MIT神经科学教授：人工智能如婴儿大脑可不断学习

本篇文章1655字，读完约4分钟

想象一下，如果有一天，冰箱向你抱怨工作时间太长，或者要求加薪，你会认为这很糟糕。

在谈到人工智能时，麻省理工学院的神经科学教授罗伯特·德西莫内给记者举了一个例子，他接受了《中国商报》的独家采访。

在他看来，人工智能的最大用途是让机器变得有用，而不是变成另一个人。

在现实生活中，我真的没有看到很多人把电脑模仿人脑作为他们的最终目标，更多的人想用人工智能来帮助人类完成某些任务。例如，智能汽车、智能相机、智能冰箱等。许多设备在配备了智能功能后可以实现更好的价值，但是我们不期望它们变成人类。

在这背后，罗伯特·德西莫内认为人工智能就像婴儿的大脑。婴儿可以被视为一台学习机器，学习世界、如何做、学习策略等等，这与阿尔法戈的模型相似。

无人驾驶是一种趋势

事实上，人工智能的发展在过去很长一段时间里并不涉及深度学习或强化学习。例如，当你买一台电视，一台智能电视，它的所有程序都是预设的，所以它不会自己学习。

然而，人工智能在未来的应用将不再局限于我们目前的智能电视和智能冰箱的意义，而是将教会他们如何自学。这包括给他们提供学习材料，创造学习氛围等等。德西蒙教授说:你需要建立程序来告诉计算机如何获取这些信息，以及如何利用它们来开发新技能。这是未来的方向。

毫无疑问，人工智能获得的数据越多，学习效果就会越明显。德西蒙告诉记者，不同的任务需要不同数量的数据。根据我现在做的视觉识别(视觉识别是教计算机识别物体)，你需要有清晰标记的物体。例如，如果你想让机器识别一只猫，你需要大量关于猫特征的信息，而且越多越好。

例如，对于不久前击败韩国棋手李世石的阿尔法围棋，德西莫内教授认为，由于围棋是一种非常复杂和困难的棋类游戏，不可能通过学习如何移动来取胜，所以几乎不可能将围棋的所有移动都存储在内存中，也没有必要看棋盘。

阿尔法围棋的优势在于，它将学习策略和如何玩围棋，而不是预先在电脑中预设所有的动作。德西蒙将人工智能比作婴儿的大脑:它与人脑的学习过程非常相似。因为你知道婴儿可以被认为是一台学习机器，婴儿应该了解世界，学习如何去做，学习策略，等等。这类似于阿尔法戈的模型，婴儿不能被预设。

除了Go，德西蒙认为无人驾驶汽车是一个很好的例子，因为实现无人驾驶汽车的唯一方法就是给它提供大量的信息，教它如何辨别行人、交通信号和路况。这些都是基于软件平台的学习系统。目前，无人驾驶汽车的发展技术在理论上是可以实现的，但问题是如何使汽车在实战环境中有意识地辨别物体。

据德西蒙教授介绍，他最近谈到了如何在与汽车公司的高管交流时培养汽车的判断能力。例如，当许多汽车在十字路口时，你应该有能力判断其他汽车会像人类一样做出什么反应。你不能说就在那里等着，直到所有的车都走了。也就是说，如果无人驾驶车辆不能在模糊的条件下做出判断，那么这项技术就不能满足上路的要求。

它必须通过不断学习人们在操作汽车过程中的反应来提高自己的反应能力。当然，无人驾驶汽车只是一个例子，还有许多其他有用的设备可以极大地增强人类学习后的作用。德西蒙说。

人脑和计算机是相连的

虽然人工智能目前还没有达到人脑的智能水平，但这并不意味着它们在未来也不会达到人脑的智能水平。

就像婴儿的大脑无法与成人的大脑相比，但是你完全有可能把它训练到更高的水平。德西蒙教授说。

在他看来，人工智能目前还不能达到人类的水平，这可能是因为它还没有进入某些领域，经历过某些阶段，触及到某些问题。阿尔法戈就是一个很好的例子，这是未来人工智能漫长旅程的第一步。

如果人工智能系统通过用人脑解决问题来处理信息，它们会变得更聪明吗？

在德西蒙教授看来，计算机没有必要完全以人类的方式来处理问题，比如无人驾驶汽车。没有规定无人驾驶系统应该完全模仿人类的驾驶行为，它也可以有自己的辨别方式。

然而，不可否认的是，我们的实验已经证明，让无人驾驶系统以人类思维模式驾驶汽车是最有效的。德西蒙教授说，这也可以理解为人类逻辑思维和哲学思维方式指导着人工智能思维方式的发展，是目前提高人工智能的较好手段。