文章

從人腦到機器智慧 – 創智慧

On Intelligence

《創智慧》 (On intelligence) 的作者 Jeff Hawkins 是 Palm Pilot 之父,但更醉心於人腦,他認為讓機器有智慧,必先要理解人腦運作。他在書中提出大腦皮質的框架理論,希望可將現行比較雜亂的理論整合起來。比起其他討論 AI (雖然這並非本書主題) 的書,此書更清晰易明,一點不含糊,令人豁然開朗。

作者在開始進入這個領域時,先是向現在的 AI 入手,但發現這方面的人都只是在做機器寫程式,卻不清楚人腦運作,甚至認為不需要了解人腦。作者花了一些篇幅去講 AI 發展史,當年 Alan Turing 所提出的 Turing Test,認為如果一個正常人並不能分辨真人和電腦,那這個電腦就是具有智慧的。這影響著以後的 AI 發展,偏重於看機器行為表現,建立出「看似」有智慧的機器,但實際上卻不是我們所認識的智慧。正如我們都知道電腦棋王「深藍」並不是真的會思考棋步,而只是在計算一樣。這甚至發展成一種迷思,認為只要電腦的運算能力和記憶體不斷上升,有一天就會變成有智慧了。可是,AI 這個領域在近年卻是發展緩慢,好像到了樽頸。

作者並不同意這種研究手法,他認為要做到有人一般智慧的機器,就應該先研究人腦的運作方式,而不是只是讓機器東施效顰,在行為上看似有智慧而已。作者為了區別開現在的人工智慧,他稱書中所談的為「真實智慧」。

另一方面,現有有關人腦的研究,都是比較雜亂,而本書則想提供一個框架理論,讓各種各樣的研究有所整合,整體方向更清晰。以下是我的一點筆記:

  • 大腦雖看似依功能劃分不同區域,但其實皮質都在做相似的工作:處理型態 (空間或時間的)
  • 雖然都在做相同的東西,但也有一定的層級,就如社會組織一樣,上頭發司號令,然後分解為不同的仔細行動
  • 皮質的輸入/回饋上來自不同地方,包括上、下、同級皮質柱
  • 大腦每時每刻都在做預測,即使我們完全不發覺
  • 如果型態符合,會輸出一個較簡單的型態代表 (e.g. 音符 -> 旋律 -> 歌曲 -> 歌名)
  • 如果預測不符時,皮質會將形態傳到其他地方 (e.g. 開門時發現鎖頭不同了)
  • 因為連續不同的型態輸入是有因果關係,所以腦內建構了一個內在的世界模型,並用來預測
  • 皮質經過訓練後,結合記憶 (突觸) ,可以產生「熟能生巧」的效果,例如學會了英文字母後,便不用再費力辨認看每一個字母,而是將注意力轉到更高層次的字詞的意思上,皮質已自動處理辨認的工作
  • 看到一件東西時,即使每次的影象、環境、光暗等等都不一樣,但我們也可以辨認得到,這是因為我們對事物產生不變表徵。

當然,這理論框架還有待證實。他在書末提供了一些可供驗證的預測,為此方向的日後研究舖路。

在理解過後,就是建立機器的時候。很多科幻故事都害怕機器人產生意識後反過來反抗人類,但作者則強調,創造智慧機器只要學習、記憶、預測等等部份,不需要感情,所以並不會有「科學怪人」的問題。而且這些機器還有更多優點:可以使用便多不同的感官 (如聲納、紅外線)、可以散佈在不同的地點、運作速度更快、容易擴展機能等等。他提出了很多有趣的應用,例如能了解街道情況的智能汽車、「感官」散佈全球的氣候研究機器、可以計算更高維度數學的機器等等。

看此書時沒有看其他人工智能書的模糊感覺,在框架下理念更見清晰。至於這個框架能否有助探討人腦運作,除了靠我們科學家繼續努力找出答案之外,不同界別也要通力合作。

回應

Reposts

  • hkxforce

Mentions

  • Jeff Hawkins Is Finally Ready to Explain His Brain Research - The New York Times

*