選自inverse
機(jī)器之心編譯
參與：杜夏德、曹瑞
自從人類有了意識(shí)（有人會(huì)告訴你這是在 2000 年前，有人會(huì)說在 20 萬年前）人類學(xué)者一直在試圖理解和定義意識(shí)。對(duì)意識(shí)最簡(jiǎn)單純粹的概念描述或許是世界情境中的自我意識(shí)。但是如果不能理解意識(shí)的深層機(jī)制，那么所謂的理解不過是停留在表面。這就是為什么神經(jīng)科學(xué)家通過指向大腦內(nèi)的物理現(xiàn)象成功地介入了關(guān)于意識(shí)的持續(xù)對(duì)話。但是把形而上學(xué)與物理聯(lián)系起來，仍然會(huì)產(chǎn)生某種準(zhǔn)科學(xué)、準(zhǔn)哲學(xué)的結(jié)果，反而會(huì)弄巧成拙，讓外人笑話。
所以我們努力理解人工智能是否具有意識(shí)也就不足為奇，也難怪圖靈測(cè)試越來越無法提供我們需要的答案。
因?yàn)槲覀儫o法證明人工意識(shí)，很多工程師和專家對(duì)這種觀點(diǎn)都是都條件反射地不屑一顧。但是 Jürgen Schmidhuber 不是這樣，他很喜歡這個(gè)古怪的游戲。他今年 53 歲，自上世紀(jì)八十年代以來一直致力于人工智能研究，在谷歌、蘋果、微軟和 IBM 的產(chǎn)品中都能找到他研究成果的蛛絲馬跡。作為瑞士盧加諾大學(xué)的人工智能教授、瑞士人工智能實(shí)驗(yàn)室 IDSIA 的科學(xué)主任，及致力于打造第一個(gè)實(shí)用通用人工智能的創(chuàng)業(yè)公司 NNAISENSE 的主席，Schmidhuber 認(rèn)為，目前的人工智能系統(tǒng)已經(jīng)具有意識(shí)。他相信他已經(jīng)做到了，這就是他為什么會(huì)讓人產(chǎn)生自我膨脹的印象，同時(shí)他也是這個(gè)領(lǐng)域最具爭(zhēng)議的人物。
Schmidhuber 所處的位置具有諷刺意味，如果他是正確的，他的信念將可能會(huì)被一些未來高級(jí)意識(shí)（hyperconscious AI）驗(yàn)證。Schmidhuber 是全球強(qiáng)調(diào)人工智能為數(shù)不多的人之一。所以 Inverse 問他在編程中是否看到了別人漏掉的什么東西，如果有，它與人類意識(shí)有什么關(guān)系。
Jürgen Schmidhuber 在國(guó)際健康論壇，2015
在你看來，未來人工智能的角色是什么？
所謂智能人類或人工就是關(guān)于解決問題的能力。長(zhǎng)期以來，我們已經(jīng)嘗試打造一個(gè)能解決所有問題的東西（general problem solver）。
這種 problem solver 能基于之前學(xué)到的技能去學(xué)習(xí)新的技能，能無限制地添加新技能，變得越來越通用。當(dāng)然，如果我們能成功，它將會(huì)改變一切，因?yàn)槊總€(gè)計(jì)算問題、每個(gè)職業(yè)都會(huì)受到影響。
你說一些人工智能已經(jīng)具有意識(shí)，你能解釋一下為什么嗎？
我認(rèn)為我們?cè)?25 年前就已經(jīng)有了一個(gè)基本的有意識(shí)的學(xué)習(xí)系統(tǒng)。那個(gè)時(shí)候，我就提出通用的學(xué)習(xí)系統(tǒng)要包括兩個(gè)模塊。
一個(gè)是一種循環(huán)網(wǎng)絡(luò)控制器，學(xué)習(xí)將不斷接收的數(shù)據(jù)比如視頻和疼痛傳感器的疼痛信號(hào)，饑餓傳感器上的饑餓信號(hào)轉(zhuǎn)換為行動(dòng)。例如，當(dāng)電池電量低時(shí)，傳感器就會(huì)傳來一些負(fù)數(shù)信息。這個(gè)網(wǎng)絡(luò)能學(xué)習(xí)將所有這些輸入及時(shí)轉(zhuǎn)換成能成功的行動(dòng)序列。例如，電池電量低時(shí)及時(shí)到達(dá)充電站，但如果路上沒有碰到障礙，如椅子或桌子，就不需要喚醒疼痛傳感器。
智能體（agent）一生的目的是最大限度地享受快樂，同時(shí)將痛苦最小化。這個(gè)目標(biāo)簡(jiǎn)單明確，但是很難實(shí)現(xiàn)，因?yàn)槟阈枰獙W(xué)很多東西。你看一個(gè)小嬰兒它需要花上幾年的時(shí)間去學(xué)習(xí)這個(gè)世界的運(yùn)作，學(xué)習(xí)怎么與世界互動(dòng)以實(shí)現(xiàn)目標(biāo)。
自 1990 年以來，我們的智能體一直在嘗試做同一件事情，使用一個(gè)額外的循環(huán)網(wǎng)絡(luò)一個(gè)無監(jiān)督模塊，去預(yù)測(cè)將要發(fā)生什么。它看起來在執(zhí)行所有的行動(dòng)，所有的觀察都會(huì)有，使用這種經(jīng)驗(yàn)來學(xué)習(xí)預(yù)測(cè)將要發(fā)生什么。因?yàn)樗茄h(huán)網(wǎng)絡(luò)，它能在一定程度上用所謂的預(yù)測(cè)編碼以規(guī)律的形式預(yù)測(cè)未來。
例如，如果你有一條關(guān)于 100 個(gè)落下的蘋果的視頻，所有的蘋果總是以同一個(gè)方式落下，你就能學(xué)習(xí)預(yù)測(cè)這些蘋果是怎么落下的，你也無需分別存儲(chǔ)這些預(yù)測(cè)，也就是說你能把這個(gè)視頻壓縮非常小的幾個(gè)字節(jié)。
