MIT神经科学教授：人工智能如婴儿大脑可不断学习

　　“想像一下，如果有一天，冰箱向你抱怨它工作时间太长了，或者要求加薪，你一定会觉得这太可怕了。”

　　一谈起人工智能，接受《第一财经日报》独家专访的美国麻省理工大学神经科学教授robert desimone向记者举了这样一个例子。

　　在他看来， 人工智能的最大用途就是让机器变得有用，而不是变成另一个人。

　　“在现实生活中，我真的没有见过很多人以电脑模仿人脑为终极目标的，更多人是想利用人工智能来帮助人类完成某种任务。比如智能汽车、智能相机和智能冰箱等等，很多设备搭载了智能的功能后确实能够实现更好的价值，但是我们不会期待它们真的变成人类。”

　　而在这背后，robert desimone认为，人工智能犹如“婴儿的大脑”。“婴儿可以被视作一个‘学习机器’，来学习这个世界的周遭，学习怎么去做，学习策略等等，这和alphago的模式差不多。”

　　无人驾驶成趋势

　　事实上，人工智能在过去很长一段时间的发展都没有牵涉到“深度学习”或者“强化学习”。例如，当你买一个电视机，智能电视机，其实它所有的程序都是被“预设”好的，它不会自己去学习。

　　但是未来人工智能的应用，将不仅限于我们现在的智能电视、智能冰箱的含义了，而是要教会它们怎么自己去学习。这就牵涉到要给它们喂学习资料，创造学习氛围等等。desimone教授说：“你需要设置程序，告诉计算机怎样去获取这些信息，怎样利用这些信息去发展新的技能。这是未来的方向。”

　　人工智能所获取的数据越多，学习效果越明显，这是毫无疑问的。desimone告诉记者：“不同的任务需要的数据数量也都不一样。以我现在所做的视觉识别来看(视觉识别是要教会电脑去识别物体)，你需要具有清晰标识的物体。比如说你要让机器去识别一只猫，那么就需要很多具有猫的特征的信息给到它，越多越好。

　　例如，对于不久前战胜韩国棋手李世石的alphago，desimone教授认为，由于围棋是非常复杂和高难度的棋类游戏，不可能只通过学习如何移动来取胜，所以要在记忆里存储所有的围棋的下法几乎是不可能的，也不是看看棋盘就会的。

　　alphago的“过人”之处，就是它会学习战略，学习怎样下围棋，而不是把所有的下法都提前“预设”到电脑里。desimone把人工智能比作婴儿的大脑：“这其实和人脑的学习过程是非常相似的。因为你知道婴儿可以被视作一个‘学习机器’，婴儿要学习这个世界的周遭，学习怎么去做，学习策略等等，这和alphago的模式差不多，婴儿也不能被‘预设’。”

　　而在围棋之外，desimone认为无人驾驶车是一个很好的例子，因为无人驾驶车实现的唯一方式，就是你要为给它很多能教会它如何去辨别行人、交通信号和路况信息的资料。这些都是基于软件平台的学习系统。现在无人驾驶车的发展技术理论上已经都能实现了，但是问题是如何在实战的环境下，让汽车有意识地分辨物体。”

　　据desimone教授介绍，他最近在和某汽车公司高管交流时，就谈到了如何培养汽车的判断能力。比如当很多汽车都在交叉路口时，你就要像人类一样具有判断其它车可能做出何种反应的能力。你不能说只是等在那里，等到所有的车都走了你再走。也就是说无人驾驶车如果不能在模棱两可的情况下做出判断，那么这样的技术是达不到上路的要求的。

　　“它必须通过不断学习人在操作汽车过程中的反应来提升自己的反应能力。当然无人驾驶车只是一个例子，还有很多其它有用的设备通过学习之后，也能极大提升对人类的作用。”desimone说。

　　人脑、电脑打通

　　尽管人工智能目前还完全没有达到人脑的智能程度，但是这并不意味着它们未来也达不到人脑的智能程度。

　　“就好像婴儿的大脑无法和成人大脑的智能程度相比，但是你可以通过训练它，让它发展到一个更高的水平，这是完全有可能的。”desimone教授说。

　　在他看来，“目前人工智能无法达到人类水平和可能是因为它还没有进入到某些领域，没有经历过某种阶段，没有碰触过某些问题。alphago就是一个很好的例子，它迈出了未来人工智能漫漫征程中的第一步。”

　　如果人工智能系统以人脑解决问题的方法来处理信息，是否会让它们变得更加聪明？

　　在desimone教授看来，电脑也没有必要完全以人的方式来处理问题，比如无人驾驶车，并没有规定说无人驾驶系统就要100%完全模仿人类的驾驶行为，它也可以拥有自己的辨别方式。

　　“但是不可否认的是，通过我们的实验证明，让无人驾驶系统以人的思维模式来驾驶汽车是最为有效的。”desimone教授这样表示，“这也可以理解为，以人类的逻辑思维和哲学方式来引导人工智能思维方式的发展，目前来讲是一种比较好的提升人工智能的手段。”