人工智慧與人類的鴻溝：電腦的智慧和人腦哪裡不一樣？－《了解人工智慧的第一本書》

2016 年 08 月 16 日

人物Ｘ趨勢

編按：人工智慧的發展已漸漸成熟，不再只是電影中的虛構情節，本文選自該書《了解人工智慧的第一本書：機器人和人工智慧能否取代人類？》的第六章（人工智慧會超越人類嗎：深度學習之後還有什麼），說明人工智慧在理解人類概念上的瓶頸，以及電腦要如何產生創造力，是否可能打造出一個人類與人工智慧之間可以溝通無礙的世界？

人工智慧不具有本能

大家很容易以為，人工知識再發展下去，會變成和人類擁有同樣的概念、像人類那樣思考，甚至和人類一樣擁有自我、擁有欲望，但事實上並非如此。

首先，在電腦自行找出特徵量或概念，而不是人類把它們當成「知識」教給電腦的深度學習中，電腦所創造出來的「概念」，其實和人類所擁有的「概念」，可能是不同的東西。

人類在辨識貓咪時，是把「眼睛或耳朵的形狀」「鬍鬚」「整體的形狀」「叫聲」「毛的紋路」「肉球的柔軟度」這些東西當成「特徵量」使用，但電腦或許是從截然不同的「特徵量」來掌握貓咪這個概念的。以我的立場來說，就算電腦是使用人類尚未語言化或尚不知道的「特徵量」辨識貓咪，那也沒有什麼關係。

感測器（輸入）的等級不同時，本來就不應該得到同樣的「特徵量」。要是電腦讀取的是人類看不到的紅外線或紫外線、小到看不到的物體、移動得快到看不到的物體、人類聽不到的高音或低音，或是只有狗狗才聞得出來的氣味等資訊，從中描繪出來的，會是一個人類所不知道的世界吧。在這樣的狀況下成立的人工智慧，或許會擁有不同於「人類智慧」的另一種智慧，但它照理來說依然是「智慧」，毫無疑問。

人類會說話，尤其是會使用「文法」，以文句的形式描述事物、撰寫文章。那麼，文法又是怎麼得到的呢？知名語言學家諾姆．杭士基（Noam Chomsky）說，人類天生就懂文法（普遍文法）。我的想法也與此相近。

假設此時電腦必須運用在深度學習一得到的特徵表達，向其他人類傳達某種資訊。主要應該表達的是，敵人是否迫近啦，有沒有食物啦之類的目前狀況。此時，電腦要如何把某個人類看到的「景象」轉達給其他人類知道呢？

當然，可以像電腦在轉寄圖片時那樣，從左上角的那一點開始，一個像素一個像素地逐步說明下去。但這麼做實在太沒效率了吧。既然已經學會抽取概念，善加利用似乎比較好。有效率的描述，可以想像得到會是這樣的內容：

「畫面的正中央為 X，X 是人類，是我朋友。Y 在他的附近，那是一隻獅子。而且 Y 現在很生氣。」（也就是說，自己的朋友快要遭受到獅子的攻擊了。

就是像這樣，將資訊逐一「編碼（符號化）」再記述出來。至於接受的那一方，只要持有與之對應的解碼器，就能重現與原始資訊相近的東西。也就是說，不同人類之間，若要降低還原錯誤，就採用某種「基於關係」的描繪方式，會比較有效率。假如人類運用自己天生就懂的文法結構來充當描繪手法，那可是一點也不奇怪。總之，人類的腦子裡，與生俱來就備有一套「用於描繪的方法」。

而且，這套描繪手法就算不像深度學習那樣，有其數學上的邏輯性，也不打緊，只要兩個以上的個體對它有共識，那就可以。這就像是在我們講電話時，都會在對話的一開始說「喂喂喂，我是○○」這樣的話，但並無特別的用意在。「喂喂喂」只是表達「開始通話」的信號，接著自報姓名說「我是○○」，也是很普通的事，只要雙方都知道就行。
從這個角度來看，描繪恐怕並無固定的手法，只要其中一種方法是人類天生就懂，那麼在沒有把它內建到電腦之前，電腦或許很難學到和人類同樣的文法。

另一個重要的因素是「本能」。但講到本能就和大腦有關，重點在於，會對什麼事物感到「愉快」或是「不愉快」。
在人類得到的概念中，不光是為了追求資訊的重建錯誤最小化而已，很多時候都會因為「愉快」或「不愉快」而決定了方向。例如，對於自己喜歡的遊戲或漫畫，就熟到不能再熟。對於自己熱衷的運動，再怎麼細微的部分，都能理解狀況。像這樣的情形，屬於人工智慧的領域中所認知的「強化學習」。它的機制是，在收到某種報酬時，就會強化造成該結果的行為。而在強化學習時，重要的是報酬是什麼，也就是什麼導致了「愉快」，什麼導致了「不愉快」。