人工智能与人类思维的异同

标签:人工智能
分享到:

关于人的思维(包括理性与心灵)究竟是什么的问题,一直是困扰哲学巨匠与科学大师的难题。虽然哲学两千年来对此有过很多推测,但都不能自圆其说,最终都只能去拜神或变相拜神了。科学对人脑的探索,目前也还希望渺茫。

2019年出版的《重识哲学----从情感迈向理智》对于人类思维是什么?来自哪里?该去何方?进行了有益的探讨,也大体上回答了丹尼尔·丹尼特提出的上述问题。今年笔者因受友人启发,对人工智能的关注渐多,发现人工智能的研究思路,与《重识哲学》提出的隐性情感思维不谋而合。两者若能相互借鉴推挽前行,不失为一个可贵的契机。

1、人类思维

在懂得计算机的人中,现在有很多人了解人工智能。虽说人工智能来自对人类思维的模仿,但却很少有人知道,人是如何进行思考的,尤其是对无意识的隐性思维,更是知之甚少。《重识哲学》经过始于单细胞生物感觉的详实论证后指出,人和其它高等动物,无论遇到任何事物,都是依据记忆中,以往处理此事时的行为,曾带给他(它)的感觉,来进行判断的,快感将导致行为重复,痛感将导致行为规避。从单细胞生物,到多细胞生物,再到动物,最后到人,无一例外。

生物只有把所遇事物、行为和感觉捆绑记忆,并依据记忆进行判断,才能有效生存。动物必须能够分清、注意、记住,曾给自己带来强烈快感或痛感的东西。否则,不是耽误了觅食,就是耽误了逃生,结果只有灭亡。微生物进化到高等动物后,单一的快感或痛感已经演变成了更为丰富的情感。高等动物必须也只能依据情感,进行无意识的注意、归类、记忆和判断。

在拥有语言之前,人类早已拥有了其它高等动物也具备的,无意识的注意、归类、记忆、判断、归纳与演绎等,无意识的隐性情感思维。这些能力是先期人类和其它高等动物生存所必须的,没有这样的能力,它们就无法生存。人的情感是人唯一的价值体系,情感强度是人唯一的价值尺度。

人类独有的语言和有意识的显性理智思维,都是在这些隐性情感思维的基础上,为了辅助情感思维,而逐渐发展起来的,所以很自然,显性理智思维一直受着隐性情感思维的支撑与支配。人类的思维包括了,无意识的隐性情感思维和有意识的显性理智思维。显性理智思维是以语言为支撑的,以隐性情感思维作为出发点和方向的,有意识的逻辑推理。

代表人类的理智源自语言。人类形成的原因有直立行走、制作工具、用火、劳动和语言等,这其中每一步也许都是必须的,但是,其中最重要的因素是语言。正是因为有了语言,1、人的思想意识才变成了人间的存在,2、才能定义出无法以隐喻为依托的,高度抽象的大量概念,3、才能扩充表象间的联系,4、人才能够有效长时地聚焦自身的注意力,5、才能增强人的抽象记忆力,6、才能形成由语言支撑的有意识思考,7、有意识的理智思维才能进行有逻辑的深入推理,8、人类才有了高效的社会交流。

因为有了高效的社会交流,人类的知识与智力得到了极其快速的倍增式提升,使人类智能飞速地跨越了,数亿年的进化历程,变成了具有理智的智能人。虽然理智思维受到情感思维的支配与支撑,但是理智思维对于情感思维也具有强有力的反作用。

正是语言成就了人类的理智,超群的理智正是人类与其它动物的根本区别,人类现在是世界上唯一依靠理智思维生存的文明生物,正因如此人是最依赖社会的社会物种。人性区别于畜性的根本在于,人性是利己本能与利他本能的依存、对立与统一。人间的根本差别也在于,有些人利他本能多些,有些人少些,从而形成了各不相同的情感价值观。

人类思维的根本依据是自己的情感价值观,它形成于言行成败带来的快感与痛感的累积。情感价值观可以被理智认同的理论价值观所改造,值得注意的是,这个改造非有大的情感冲击难以成功。高度抽象地看,人就是惯性体,思维与言行的惯性体,这个惯性就来自情感。

人的情感价值倾向最终是由人的情感价值观决定的,这是每个人最根本的价值观。这个价值观形成于自幼至今所有的实践感受,包括所有对自身有意识显性思维的感受,这其中就包括了反思、交谈、听讲、读书或观看时的显性思维。

情感思维支配与支撑理智思维,理智思维改造情感思维。这样的理论很好地解释了,世界上所有人的观念都有差别,人们的思想都在不断变化,和人类虽都有理智思维但每人所想并非完全一致,等实际存在的现象。

每个人的知识分别来自,自身实践的感受、反思的感受和从与他人交流中得到的感受,与他人交流包括了交谈、听讲、阅读与观看等等。人的知识可以被用于显性理智思维也可以被用于隐性情感思维。

人们在谈意识时,大多是指思想意识,或可长时持续的、有意识的显性思维,而不是其它高等动物也具备的短暂无意识的注意。人在每天遇到的无数事物中,偶尔会注意到某个事物,这个注意产生于头脑中无意识的相似比较,只有这个比较触碰到曾经情感强烈的记忆时,人才会产生注意并开始联想。这个注意是人类独有的可持续的有意识注意,也就是所谓的意识,这个联想就是人的思想意识,是由语言支撑的、有意识的显性理智思维。

人类联想的起点就是显性理智思维的出发点,产生于隐性情感思维;从联想开始,沿着思维方向,每个人的头脑中才会展开显性理智的逻辑推理,逻辑仅能保证思维方向的单一性。人的思维方向就是人的情感价值倾向,也就是人的情感取向,或称意向性。比如有些人的情感倾向很阳光,有些人的情感倾向很阴暗;有些人认为利最重要,有些人认为义最重要;有些人遇事会往积极的方向去想,有的人遇事会往消极的方向去想。

联想起始点也就是直觉,由于直觉产生于无意识情感思维,人们一直感觉很神秘。人在遇事后无意中关联到的记忆,就是在头脑已有的数个相关记忆中,曾给自己带来最强情感冲击(正负价值最高)的记忆,或最常用(还是价值最高)的熟悉记忆。如果这个记忆的情感足够强烈,就会引发注意,这个记忆就是联想的出发点或联想。这也就是在遇到同样的事物时,不同的人会有不同联想的原因。因为在此之前,不同的人有过不同的人生经历与感受积累,就会具有不同的情感思维,从而带出不同的理智思维。

联想既有顺序推论,也有倒序推论,既有可行推论,也有不可行推论,既有归纳也有演绎,既有猜测、假设也有追问。猜测就是对依据重要性顺序联想到的数个假设(可能),进行的推论。追问就是要追究为什么的为什么的为什么,就是寻找原因的原因或前提的前提,也是对猜测进行的猜测。

在逻辑推理的过程中,人类还会相继产生一些与某节点相关的联想。有些人的所谓逻辑混乱,其实不一定发生在推理当中,很多情况的原因就是,他们在这些节点上的联想,偏离了论证应该行进的方向或最重要的方向。也就是说,他们的情感倾向,偏离了最有实际价值的方向。也就是俗称的,“分不清孰重孰轻”。

人类的理解就是把新遇到的事物、观念或理论与自己记忆中的相似知识进行比较,这个比较既牵涉情感思维也牵涉理智思维,进而形成记忆中原有知识对于新遇见识的解释。解释通了就是理解了,解释不通就是没理解。对于深刻问题,只在表面解释通了属于简单理解,能够深入数层的解释属于深刻理解。每个人最原始的知识,形成于婴儿时期亲身实践的感受。

人类的理智思维依赖于概念,概念的原始出处就是动物的归类行为。虽说人类的理智思维依托于概念,但是每次理智思维的起点并非是由概念开始的,也不是严格按照概念分类的脉络行进的。正如上面所说,人类思维的起点和方向都取决于隐性情感思维,人的情感在思维中起着决定性的重要作用,甚至作用到理智推理当中的各个节点。

由于情感是人的价值体系,实际上人的思维归根结底是对价值的判断。任何价值(意义、贡献、重要性)都是相对于参照物而言的,不存在任何绝对的价值。情感价值的参照物是每个人自己,对自身而言,能够形成强烈快感或痛感(感觉、感受、情感)的价值就高,感觉不强烈的价值就低,还有很多不能形成感觉的,就是没有价值。

然而,人的情感时常也会欺骗人。因为人的产生情感的依据是情感价值观,价值观的正确与否决定了一个人感觉的对错,此外,即使价值观正确,人们也会受到眼前暂时小利或威胁的诱导,因而产生错误的感觉,再或者有些人根本就看不到长远或重大的利益或威胁。

上述这些观念,正是哲学几千年没有搞清楚的哲学的根本问题。因此也使得人工智能,只能在黑暗中摸索,甚至即使摸到了,也不知其所以然。今天的人工智能,的确是在模仿人类的思维,也确实一步一步地验证了如上所述的人类思维。

2、机器思维

通常研究哲学的人搞不懂人工智能包含的深奥科技,而人工智能的研究者更多的是专注人工智能框架下的解决方案和技术突破。两边都很少有人,深入探讨双方实质上可能靠拢的途径。现在我们不妨仔细提炼一下,把人工智能所做的工作与人类的思维,在更抽象的层面上进行一下高层对接。

总的来说人工智能是,先将某些事物的要素及其关系数字化,再用各种模仿人类思考的模型及相应的算法,逼近或实现人类的智能。人工智能现在的主攻领域主要有两个,一个是深度学习,一个是强化学习。

深度学习运用的是神经网络及一些相应的算法,各类算法解决了数据要素提取与筛选,也成就了神经网络的学习过程。神经网络模拟了人类大脑神经元的网络结构,神经网络的学习过程模仿了,人类学习中的反复摸索和无意识归纳。神经网络经过学习,就可以找出各要素对于学习目标的价值(权重)了。这些权重虽然未必被显示出来,但实际上它们已经存在了,并会在以后的辨别中发挥决定性作用。

深度学习主要是归纳探索,事物某方面特性的各个相关决定性要素,以及各要要素之间的关系,也就是归纳各个决定性要素对于形成事物某特性(目标)的贡献、意义或价值(权重)。深度学习就是学习各要素对于已知目标的重要性(权重),最终找到并记住最重要的各个决定性要素及其相关价值(权重)。

强化学习就是,模拟了人类以感受奖惩学习成果的奖励机制,抽象出来的模型。深度强化学习运用神经网络、算法和强化学习模型,把各种算法运用于数据要素的提取与筛选、神经网络和强化学习模型,将所有策略路径到达目标后的最终奖励,合理分布到其每一步动作上,得到每一步动作应得的奖励,也就得到了每一步动作对于目标实现的价值。

强化学习主要是依据一系列策略路径完成后的得失(奖惩),探索各种策略发展路径上每一步决策或动作的利弊,从而对比确定某个事件的最佳策略发展途径。强化学习就是演绎探索各种可能策略路径上的每步动作,对于目标得失的重要性或贡献。最终发现并记住,最佳策略路径以及沿途所有动作或决策。

从对深度学习与强化学习的抽象中不难看到,深度学习与强化学习的实质与情感思维高度一致,它们都是围绕达成目标的要素和目标与要素间的关系(权重),进行的运算或思考。人工智能之所以成功,也正是因为它恰好踩到了“价值”,这一人类隐性情感思维的核心逻辑之上。

3、各自的优劣及发展

无论是深度学习还是强化学习,都是利用构成事物的各要素对于事物的意义来运算的,这一点与人类情感思维的工作模式完全吻合。神经网络模仿了人类大脑神经元的构架,而神经网络训练则模仿了,人类反复摸索要素价值的归纳过程。强化学习模型的奖励机制,与生物动作成败所获快感与痛感完全一致。

深度学习类似于人类对于事物构成要素及意义的反复摸索。人和其它高等动物的大脑,都具有极强的归纳能力,它们可以在反复的实践中抓住,目标在多次反复中表现出来的共性。对于任何事物,人的头脑通过五官多次反复的感知过程,可以无意识地归纳出,事物各组成要素对于事物判断的重要性。

强化学习模拟了,人类和其它高等动物以情感的感受来奖惩成败行为的模式。人类和其它高等动物一样,依据情感进行无意识判断,依据判断决策动作,动作的成败对人的感觉形成奖惩。成功带来快感,失败带来痛感。

人的学习每一次都会得到奖惩,对每个人来说,每次学习的结论与感受不一定完全正确,甚至完全不对,这个奖惩也不一定准确,甚至可能是错的。人对事物的每次认识,往往只是大体的正确,并非真正的正确。人类是依靠多次或众人的大量累积,获得的大量可比结果,才会最终比较得出某个方面的知识。强化学习归结了常人在某件事上一生的学习,乃至是很多人终生的学习,甚至超越了几代人的学习。

在人类头脑的记忆中,所有知识都含有与之相关的情感因素以及相关知识的关系。这个情感因素也就是人在获得这项知识时自己的感受,这个感受就是这项知识对于本人的主观重要性(重视程度)。本项知识与相关知识的关系,也包含着关系的权重(相互的重要性)。

每个人学习任何一项知识,都涉及从一生所有实践经历(包括读书或交谈)中获得的感受。每次遇到比较重要的相同事物,人都会刷新他已有的旧知识,这个刷新有可能是增加、削弱或反转。当新知识带来的感受足够强烈时,就会刷新脑中这项知识在所有知识中的价值地位。不仅如此,这些重要性还会随着本人各项知识的逐渐增加或改变而变化,也就是说某项知识在人脑中的地位是变化的。

需要注意的是,在遇事初起引发注意的情感依据,就是对此事此时的感受,它很可能已经随着其它知识的改变而转变了,不再是原来此项旧知识形成时的感受了。所有这些变化,都是在人的无意识状态中发生的。正因为如此,人脑中的知识才可能是一个知识的整体,人也才可能是一个意识的整体。这一点大概正是当前人工智能所欠缺的。

人工智能解决某个问题时,是一次性解决了人在一生中多次学习得到的这个知识点,或是对该问题之多人多次实践结论的一次性总结。而且,结论更加正确或精准。人工智能的这个特点,目前其实也有其缺陷,那就是此次学习如果片面,就会一直存在缺陷,再无改正的机会了,再或者,此结论再也不会随着条件的改变而变化了。

人工智能为了改进这一点,可能需要在构建知识网络(库)时,附加每项知识间的连接及其相对价值。其实在机器学习的过程中,机器已经掌握了所学知识与其组成要素(其它知识)的关系与权重(价值),但是,在各项学得的知识之间,还没有建立相关关系及其相对价值。如此这般人工智能就只是学会了各个单项知识涉及的关系,而不能像人脑那样形成一个完整的知识整体。

在人类社会中,有些人是明白的、理智的或明智的,也有些人不明白、不理智或不明智。通常在人群中,真正很明白、很理智或很明智的人,只是极少数。大多数人的一生都行走在大致正确或从众的轨道上。哲学到今天都不明白,每个人并非依据正确活着,而是依据自信活着。无论这个自信的正确与否,自己都会有意无意地确信它是对的;无论一个人被认为多么不自信,他都是自信的,不然,他就不会有任何行动了。

人的错误似乎发生在不够理智,根源却在情感价值观,这是因为人类思想的出发点和方向是由情感倾向决定的。常听人说某人的逻辑混乱,实际上差错往往不是发生在逻辑推理上,而是他思维的出发点,不在该问题价值最大的地方,或者,他思维的方向就不对。同样的错误,照样也会发生在逻辑推理过程中的各个节点之上。

在单一问题的处理上,人工智能已远强于很多不明智的人。实际上,很少有人能够准确把握问题,或能真正正确区分轻重缓急。任何人无论其多么理智,他的思想也必然依赖和受限于他自己的情感。参加围棋比赛的高手,都是人中顶级的理智之人,人机围棋赛的最后结果,就说明了人类思想的局限性。

在与他人打交道的时候,人还会猜测对方的思路,猜测得对就会赢得先机或得到对方的好感。从理智的角度看,要猜得对,需要正确把握对方流露出来的准确信息。对于人工智能来说,这些背后或许还隐藏着某些未知。

人类在竞争或博弈当中,会权衡敌我的优势与劣势,机会与威胁,价值与风险,人工智能现在似乎还没有做这样的对比评估,更没有进行评估后的取舍。勇敢之所以是人类的优秀品质,这是因为人类的很多进步,都是在勇敢的尝试中获得的,胜利者由此获得的快感也是超乎寻常的。

在前面谈人的情感思维时,有一点十分重要,这就是:人的情感是人唯一的价值体系,情感强度是人唯一的价值尺度。真正理解这一点,对于人工智能的发展也许会有所启发。这一点告诉我们,人的所有思想就是在做关系(价值)比较(判断),比较的依据就是,情感表达(代表)的,事物相对本人的价值(关系、权重)。人类思想就是在做价值比较,这就是人类寻找了几千年的人类的逻辑。所谓相对价值正是任意两者之间的关系(权重),而这一点已经在深度学习和强化学习中得到了很好的应用,树立了很好的榜样,这一点也必将继续带动人工智能的深入发展。相信会有具备高度理解力的专家学者,可以依此前行,实现卓越超群的科技突破。

继续阅读
普京:未来10年应在所有领域大规模推广人工智能

11月25日,俄罗斯总统普京表示,未来10年的任务是确保大规模推进人工智能,它应该涵盖经济、社会领域的所有部门和公共管理系统,人工智能领域的成就将在很大程度上决定俄罗斯未来在世界上的地位。

人工智能在物联网分析中的价值

在亚洲的许多地区,季节性暴雨带来洪水,破坏公民的财产和生计。过去,城市管理部门、市民和企业除了抵御洪水及其带来的潜在疾病外,几乎什么都做不了。而物联网(IoT)、机器学习(ML)和人工智能(AI)等技术可能会为更具前瞻性的领导者提供喘息的机会。

深耕电网人工智能,烽火助力电网数字化、智能化建设

当前,新一轮科技革命和产业变革突飞猛进,以人工智能为代表的新兴科技快速发展,在社会各行业和各领域的运用范围不断扩展。人工智能技术对于解决电网系统所含有的复杂非线性、不确定性、耦合性、多变量等特点的问题具有较好的适应性和灵活性,对于提高电网的运行效率,提高其安全可靠性以及数字化、智能化水平能起到重要作用。

人工智能助科学家“听诊”珊瑚礁

近年来,由于气候变化,尤其是全球变暖以及海水温度升高,导致珊瑚礁出现大片白化现象。在本届联合国气候变化大会上,海洋生物学家利用人工智能给珊瑚礁“听诊”,帮助科学家判断珊瑚礁的健康状况。

未来城市可视化!人工智能城市规划与交互模式探索

随着信息化技术的发展,如今的城市已经步入了一个“大智移云”(大数据、智能化、移动互联网、云计算)的时代,各种技术紧密结合在一起,不仅大大改变着城市居民的传统生活方式,而且有望掀起新一轮产业变革。

精彩活动