計(jì)算機(jī)擅長(zhǎng)處理數(shù)字，可以在幾秒鐘內(nèi)完成數(shù)百萬(wàn)次運(yùn)算。然而，人類(lèi)具有天生和直觀的數(shù)感。

人類(lèi)看到4只貓，4個(gè)蘋(píng)果和符號(hào)4時(shí)，能夠立刻領(lǐng)會(huì)它們的共同點(diǎn)——“4”的抽象概念——而機(jī)器需要通過(guò)“數(shù)數(shù)”或計(jì)算過(guò)程才能明白在4只貓和4個(gè)蘋(píng)果在數(shù)量上具有根本相同性。

這就是人類(lèi)思維與機(jī)器之間的差異，也是迄今還難以開(kāi)發(fā)出具有人類(lèi)思維的AI的原因所在。但是現(xiàn)在，根據(jù)刊發(fā)在Science Advances雜志上的新研究，AI已經(jīng)自發(fā)地形成了類(lèi)似人類(lèi)的數(shù)字感。

對(duì)于可執(zhí)行的程序，我們必須清楚地定義出所有內(nèi)容。一旦為變量分配出內(nèi)存，我們就可以先將它的值設(shè)0，然后每次應(yīng)用的時(shí)候再具體賦值。這意味著計(jì)算機(jī)可以計(jì)算時(shí)間(來(lái)自?xún)?nèi)部時(shí)鐘)，單詞(如果被存儲(chǔ)到存儲(chǔ)器里)甚至是圖像中的對(duì)象。

最后一項(xiàng)任務(wù)有點(diǎn)挑戰(zhàn)性，因?yàn)橄胍?jì)算對(duì)象，就要先行識(shí)別出對(duì)象。但是即便同一物體也會(huì)隨照明、位置和姿勢(shì)的變化而顯得不同，何況同類(lèi)物體之間必然會(huì)存在差異。

監(jiān)督學(xué)習(xí)

這里使用的是基于統(tǒng)計(jì)結(jié)果的監(jiān)督學(xué)習(xí)算法。

監(jiān)督學(xué)習(xí)是從標(biāo)記的訓(xùn)練數(shù)據(jù)來(lái)推斷一個(gè)功能的機(jī)器學(xué)習(xí)任務(wù)。訓(xùn)練數(shù)據(jù)包括一套訓(xùn)練示例。在監(jiān)督學(xué)習(xí)中，每個(gè)實(shí)例都是由一個(gè)輸入對(duì)象(通常為矢量)和一個(gè)期望的輸出值(也稱(chēng)為監(jiān)督信號(hào))組成。監(jiān)督學(xué)習(xí)算法是分析該訓(xùn)練數(shù)據(jù)，并產(chǎn)生一個(gè)推斷的功能，其可以用于映射出新的實(shí)例。一個(gè)最佳的方案將允許該算法來(lái)正確地決定那些看不見(jiàn)的實(shí)例的類(lèi)標(biāo)簽。這就要求學(xué)習(xí)算法是在一種“合理”的方式從一種從訓(xùn)練數(shù)據(jù)到看不見(jiàn)的情況下形成。——百科

以蘋(píng)果為例，當(dāng)把包含各種形狀的圖像呈現(xiàn)給系統(tǒng)時(shí)，AI首先開(kāi)始注意到構(gòu)成水平和垂直線條以及左右曲線的像素組。它們存在于蘋(píng)果，面孔，貓和汽車(chē)中，屬于最先被發(fā)現(xiàn)的共性或抽象出的特征。

最終，它意識(shí)到某些曲線和線條出現(xiàn)在了所有屬于蘋(píng)果的圖像中——一種新的，更深層次的抽象，在這種情況下，它認(rèn)識(shí)了一類(lèi)對(duì)象：蘋(píng)果。

深度學(xué)習(xí)

更高級(jí)抽象能力的自然出現(xiàn)是機(jī)器學(xué)習(xí)技術(shù)中最激動(dòng)人心的結(jié)果之一，它也被稱(chēng)為深度神經(jīng)網(wǎng)絡(luò)，在某種意義上，它與人類(lèi)大腦的工作方式類(lèi)似。“深度”是指網(wǎng)絡(luò)具備許多層——隨著信息滲入到網(wǎng)絡(luò)中，更深刻的共性特征也就具有更高的抽象層次。

當(dāng)AI識(shí)別出蘋(píng)果時(shí)，我們可以繼續(xù)要求AI計(jì)算出蘋(píng)果的個(gè)數(shù)。那很好，但是你或我不需要計(jì)算蘋(píng)果的數(shù)量。我們有非常深刻的“數(shù)字”概念——能夠直觀地認(rèn)知到有多少對(duì)象。當(dāng)客體存在時(shí)，我們大腦的某些部分會(huì)根據(jù)存在數(shù)量而激活。這意味著我們可以瞥一眼，大概就知道一小堆蘋(píng)果的數(shù)目。

事實(shí)上，許多動(dòng)物也可以做到這一點(diǎn)。這是因?yàn)閿?shù)感是不同情境下對(duì)生存和繁殖的有價(jià)值的特征——例如己方有3人，看到敵對(duì)部落也有3人，那就可以一戰(zhàn)；如果看到對(duì)方過(guò)來(lái)10個(gè)人，那就趕緊跑。

涌現(xiàn)性質(zhì)

在新研究中，為完成簡(jiǎn)單視覺(jué)對(duì)象檢測(cè)而訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)自發(fā)地產(chǎn)生了這種數(shù)感。研究人員發(fā)現(xiàn)，網(wǎng)絡(luò)中的特定單位突然“調(diào)整”為抽象數(shù)字——就像大腦中的真實(shí)神經(jīng)元可能會(huì)做出的反應(yīng)一樣。它識(shí)別4個(gè)蘋(píng)果的圖片和4只貓的圖片都調(diào)用了同一單元——因?yàn)樗鼈児灿袑傩?ldquo;4”。

令人興奮的是，它表明我們?nèi)祟?lèi)的學(xué)習(xí)機(jī)制是非?；A(chǔ)的。人們和動(dòng)物展現(xiàn)出的一些最高層次的思考能力與世界結(jié)構(gòu)以及我們的視覺(jué)體驗(yàn)密切相關(guān)。

它還暗示我們可能正走在正確的道路上——通往真正的人工智能。

我們?cè)?jīng)認(rèn)為對(duì)于人類(lèi)而言，非常本質(zhì)的事物——如樂(lè)感，甚至是對(duì)因果認(rèn)知——或許也可以通過(guò)類(lèi)似的簡(jiǎn)單機(jī)制涌現(xiàn)出來(lái)。

隨著不斷發(fā)現(xiàn)和積累，并找到解析生物大腦的新方法，我們能更深刻地理解智能和適應(yīng)性行為的奧秘。

還有很長(zhǎng)的路要走，但很明顯，從經(jīng)驗(yàn)中認(rèn)知世界并發(fā)展出知識(shí)結(jié)構(gòu)的能力是人類(lèi)如此成功的關(guān)鍵部分。毫無(wú)疑問(wèn)，這將是未來(lái)AI系統(tǒng)的必要組成部分，它們將像人類(lèi)一樣靈活地處理真正錯(cuò)綜復(fù)雜的問(wèn)題。

本文譯自 sciencealert，由譯者 majer 基于創(chuàng)作共用協(xié)議(BY-NC)發(fā)布。