300年前，本來(lái)希望用來(lái)證明上帝存在的理論，在300年后卻成為了人工智能的基礎(chǔ)，這是一個(gè)悲傷的故事呢？
還是說(shuō)貝葉斯牧師其實(shí)已經(jīng)找到了正確答案？
貝葉斯意識(shí)：一切學(xué)習(xí)型AI的基礎(chǔ)
與0和1組成的經(jīng)典計(jì)算不同，貝葉斯計(jì)算不需要建立在完整的數(shù)據(jù)基礎(chǔ)上就能獲得答案。這種不完全數(shù)據(jù)推理能力，與人類思維中的認(rèn)知與判斷過(guò)程非常相似。于是產(chǎn)生了數(shù)量眾多的貝葉斯理論與AI結(jié)合，運(yùn)用于不完全信息推導(dǎo)的技術(shù)模型。
比如說(shuō)貝葉斯網(wǎng)絡(luò)、貝葉斯分類器、貝葉斯邏輯，都是如今非常基礎(chǔ)的AI工具。貝葉斯網(wǎng)絡(luò)更是可以看做機(jī)器學(xué)習(xí)理論自證有效的基礎(chǔ)條件。而貝葉斯方法也被廣泛運(yùn)用在NLP、機(jī)器視覺(jué)、知識(shí)圖譜等領(lǐng)域，成為優(yōu)化結(jié)果型算法與技術(shù)的支撐。
在我們的生活中，貝葉斯可謂無(wú)處不在。比如說(shuō)有沒(méi)有感覺(jué)你的手機(jī)拍視頻或者直播正在越來(lái)越清晰？這其中很大一個(gè)原因在于攝像算法中運(yùn)用了貝葉斯邏輯加持下的視頻優(yōu)化算法，通過(guò)對(duì)抗生成來(lái)獲得更清晰自然的拍攝效果，也就是所謂的視頻美顏。
從另一個(gè)角度也可以論證貝葉斯對(duì)人工智能的重要性。上世紀(jì)70年代，曾經(jīng)有過(guò)一次比較短暫的AI復(fù)興。當(dāng)時(shí)知識(shí)表示和專家系統(tǒng)成為了人工智能的主角，人們希望用超級(jí)計(jì)算機(jī)來(lái)歸納人類的所有知識(shí)，進(jìn)行網(wǎng)絡(luò)化。最終所有問(wèn)題都可以在其中找到答案。
這種模式在當(dāng)時(shí)贏得了大量資金與關(guān)注，卻在短短幾年間宣告破產(chǎn)。因?yàn)槿祟愔R(shí)和數(shù)據(jù)太復(fù)雜了，收集所有知識(shí)只具有理論上的可能性，現(xiàn)實(shí)操作遙遙無(wú)期。
而今天以機(jī)器學(xué)習(xí)為主要特征的AI二次復(fù)興，很大程度收益于貝葉斯意識(shí)帶來(lái)的思維轉(zhuǎn)變：人類不用收集一大堆知識(shí)，只需要從一部分已有知識(shí)出發(fā)，讓機(jī)器不斷去學(xué)習(xí)和驗(yàn)證自身能力，不斷提高就可以了。畢竟人類需要的不是全能全知的存在，只要智能體可以比人類更強(qiáng)就夠了。
可以說(shuō)，貝葉斯意識(shí)依靠著對(duì)現(xiàn)實(shí)變化的高度敏感，已經(jīng)成為今天一切學(xué)習(xí)型AI的基礎(chǔ)。了解了貝葉斯意識(shí)中從不完整出發(fā)，逐步向完整邁進(jìn)的邏輯，也就懂了未來(lái)AI還能做出什么。
人類大腦和技術(shù)未來(lái)的殊途同歸
有學(xué)者認(rèn)為，貝葉斯意識(shí)可能是最接近人類大腦思維模式的應(yīng)用數(shù)學(xué)邏輯。就像讓一個(gè)孩子去認(rèn)識(shí)狗，不必教他狗的種類、科屬、習(xí)性，也用把狗的耳朵、鼻子、四肢都變成數(shù)據(jù)讓他理解。孩子會(huì)馬上知道這是狗，然后在自己不斷的學(xué)習(xí)里去加強(qiáng)對(duì)狗的認(rèn)識(shí)，知道狗有不同種類，知道狼與狗的區(qū)別等等。
所以我們過(guò)去在思考很多問(wèn)題時(shí)，會(huì)主動(dòng)的讓大腦像計(jì)算機(jī)一樣去想象。在移動(dòng)互聯(lián)網(wǎng)時(shí)代，我們又習(xí)慣了以手機(jī)為中心去思考一切。但在人工智能時(shí)代，貝葉斯意識(shí)告訴我們：也許人類該像人類自己一樣去思考了。
在某些技術(shù)奇點(diǎn)之后，機(jī)器已經(jīng)可以在局部區(qū)域像人類一樣通過(guò)局部知識(shí)去認(rèn)知、推理和判斷復(fù)雜問(wèn)題。最好的例子可能就是AlphaGo ZERO的出現(xiàn)。其實(shí)AlphaGo的邏輯就是一種貝葉斯思維，要知道對(duì)圍棋來(lái)說(shuō)經(jīng)典計(jì)算是無(wú)法窮盡所有變化的，暴力窮舉只能帶來(lái)死機(jī)。
而AlphaGo采取的，是讓智能體去學(xué)習(xí)圍棋規(guī)則，然后大量學(xué)習(xí)人類棋譜，這就是貝葉斯歸納中不斷吸收數(shù)據(jù)校準(zhǔn)目標(biāo)。在實(shí)戰(zhàn)的時(shí)候，智能體內(nèi)部算法還會(huì)自我驗(yàn)證每一步預(yù)測(cè)的合理性，最終求得最優(yōu)解。
