DeepMind 創辦人:AI 要展現出真正潛力,得從人類智慧中獲得更多靈感

作者 | 發布日期 2017 年 07 月 24 日 8:01 | 分類 AI 人工智慧 , 尖端科技 follow us in feedly

就在不久前,AlphaGo 在圍棋上打敗了人類最後的希望,身為創造 AlphaGo 軟體的公司 DeepMind 創辦人,Demis Hassabis 可以稱得上對人工智慧(AI)「略懂一二」。



這樣的 Demis Hassabis 近日提出了一個大膽的想法,他認為要讓 AI 展現出真正潛力的唯一方式,就是得從人類智慧中獲得更多靈感。

麻省理工科技評論(MIT Technology Review)報導,目前多數 AI 系統都是基於數學層面上設計,只有非常少的細節是由人腦工作方式啟發,但在這樣的情況下,不同類型的機器學習,像是語音或圖像辨識,就得仰賴不同的數學結構進行,得出的演算法也只能用來執行特定的任務。

其實打造出能執行一般任務、非面向特定市場的 AI,一直以來都是機器學習領域的願景,但事實上是,要將特定演算法擴展至通用領域,是難以置信的困難。其中部分原因可能是 AI 發展仍處於起步階段,像是好奇、想像力、記憶力這些人類特徵並不存在系統中。

Hassabis 認為,要讓 AI 突破現有的界限再往上提升,就必須更了解人類智慧如何運作,並將其應用在 AI 系統。近日發表在神經元(Neuron)期刊的論文中,Hassabis 和 3 位合著者解釋了這個想法。

論文指出,了解人類大腦的運作方式,將能幫助研究人員為 AI 系統設計更好的結構及演算法;其次,在建構及測試 AI 系統時,也更能幫助人們定義什麼才是真正的智慧。

Hassabis 在論文中透過介紹神經科學與 AI 發展的歷史,來幫助人們了解兩者間的交互作用,像是許多人曾聽過的深度學習(deep learning),就是透過人造神經元了解內容並強化學習,在錯誤中學習經驗,了解這些對神經科學都有很大的幫助。

論文指出,近期 AI 的研究方向比較沒有仰賴生物學,但想要進入一般生活領域,AI 需要學習更多人性化特徵,像是對現實世界的直覺理解,以及更有效率的解決方式。

Hassabis 認為要達到這個目的,最好的解決方法就是讓「人工智慧」與「神經科學」兩個研究領域互相交流思想,來促進雙方之間良性循環。

Hassabis 並非唯一有這種想法的人。紐約大學心理學教授、Uber AI 實驗室前主任 Gary Marcus 認為,通過運用兒童認知發展的研究結果,可以讓機器學習系統更往前一步。

但是人工智慧和神經科學已經是兩個非常大的發展領域,即使是成為其中一個領域的專家都很困難,更別說同時專精兩個領域。就像 Hassabis 接受採訪時說,最終還是得由雙方專家互相「翻譯」,才有助於找到兩個領域之間的聯繫。

(首圖來源:達志影像)

延伸閱讀: