的錯誤需要糾正,但有更多時候,錯誤沒有任何關係,而是開啟了另外一道門。(資料照,取自新浪科技)

作者認為,故意犯錯很多時候是在體驗自主的樂趣。有時候犯的錯誤需要糾正,但有更多時候,錯誤沒有任何關係,而是開啟了另外一道門。(資料照,取自新浪科技)

人類學習的最菁華特點,凝結在孩子身上。

人工智慧時代,當我們越來越熟悉機器學習,我們也就越來越對人類孩子的學習充滿驚嘆。如果沒有和人工智慧對比,我們可能還察覺不到這種不尋常的能力。

人類的學習從嬰兒期就開始,一直持續到成年,甚至終身。與AI的學習方法相比,人類孩子的學習有一系列非常獨特的學習特徵,與人工智慧相比,有下面幾個明顯的特別優勢:

@小數據學習vs.大數據學習

孩子是小數據學習。與人工智慧對比,小孩子的學習能力高效得驚人。人工智慧學習認鴨子,需要看數百萬張鴨子的圖片,小孩子只需要看兩三張就夠了,下次就能認出來。而且不僅僅是生活中有可能出現的熟悉的事物,小孩子看圖片認袋鼠、無尾熊--北半球的小孩子可能從來沒機會見到真的──也是一樣高效。

這種能力與「抽象認知」能力相關。人類記住某些事物,是以非常抽象的方式提取關鍵特徵,記憶成「模式」。這是如何做到的,現在還是謎。預言學家雷.庫茲韋爾猜想,人類記憶「模式」是存儲在大腦的三億個柱狀結構中。且不管他的猜想是不是正確,我們只要知道人類的這種模式識別能力的強大,就足以發出感嘆。

到目前為止,電腦「深層學習」仍然需要海量數據,人工智慧對每一件事的學習都要足夠多的數據支援。因而很多人說「未來最寶貴的資源將是數據」,如果得不到足夠的數據,人工智慧就很難發展。對於一些有海量現存數據的領域,這是自然而然的事情,例如金融、醫療;但是人類社會生活還是有諸多領域缺乏足夠多數據紀錄,人工智慧一時就很難習得。對人情世故的理解也往往受限於數據。人類擁有「從經歷中學習」的能力。當一件事發生,做為單一的事件數據,人類就能學習到很多規律。在事件學習方面,人類不僅不需要很大的樣本數據,就可以「吃一塹長一智」,甚至可以超額學習,也就是「舉一反三」。

@聯想學習vs.邏輯學習

人類的思考總是充滿聯想跳躍。我們通常認為走神是缺點,但其實也是優點。人工智慧學習一個領域的知識,會局限在這個領域內,按照這個領域內的數據,尋找相關聯繫,尋找因素之間的相互影響。如果存在邏輯規則,人工智慧學習毫無難處。人工智慧在一個領域內得到的知識很難聯想或類比到其他領域,因為它們並不具備多個領域的知識記憶。

人類的語言裡充滿類比和聯想。當我們說起時代變化,我們說「風起雲湧」的時代,表明時代的劇烈變化;當我們說起事態嚴重,我們說「山雨欲來」,暗示即將有大變化。天氣和我們討論的政治經濟趨勢毫無關係,但是所有的這些比喻之所以能成立,是因為人能注意到事物背後相似的部分,這些相似性也很抽象,如風雲的變幻感和趨勢感,這種相似性人工智慧難以想到或理解。

類比並不僅僅是文學修辭,它是我們的思維方式,在知識領域同樣有用。我們的知識發展很大程度上是靠類比和聯想。邏輯演繹能保證我們在一個領域內推導出真知,但是根據哥德爾不完備定理,一個領域內總有一些基礎公理是不能自我推導的。這就是說,每個領域至少有一些基本假設,要「無中生有」,而「無中生有」的來源,往往是從原有的領域類比而來。

有價值的類比實際上是發覺深層的結構,外在的資訊無關,不意味著深層的機理無關。愛因斯坦的廣義相對論,由自由落體的電梯類比而來,把整個地球類比於電梯,得到了令人瞠目結舌的對宇宙的新知。電梯和宇宙結構之間的關係,就是用跨領域聯想找到深層原理。

@習慣化學習vs.重複學習

小孩子總是三分鐘熱度,一件事情喜歡上兩天就不喜歡了。要是人工智慧,我們可以讓它念唐詩念上一年都不厭倦,但小孩子能堅持三、五天就很了不起了。

厭倦來自一種心理學特徵:習慣化。習慣化是指:大腦對於新奇的刺激有本能的興奮,人的注意力喜歡追隨新奇刺激,一旦一個新鮮資訊變得習慣了,大腦就感到厭倦,不再加以注意。嬰兒身上就展現出這種特徵,心理學家給三、四個月大的嬰兒看螢幕上的畫,如果是他覺得奇特的,他就目不轉睛盯著看,如果是已經看得習慣的畫,他就不怎麼看了。科學家就是用這種方式測定嬰兒的本能知識。

習慣化反映了大腦的學習過程。「注意力」是大腦的稀缺資源,大腦總是要把注意力「投資」在最最值得的地方。一旦一個知識學會了,融入了自己的知識框架,大腦就要把注意力投資到其他地方。習慣化實際上就是學會之後的注意力轉移。這種習慣化也正是形成「常識」的過程。大腦有常識體系,一旦一個資訊是「反常識」的,大腦就加以注意,新知識變成常識的一部分之後,注意力就向其他新知識轉移。大腦注意力永遠向新異資訊轉移,這種傾向實際上是創新的本能。

人工智慧學同樣的知識、做同樣的練習,永遠都不會厭倦,好處固然是永遠可靠地工作,但問題在於,如果注意力永不厭倦地放在已經學會的知識上,還有什麼動力去學習新知識?有很多人說,人類大腦的「自動化」過程是一種懶惰,但實際上,它是「自動化」舊過程,以便搜索新資訊。大腦就是在學習與搜尋的過程之間永恆切換。這是創新的推動力。

@試錯學習vs.優化學習

人工智慧學習的過程,是在尋找最優解。而人類小孩會犯錯,甚至會故意犯錯。AI會小步試錯,但最終目標始終是尋找全局最優的解答。它不斷根據最終的答案調整步驟,直到所有參數都有利於獲得最佳答案。人工智慧計算永遠都是可靠的,每次提出同樣的問題都得到同樣的解答,如果不特意安排它出錯,它不會出錯。

小孩子的思路走不了那麼遠,他更多是從現狀出發,東試一下,西試一下。有的時候,嘗試的過程中他發現了另外的問題,給出另外的答案,不一定是最優解,但會帶來新的洞見。另外一些時候,他故意做錯,只是覺得按照另一種方式做更有意思。

故意犯錯很多時候是在體驗自主的樂趣。有時候犯的錯誤需要糾正,例如:二加二不等於五,但有更多時候,錯誤沒有任何關係,而是開啟了另外一道門。

《人之彼岸》立體書封。(遠流提供)
人之彼岸》立體書封。(遠流提供)

*作者郝景芳為2016年雨果獎中短篇小說獎得主,得奬作品為〈北京折疊〉。1984年生,小說作家,經濟研究員。2002年進入清華大學物理系學習,2013年獲得清華經濟學博士學位。曾出版長篇小說《流浪蒼穹》、《生於一九八四》,短篇小說集《孤獨深處》。創立兒童通識教育專案「童行計畫」。

關鍵字:
風傳媒歡迎各界分享發聲,來稿請寄至 opinion@storm.mg

本週最多人贊助文章

你可能也想看