* 首页 * 科学人 * 小组 * 问答 * MOOC * 在行 * 科学与生活 * 十五言 * 更多 + 知性 + 果壳精选 + 流言百科 + 任意门 ____________________ 搜索 登录 | 注册 科学人 * 热点 * 前沿 * 评论 * 专访 * 视觉 * 速读 * 谣言粉碎机 * 商业科技 * 学科 专访 电子 侯世达：大数据不美，没有品位，我不喜欢 大数据之美，人工智能的历史与未来发展，电脑能超越人脑吗？计算机的思考模式 侯世达 发表于 2014-03-05 08:09 果壳网：你使用谷歌翻译（Google Translate）阅读果壳网对道金斯的访谈文章。谷歌翻译是与你相对的研究思路的象征——大数据、产业AI、基本不涉及“思考”。你怎么看谷歌翻译 这个产品？它所代表的研究趋势有可取之处吗？你认为要解开人类思考运作机制的原理，关键在哪里？ 查看英文 Guokr: You used Google Translate to read our interview with Dr. Dawkins. Google Translate seems like a typical example that uses the opposite idea of your research — all big data, all industrial AI, hardly any “thinking”. What do you think of Google Translate? Do you think there is an upper limit to the trend it represents? If yes, where could it lie? Will your research helps to break the limit, and why? 侯世达：实际上，我并没有用谷歌翻译来看道金斯的访谈——我直接看的中文。我学中文很久了，虽然说不上流利，但我能读懂一些东西，尽管很慢。 但是，在说谷歌翻译代表了一种与我所持观点截然相悖的理念这一点上你说得很对。几十年前，刚刚兴起的人工智能领域强烈地吸引了我，因为我被“思考是什么 ”这个问题深深地迷住了。在上世纪70年代末80年代初那会儿，我开始设计我自己的AI研究项目时，我的全部动力皆来源于此。作为教授，我还开了一门人 工智能的课，虽然一开始我觉得我用的教科书还不错，但两三年以后我就彻底不抱幻想了。这些教科书里似乎装着些空洞的配方，做出来的东西虽然引人瞩目，但 都不是在模仿思考，而是绕过了思考。比方说，照着教科书，我教过学生下国际象棋的算法，其基础是名为“极大极小前探搜索α-β剪枝算法”的蛮力计算技术 。虽然这些技术都非常之巧妙，教起来相当的愉快，也由此带来了许多优秀的国际象棋程序，但它们显然跟国际象棋特级大师的头脑（甚或国际象棋初学者的思维 ）里发生的事情没有任何共同之处。由于意识到这一点，不出几年我就对普通AI失去了所有兴趣，而我自己的研究则变得全部建立在了跟我从AI教科书里看到 的和我教给学生的那些观点八竿子也打不着的技术上面。 查看英文 Actually, I didn’t use Google Translate to read the Dawkins interview — I read it in Chinese myself. I’ve studied Mandarin for a long time, and although I am by no means fluentin it, I can read some things, albeit slowly. You are quite correct, however, in saying that Google Translate represents a philosophy that is diametrically opposed to my own. Several decades ago, I was profoundly drawn to the very young field of artificial intelligence because I was fascinated by the question “What is thinking?” When I started devising my own AI research projects, back in the late 1970s and early 1980s, I was totally driven by this question. As a professor, I also taught a course on AI, and although at first I liked the textbooks I used, after a couple of years I was totally disillusioned. They seemed to contain empty recipes for achieving impressive goals in ways that bypassed thinking rather than imitating it. Thus, for instance, following the textbooks, I taught my students chess-playing algorithms based on a brute-force mathematical technique called “minimax lookahead with alpha-beta pruning”, and although such techniques were ingenious and quite fun to teach, and although they certainly led to excellent chess-playing programs, they clearly had nothing in common with what goes on in the mind of a grandmaster (or even in the mind of a human beginner). Because of realizations like this, I lost all interest in standard AI within a couple of years, and my own research became entirely based on techniques that had practically nothing at all to do with the ideas I had found in AI textbooks and had taught to my students. 从那时起，我在认知科学方面的研究一直是关于模仿微领域下的人类思维，譬如涉及字母串的“有样学样”领域（Copycat domain）。（在这里应当把字母看成26个从a到z拥有天然顺序的抽象体，而不是具体的形状或声音。）我相信思考牵涉到找出情境的本质，这一理念与 类比是认知的核心这一观点密切相关。基本上讲，这一观点认为当我们忽略表象，找到了新旧两种情境共有的深层核心本质，而将新的情境视为与之前的某个情境 （或某一类情境）“一样”时，就产生了类比。因此，微领域下的类比就是我过去30年一直在研究的东西。多年来，我想出了好多种不同的微领域，每一种都自 有其迷人之处，但为了简洁，接下来我单就“有样学样”领域谈一谈。 查看英文 Ever since then, my research in cognitive science has always been about imitating human thinking in microdomains, such as the Copycat domain, which involves strings of letters. (One should think of the letters as 26 abstract entities that have a natural order, running from a to z, rather than as physical shapes or sounds.) My belief that thinking involves finding the essence of situations is closely related to the idea that analogy is the core of cognition. The basic idea is that an analogy happens when we perceive a new situation to be “the same as” some previous situation (or class of situations) by ignoring superficial features and finding a deep central essence that the new and old situations share. Thus the study of analogies in microdomains is what my research has been about, for the past three decades. Over the years I have devised quite a few diverse microdomains, each of which has its own fascination, but for the sake of brevity, I’ll focus only on the Copycat domain. 这里给出一个学样领域中的典型类比问题，供果壳网的读者思考： 假如 abc 变为 abd，那么 icjjckkkc 该变成什么？ 实际上说它是“类比问题”容易引起误会，因为“问题”这个词暗含了它有唯一正确解的意思——但这个推论完全是错误的！其实该将上面这个句子称为“类比疑 问”或“类比疑难”，而且需要意识到它有很多不同的合理 答案，这些答案没有对错之说。好了，现在我再次希望每一位读者在读下去之前都尽力去想一个或更 多的答案。所以，现在请停止阅读！ 查看英文 Here is a typical analogy problem in the Copycat microdomain for Guokr’s readers to think about: If abc changes to abd, then what should icjjckkkc change to? Actually, calling this an “analogy problem” is misleading, since the term “problem” tends to suggest that it has a single correct solution — but that conclusion is totally wrong! In fact, one should call the above an “analogy question” or an “analogy challenge” instead, and one should recognize that it has a wide range of plausible answers, none of which is correct or incorrect. And so now, I once again encourage each of your readers to try to think of one or more answers to this challenge before going on. Therefore, please stop reading now! 好——我们接着说。我希望你至少想到了一个答案，要是想到了两个、三个甚至更多就更好了！下面是我就这个学样疑难想到的几个可能的答案： icjjck kkd、 idjjdkkkd、 icjjckkdc、 icjjcdddc、 icjjclllc、 icjjckkkkc 和 icjjcllllc。 （我还能列出更多，但有这些就足够了。）仔细检查你会发现，每一个答案都有它自己的“内在逻辑”自圆其说（例如，第一个答案将最右边的 c 变成了d， 可以说正好是 abc 变成 abd 时发生的情况）。不过，尽管每个答案都有“逻辑性”，但大多数人都还是会觉得有的答案弱一些、有的强一些或是令人信服，对他们而言，“最佳”答案拥有一 种难以捉摸、不可名状的审美意义上的“魅力”。你最喜欢哪个答案？你有没有想出跟我列的这些都不同的答案？如果有的话，那可真有意思了！ 查看英文 All right — let’s go on. I hope you found at least one possible answer on your own, and hopefully two, three, or more! Here are a few of my own possible answers to this Copycat challenge: icjjckkkd;, idjjdkkkd, icjjckkdc, icjjcdddc, icjjclllc, icjjckkkkc, and icjjcllllc. (I could list many more, but this will suffice for now.) As you will see if you inspect them, each one has its own defensible brand of “internal logic” (the first one changes the rightmost c to a d, for instance, which is arguably exactly what happened when abc changed to abd), and yet, despite the “logicality” of each answer, most people tend to see certain answers as weak and others as strong or even compelling, with the “best” ones having an elusive, ineffable, esthetic “charm” to them. Which answer do you prefer? Did you come up with one or more answers different from all the ones in my list? If so, that’s very interesting! 在上面所列的7个答案中，我最喜欢后面的3个，而且说实话，我也说不好哪一个我最喜欢。本能也好、直觉也罢，我认为 icjjckkkc 字符串里的3 个“c”只是一种“不重要的黏合剂”，起到分隔3个“更加重要的”部分——i、jj 和 kkk——的作用。我无法证明这一点，但我就是这么觉得。换句 话说，对我而言，9个字母的字符串 icjjckkkc “本质上”只是3个元素的字符串——i-jj-kkk——因此我需要转换的部分就成了最右边的 元素，即 kkk。（当然，我可以只改变最右边的 k，也就是上面第4个答案那样，但我认为这样改太丑了，所以我不这么做——即使我充分意识到这么做的 逻辑！）然后问题就成了，“如何改变 kkk？”当然，一种方法是将其在字母顺序上往前进一位（模仿 c → d 的转变），因此就有了 kkk → lll，对应的答案是 icjjclllc。另一种看问题的思路关注3组元素 i、jj 和 kkk 的长度——也就是关注其中暗含的数字模式“1–2–3”。这种数字模式正正好与字母模式 abc 对应，因此，试着像转换 abc → abd 那样，可以想到将“1–2–3”变成“1–2–4”，而这样就得出了 icjjckkkkc 这个答案。但还有一种可能，就是将刚刚提出的两种答案加起 来，于是乎不仅 k 变成了 l，3也变成了4，于是就得到了icjjcllllc。 好笑的是，有的人可能会认为这最后一个解是“给百合花镀金”。他们会说，“把 k 变成 l 可以，把3变成4也行，但把两个加起来一次都变就说不过去 了，这就跟在冰淇淋上洒辣椒粉或是画完蛇再添上足没什么两样。” 查看英文 In the list of seven answers above, my favorites are the last three, and to tell the truth, I’m not sure which of them I prefer. Instinctively or intuitively, I feel that the three c’s inside the string icjjckkkc are merely a kind of “unimportant mortar” serving to separate three “more important” items — namely, i, jj, and kkk. I can’t prove this, but it’s just how I feel. In other words, for me, the nine-letter string icjjckkkc is “essentially” just a three-element string — namely, i-jj-kkk — and so the item I wish to change is the rightmost one, namely kkk. (Of course, I could just change the rightmost k, as in answer #4 above, but to me that idea seems very ugly, so I don’t go for it — although I certainly recognize its logic!) Then the question is, “How to change the kkk?” One way, of course, would be to advance it alphabetically (mimicking the c→ d change), which would give kkk→ lll, which corresponds to the answer icjjclllc. A rival viewpoint focuses on the increasing lengths of the groups i, jj, and kkk — that is, it focuses on the hidden number-pattern “1–2–3”. Now this number-pattern corresponds very precisely and elegantly to the letter-pattern abc, and so, in trying to imitate the change abc→ abd, one is led to the idea of turning “1–2–3” into “1–2–4”, which would yield the answer icjjckkkkc. But there is a third possibility, which involves combining the two answers just proposed, so that not only does k become l, but also 3 becomes 4, so that one would get icjjcllllc. Amusingly enough, some people might call this last solution “gilding the lily”. They would say, “Letting k turn into l is fine, and letting 3 turn into 4 is also fine, but putting the two ideas together and doing both actions at once makes no more sense than combining chili peppers with ice cream, or adding feet to one’s drawing of a snake.” 你最喜欢哪个答案呢？我自己也不确定我最喜欢的，但我可以肯定我最终的选择——无论是哪一个——一定会是在我脑中举行的“审美比赛”的赢家。这个问题 关逻辑抑或真理，而是关乎美，也因此归结为品味。这种方式看待思考与大多数人工智能研究者在过去五六十年里所想的相去甚远。他们之所以不待见这个观点， 是因为从计算上去给审美品味建模实在太过模糊，而试图用逻辑或数学去模仿思考看起来又是那么的直截。然而，这些形式化的研究方法带来的是极其生硬的“智 能”，毫无洞见可言。在我看来，他们“冲着错误的树在吠”（译注：英谚，本意是猎狗以为把猎物追上了树、冲着树吠叫，但其实猎物已经逃到了另一棵树上。 比喻弄错了对象）。 查看英文 Which answer do you prefer? I’m not sure, myself, but what I can say for sure is that my ultimate choice, whatever it is, will be the winner in an “esthetic battle” taking place inside my head. It is not a question of logic or truth, but a question of beauty, which means it all comes down to taste. This way of thinking about the mind is a far cry from what most AI researchers have been thinking for the past 50 or 60 years, and it is unpopular among them because it is so unclear how to go about computationally modeling esthetic taste, whereas trying to use logic or mathematics to imitate thinking seems so much more straightforward. However, those formal kinds of methodologies have led to extremely brittle kinds of “intelligence”, lacking all insight. They are “barking up the wrong tree”, in my view. 我的研究小组叫做“灵活类比研究小组”（Fluid Analogies Research Group，FARG），这里的研究肆无忌惮地涉及了各种各样并排进行的相互竞争的微压力，其整体结构类似蚁丘。没错，我说的是计算模型，但与AI研究 中通常做的那些大相迥异，也跟神经网络十分不同。FARG系统（比如 Copycat、Tabletop、Letter Spirit、Phaeaco、Seqsee等）的智能是集合智能，每一种都是从成千上万种小得不能再小、微得不能再微的活动中净胜而出，单独看它们并 不是智能的。 我也强调一点，对待这里的“智能”一词当慎之又慎。我们的认知计算模型远远谈不上拥有真正的智能，就连在它们各自运行的那小小的微领域中也不行。它们经 常给出看上去很傻、让人笑掉大牙的答案，因为我们还没能将正确的机制或压力或品味赋予这些程序——而看着程序的这些失败我们是很高兴的，我们并不难过， 因为这令我们想起了人类思维那摸不着、参不透的美妙。而要是我们的任何系统真的在其微领域中获得了与人类相颉颃的智力，我们将痛心至极，因为那将是很可 怕的：这意味着人的智力并非如我们所想的那样复杂或深奥。这意味着短短几十年的研究就足够人类解开人类思维的奥秘，那，在我看来，将是一个悲剧。 查看英文 The research done in my research group, called the “Fluid Analogies Research Group” (FARG), shamelessly involves all sorts of micro-pressures competing with one another in parallel, in a kind of anthill-like architecture. Yes, I am speaking of computational models, but of a very different sort from what is standardly done in AI, and also very different from neural networks. The intelligence of FARG systems (such as Copycat, Tabletop, Letter Spirit, Phaeaco, Seqsee, and others) is collective and comes out of the competition among thousands of extremely myopic and tiny activities that are not at all intelligent on their own. And let me also stress that the word “intelligence” here has to be taken with a huge grain of salt. Our computational models of cognition are far from being truly intelligent, even in the tiny microdomains in which they operate. They often give hilariously silly-seeming answers to questions, because we haven’t managed to impart the proper mechanisms or pressures or tastes to our programs — and watching these failures of our programs delights us rather than saddening us, because it reminds us of the amazingly subtlety and elusiveness of the human mind. We would be profoundlly sad if any of our systems actually had attained human-level intelligence in its microdomain, because that would be scary: it would suggest that human intelligence is not nearly as complex or deep as we had thought. It would suggest that just a few decades of research had sufficed for humanity to unravel all the mysteries of the human mind, and that, to my way of thinking, would be tragic. 在FARG我们没有致力于开发实际的应用，诸如翻译引擎、答问机器、网络搜索软件此类的东西。我们只是在努力地理解人类概念的本质和人类思考的根本机制 。我们更像是哲学家或试图探究人类心智奥秘的心理学家，而非旨在制造聪明的计算机或机灵程序的工程师。我们是一群老派的纯粹主义者，我们的动力源于内心 深处的哲学好奇心，而不是制造实用设备的欲望（遑论赢得大笔金钱的欲望！）。 查看英文 We in FARG are not trying to develop practical applications such as translation engines or question-answering machines or Web-search software or anything of the sort. We are simply trying to understand the nature of human concepts and the fundamental mechanisms that underlie human thinking. We are more like philosophers or psychologists trying to probe the secrets of the human mind, rather than engineers trying to make clever computers or smart programs. We are old-fashioned purists who are driven by a deep philosophical curiosity, not by the desire to make practical devices (let alone the desire to make huge amounts of money!). 思维的类比：面对这么多不同的形状，人类还是能很容易就判断出这是字母“A”。在这种纷繁多样之下，有着怎样的抽象机制？侯世达，“On seeing A's and seeing As”，SEHR, volume 4, issue 2: Constructions of the Mind，Updated July 22, 1995 果壳网：丹尼尔·丹尼特（Daniel Dennett）曾说过，人脑和电脑的差异可能在于电子元件不像神经元那样“竞争”，二极管不会为了电力而求生。你觉得硬件上的差异重要吗？人工智能依 赖于硬件这样的物理机制吗？ 查看英文 Guokr: Daniel Dennett once remarked that diodes don’t compete for resources like neurons do, so computer never face true struggle, and will never actually “want” anything. Do you think such a hardware difference matters? Does AI depend on certain underlying physical mechanisms? 侯世达：我没见过丹尼特的这句话（顺便说，丹尼特是我的好朋友、合著者——三十多年前丹和我一起编撰了《思维的自我》［The Mind’s I］这本书，我们合作非常愉快！），我不知道对此有何看法。我自然明白其背后的思想，但我不确定真正的思考是否真的依赖于细到神经元层面甚或更下层的处 理过程。要说“思考确实有赖于所有那些非常细粒、非常底层的生物硬件”，这种观点本身当然是可以想象的；但在我看来，同样完全可以想象，思考依赖的是某 个更高层的潜认知处理过程，而那些较低层的东西，比如神经元和神经递质，仅仅是思考可能的基质之一。丹尼特可能会认为，倘若有人想创造一台思考机器，神 经硬件是不可或缺的——但我对此观点表示怀疑。但假如他真的这么说了，那我很好奇，如果我们造出了拥有数千亿神经元的极度精确的计算机网络，他会作何评 价。在这个模型里不会有物理上的神经元，只有千亿复杂数据结构以微妙的方式相互触发，其行为方式和神经元完全一样，但物质组成却丝毫不同。我认为如果这 个模型能通过图灵测试，那么丹尼特（和约翰·塞尔［John Searle］不同，后者因他的“中文屋”［Chinese room］思想实验而出名，但我认为这个思想实验从头到脚漏洞百出）肯定会非常高兴地说它是真正在思考，它有意识、它说出的话和人类说的话一样充满了意 义。我也会！ 查看英文 I haven’t seen this remark by Dennett (who, by the way, is a close friend and co-author of mine — Dan and I joyfully wrote and edited The Mind’s I over 30 years ago!). I don’t know what I think of it. I certainly understand the spirit behind it, but I’m not sure whether genuine thinking really depends on the nature of processes all the way down at the level of neurons or even below that. Of course it’s conceivable that thinking really relies on all that kind of biological hardware at a very fine-grained level, but to me it’s also perfectly conceivable that thinking relies on subcognitive processes at a somewhat higher level, and that the lower levels, such as neurons and neurotransmitters, are just one possible substrate for thinking. Dennett may have come to the conclusion that neural hardware is absolutely indispensable if one is trying to create a thinking being — but I somehow doubt it. If he really did say this, though, then I wonder what he would say about the idea of an extremely accurate computer model of a network of a hundred billion neurons, where there was no actual physical neuron, but just billions of complex data structures that triggered each other in subtle ways, acting exactly like neurons but made out of completely different stuff. I think that if such a model were able to pass the Turing Test, then Dan Dennett (as opposed to John Searle, famous for his “Chinese room” thought experiment, which I think is riddled with flaws, from top to bottom) would be perfectly happy to say that it was carrying out real thinking and that it was conscious and that what it was saying was as filled with meaning as what human beings say. And so would I! 继续阅读：果壳专访侯世达 * 之一 侯世达谈思考 * 之二 侯世达谈人生 本文版权属于果壳网（guokr.com），转载请注明出处。商业使用请联系果壳 收藏 | 推荐 (10) 发表评论 你可能感兴趣 * 侯世达：我宁愿当个独立思考的人，不总是站在人们注意力的最前端 侯世达：我宁愿当个独立思考的人，不总是站在人们注意力的最前端 * 认知偏差：人类是怎样通过犯错误来适应世界的？ 认知偏差：人类是怎样通过犯错误来适应世界的？ * 【果壳网专访】集异璧作者侯世达：关于思考，我一直在思考 【果壳网专访】集异璧作者侯世达：关于思考，我一直在思考 * 两性关系的6大误区，哪些你曾深以为然？ 两性关系的6大误区，哪些你曾深以为然？ 热门评论 * [48] 2014-03-05 17:25 HAL9001 Hofstadter一直以来都是做Learning by Analogy的，在机器学习领域这一派出现的时期比Statistical Learning流行的年代早了二、三十年，可以说是符号主义人工智能(Symbolic AI)的一个远古派系了。 就跟人类学习飞行一样，最初能做的只有模仿。因此古代才会出现各种仿生的振翅飞行器，直到后来翅膀才渐渐的演变为固定翼。后来也出现了火药、热 气球、内燃机等等各式各样的飞行器。 人类开始人工智能的探索时无非做的也是一样的事。符号逻辑学派希望从抽象角度上模拟人类思维，借助数理逻辑——人类思维的一个数学抽象——来描 述和模仿人类本身的思考；神经网络(包括现在的deep model)——人类大脑的客观模拟（当然大脑是不是真的这么工作谁也不知道）——企图从分子级别来模拟思维的客观形成过程。现在大数据时代的 到来无疑给上世纪八九十年代才开始爆红的统计机器学习提供了一片丰厚的土壤，因此目前的主流方法都是试图从统计和概率推断的角度来模拟（说“实 现”可能更恰当）人类的思维。 这些学派无非只是探索过程中不同的路径而已。类比一下飞行的例子，神经网络就像振翅机，符号逻辑就像固定翼，统计模型就像火药和内燃机。这些东 西各有各的优点和弱点：符号逻辑学派的归纳学习在学习关系型数据上的能力有天生的优势（自然语言的语法解析、planning中很多规则学习系 统以及很多知识库推导归纳都以此为基础）；神经网络变成深层模型后在底层特征表示和特征抽取上取得很大提升（谷歌学猫脸和现在语音识别的例子） ；统计机器学习在做分类、排序任务上的强大就更加不言而喻了。就像机器学习里一条著名定理一样，天下没有免费的午餐，也没有一种手段可以完美解 决所有问题，人类思维不也有各种缺陷么。从实用角度来说，现在我们对人工智能还完全摸不到方向的时候学会对症下药才是最好的。 至于究竟哪个更美，人人都有自己的判断。我和侯先生一样是喜欢符号主义的，现在工业界普遍也看好深层神经网络，更多学术界的人则喜欢统计学习。 不过就连统计学习这一派里也有针尖对麦芒的贝叶斯和非贝叶斯流派（这倒是统计学遗留下来的历史问题……），互相认为对方的东西“天生”就丑得站 不住脚。 我想象中最终实现的人工智能会是集中各派别优势的一个结合物，就像飞机和火箭虽然有发动机和燃料也要翅膀和稳流翼一样。统计推断目前来看很难代 替逻辑推理。就像侯先生举的例子一样，对于有明确答案的问题，大数据+统计无疑是个好方法。可是如果没有标准答案呢？让机器去随便证明一条定理 ，统计学习的科学家们连一个loss function都不知道怎么写。 对我来说，人工智能实现的道路有多种多样，美和丑更是个人喜好，纯实用主义的好坏判断也没啥意义。重点是自己相信哪条路，坚持自己的品位不断地 往下走就是了。这方面侯先生绝对是我们的榜样。 顶 [22] 评论 * [48] 2014-03-06 11:22 von_Touchpad 这就属于装怪了…… 吃不起松露，也不让人吃面条，因为面条没有美感 顶 [3] 评论 显示所有评论 全部评论(33) * [48] 1楼 2014-03-05 08:29 冰火梦幻 我也有这个感觉！现在利用大数据实现的AI属于旁门左道。 顶 [1] 评论 * [48] 2楼 2014-03-05 08:32 水源君-istic 美学可以通过模型化的模拟认知判断的时候也许就不能称之为美学了吧。。。 顶 [1] 评论 * [48] 3楼 2014-03-05 08:40 冰火梦幻 引用文章内容：好笑的是，有的人可能会认为这最后一个解是“给百合花镀金”。他们会说，“把 k 变成 l 可以，把3变成4也行，但把两个加起来一次都变就说不过去了，这就跟在冰淇淋上洒辣椒粉或是画完蛇再添上足没什么两样。... 潜意识提供供筛选的答案（灵感火花），意识负责在潜意识提供的灵感里挑选“最像答案的一个”，可惜这也不是意识所长。所以意识只能再求助潜意识 ，在潜意识提出的N个答案里面找出一个“貌似最佳”的答案，意识无法理解所谓的貌似最佳是怎么算出来的，于是只能尝试为潜意识给出的最佳答案提 供一个理论，全然不顾还存在另一个理论，能推导出另一个（或另一些）答案最佳。主要是因为如果意识选择了不同于潜意识给出的“最佳答案”的另一 个答案，潜意识就会开始发飙，控制内分泌让你不爽。和减肥的人看到冰淇淋或拉面然后转身离去时纠结万分的感觉差不多。 这就是目前人脑面对有多个独立因素的选择问题时的处理过程……前几天我总结了篇日志。 顶 [0] 评论 * [48] 4楼 2014-03-05 08:47 冰火梦幻 引用文章内容：而要是我们的任何系统真的在其微领域中获得了与人类相颉颃的智力，我们将痛心至极，因为那将是很可怕的：这意味着人的智力并非如我 们所想的那样复杂或深奥。 所以人工智能界才有这么一句话（忘了哪里看到的，没准就是GEB里）：AI就是尚未被实现出来的技术。和罗辑不想知道伊甸园在地球的哪里一样， 智能之美来自其可远观而无力（unable，NOT shouldn't）亵玩的状态…… 顶 [2] 评论 * [48] 5楼 2014-03-05 08:51 冰火梦幻 引用文章内容：继续阅读：果壳专访侯世达 两篇链接都是404你懂的。 顶 [1] 评论 * [48] 6楼 2014-03-05 08:54 冰火梦幻 话说这两天好开心啊，天天都有偶像侯世达的饕餮大餐o(≧v≦)o 顶 [1] 评论 * [48] 7楼 2014-03-05 11:21 李大牛 说得真好…… 顶 [0] 评论 * [48] 8楼 2014-03-05 12:25 N个自由度 引用文章内容：在这个模型里不会有物理上的神经元，只有千亿复杂数据结构以微妙的方式相互触发，其行为方式和神经元完全一样，但物质组成却丝毫不 同。 如果某一天，人类仿照人脑的运行方式创造了一模型，它能够思考，但不是因为内在的逻辑结构或者算法，而仅仅是因为它有着和人脑一样的物理结构， 这样我们还能称之为“人工”智能吗？这种感觉就像我们仿照细胞的结构创造了一个人造细胞，他因为有了这样的结构才有了细胞的功能，而不是我们为 了实现功能而创造了结构。 顶 [0] 评论 * [48] 9楼 2014-03-05 13:57 方程 应用数学专业ψ 呃，突然蛮感兴趣，对 AI 而言「喜欢」是什么意思？ 顶 [0] 评论 * [48] 10楼 2014-03-05 14:02 缅茄之猫 为啥Chinese room是个大bug呢。它不符合侯世达对AI的定义，但本身作为一个思想实验还是自冶的？ 顶 [0] 评论 * [48] 11楼 2014-03-05 14:48 cutnuts 我的答案跟他的都不一样~~~~ 顶 [0] 评论 * [48] 12楼 2014-03-05 15:20 pencilstart 的确，我以前也偶尔会想这个问题 ，觉的困难在于，计算是CPU与内存放开存放的。这其中必然涉及交换数据的瓶颈，因为存贮位置与计算单元是分开的。这与人脑不同。人脑的每个突 触即有计算单元，又有数据单元。 如果计算要仿真这种情况不是不可以，但那需要OS支持10亿级以上的线程。每一个线程模拟一个突触。分布式OS会在低层屏蔽新建突触线程与分配 突触位置的调度任务。这是一个大工程。每一个突触线程完成就是大脑同样突触完成的任务。如果存在这么一个结构的互联网大脑，再采用神经网络进行 培训，之后，这些神经元会开始转向自我学习，最终对人类反而是很大的威胁。不是说互联网掌握在7个人手上么（加上备份就是14个人），如果某天 这个SKYNET掌握到这个秘密，就可以控制机械电子，杀掉其中一对。就可以认人类从此回到石器时代。 顶 [0] 评论 * [48] 13楼 2014-03-05 15:24 pencilstart 另外我认为，我们对于真正的AI，不应去教它如何识别什么是什么，因为那是人类经过思考的方法。 而应只定下类似于接收反馈接收反馈接收反馈接收反馈的神经网络学习方式，让思考成为本能，让AI发展出AI自我的认知与学习方法。这种方式可能 是人类无法理解的。 顶 [1] 评论 * [48] 14楼 2014-03-05 15:27 嗨_裘德跪数学 虽然不美，没品位。。。 但是管用啊！而且基于统计学习的AI 进化成天网的风险很小吧？ 顶 [0] 评论 * [48] 15楼 2014-03-05 16:47 乱作一破团 hdiidjjjd 不知有没有人像我这样想。 顶 [1] 评论 * [48] 16楼 2014-03-05 17:25 HAL9001 Hofstadter一直以来都是做Learning by Analogy的，在机器学习领域这一派出现的时期比Statistical Learning流行的年代早了二、三十年，可以说是符号主义人工智能(Symbolic AI)的一个远古派系了。 就跟人类学习飞行一样，最初能做的只有模仿。因此古代才会出现各种仿生的振翅飞行器，直到后来翅膀才渐渐的演变为固定翼。后来也出现了火药、热 气球、内燃机等等各式各样的飞行器。 人类开始人工智能的探索时无非做的也是一样的事。符号逻辑学派希望从抽象角度上模拟人类思维，借助数理逻辑——人类思维的一个数学抽象——来描 述和模仿人类本身的思考；神经网络(包括现在的deep model)——人类大脑的客观模拟（当然大脑是不是真的这么工作谁也不知道）——企图从分子级别来模拟思维的客观形成过程。现在大数据时代的 到来无疑给上世纪八九十年代才开始爆红的统计机器学习提供了一片丰厚的土壤，因此目前的主流方法都是试图从统计和概率推断的角度来模拟（说“实 现”可能更恰当）人类的思维。 这些学派无非只是探索过程中不同的路径而已。类比一下飞行的例子，神经网络就像振翅机，符号逻辑就像固定翼，统计模型就像火药和内燃机。这些东 西各有各的优点和弱点：符号逻辑学派的归纳学习在学习关系型数据上的能力有天生的优势（自然语言的语法解析、planning中很多规则学习系 统以及很多知识库推导归纳都以此为基础）；神经网络变成深层模型后在底层特征表示和特征抽取上取得很大提升（谷歌学猫脸和现在语音识别的例子） ；统计机器学习在做分类、排序任务上的强大就更加不言而喻了。就像机器学习里一条著名定理一样，天下没有免费的午餐，也没有一种手段可以完美解 决所有问题，人类思维不也有各种缺陷么。从实用角度来说，现在我们对人工智能还完全摸不到方向的时候学会对症下药才是最好的。 至于究竟哪个更美，人人都有自己的判断。我和侯先生一样是喜欢符号主义的，现在工业界普遍也看好深层神经网络，更多学术界的人则喜欢统计学习。 不过就连统计学习这一派里也有针尖对麦芒的贝叶斯和非贝叶斯流派（这倒是统计学遗留下来的历史问题……），互相认为对方的东西“天生”就丑得站 不住脚。 我想象中最终实现的人工智能会是集中各派别优势的一个结合物，就像飞机和火箭虽然有发动机和燃料也要翅膀和稳流翼一样。统计推断目前来看很难代 替逻辑推理。就像侯先生举的例子一样，对于有明确答案的问题，大数据+统计无疑是个好方法。可是如果没有标准答案呢？让机器去随便证明一条定理 ，统计学习的科学家们连一个loss function都不知道怎么写。 对我来说，人工智能实现的道路有多种多样，美和丑更是个人喜好，纯实用主义的好坏判断也没啥意义。重点是自己相信哪条路，坚持自己的品位不断地 往下走就是了。这方面侯先生绝对是我们的榜样。 顶 [22] 评论 * [48] 17楼 2014-03-05 17:30 帕慕克 侯世达一定研究过 维特根斯坦 顶 [0] 评论 * [48] 18楼 2014-03-05 17:47 MooerFoes 侯先生的话都这么酷，希望有一天自己能达到看得懂他的教材的地步 顶 [0] 评论 * [48] 19楼 2014-03-05 19:04 Robbin898 好多语言学的内容~ 顶 [0] 评论 * [48] 20楼 2014-03-06 00:52 方凌云 我的答案是odoodbbbd ... 顶 [0] 评论 * [48] 21楼 2014-03-06 09:50 RaistlinZW 我觉得大数据就是一种经验主义，在无法准确判断基本原则的时候，将表层的联系认定为原则，并且使用之。 嗯，类似于中医（或者说很多的古老科技）。 它不像科学理论那样，在有了最初的试验数据之后，接下来可以通过推导，预言新的事实情况。 还是拿中医做类比吧。 它也像中医一样，需要一点人为干预（有经验的老中医，有经验的数据分析人员） 它也像中医一样，需要一点受众的忍耐（中医同一个方子不同的人体质不同效果也不同，谷歌翻译同样一段话，有英文底子的和没英文底子的看的效果也 不同） 总之，它也像中医一样，允许结果有一定的误差，然后靠人来弥补。 顶 [2] 评论 * [48] 22楼 2014-03-06 10:21 RaistlinZW 关于人工智能。 我觉得我们的智能是经过亿万年演化得来的，它能成为现在的样子，经过的发展流程有个特性，就是“没有目的”。没有目的的演化，没有目的的改变， 最终成了现在的样子，我们只是凑巧活到了现在。起始活到现在这个事情，并不是生命的意义啊，生命没啥目的性。比如：某个生命，我就想做个完美的 正方体，虽然这个身体只能让我活一秒，我也是完美的，比起繁衍上亿年的不规则生命来说，我才是真正的幸福。 如果制造人工智能的目的，是“帮助人类更好（以目前人类的角度）的完成某样事情”，是做不出和人一样的智能的，只能做出机器。 直到今天，我们的智能变得这么复杂，但是它依然允许我们“犯错”，多大的错都行，自然界容不容的了你，那是自然界的事情。所以我们不可能做出的 人工智能，做出来也没有意义，因为他“帮”不了我们，甚至不能帮制造者证明他做出了和人一样的人工智能。 顶 [1] 评论 * [48] 23楼 2014-03-06 11:22 von_Touchpad 这就属于装怪了…… 吃不起松露，也不让人吃面条，因为面条没有美感 顶 [3] 评论 * [48] 24楼 2014-03-06 15:35 时光孤岛5187172 很独特，我在门外 顶 [0] 评论 * [48] 25楼 2014-03-06 19:50 泰德子 人机手谈小组管理员ψ fluentin -应该是fluent in 第一段回答的原文漏了空格 [7e2ea99egw1du0by6k9ieg.gif] 另外Mandarin推荐翻译成普通话。 顶 [0] 评论 * [48] 26楼 2014-03-07 23:46 小脑袋的思考 之所以有此文，皆因人人不懂深入思考，本文所突出的不是深入探讨，而是发扬思考魅力，鼓励大家思考！ 来自果壳精选 顶 [0] 评论 * [48] 27楼 2014-03-08 09:45 凉拌茶叶 ID屌炸天 顶 [0] 评论 * [48] 28楼 2014-03-08 09:46 凉拌茶叶 我就不明白了，为啥这种文章的评论竟然没有翻页！？ 顶 [0] 评论 * [48] 29楼 2014-07-01 19:41 眼前此刻 又回到了最原始的问题上，开发出人工智能的意义何在？现在人工智能的研究对人类来说只是极小部分人的好奇心的驱使，并非是迫在眉睫的需求，没有 道德问题，没有正义非正义，还是空中楼阁。 顶 [0] 评论 * [48] 30楼 2014-07-04 21:09 事与愿违 大数据的途径的确有点像是作弊一样，比如以常说2050年时候机器人球队会战胜人类赢得世界杯。如果以古典的逻辑模拟来做人工智能就像是一群比 人类还要灵巧的机器人选手，他们通过各种复杂炫目的团队配合和花哨的射门赢过人类，而采用大数据的方法就像是弄出11个数吨重的坦克一样的巨型 设备（对应机器翻译的上万亿条训练集）最后用蛮力将足球生生推进球门！ 顶 [0] 评论 * 1 * 2 * 下一页 * 末页 * 首页 * 上一页 * 1/2 * 下一页 * 末页 显示所有评论 你的评论 请 登录 发表评论 侯世达 侯世达 作者的其他文 * 侯世达：我宁愿当个独立思考的人，不总是站在人们注意力的最前端 * 【果壳网专访】集异璧作者侯世达：关于思考，我一直在思考 [ZQkqB0rvqHNVBjPA4QQSM5sstYPtA0T3GnaY_b2vwgqyAAAAsgAAAEpQ.jpg] 更多科研事,扫码早知道 关于我们 加入果壳 媒体报道 帮助中心 果壳活动 免责声明 联系我们 移动版 移动应用 ©2015果壳网 京ICP备09043258号-2 京公网安备1101052730