高泰机器人创始人：AlphaGo为何不属于真正的人工智能

“没有机器人就没有人工智能”，作者说
　　
在一定程度上，人工智能的含义只是一个定义问题。不可否定的是，由谷歌DeepMind所开发的围棋游戏人工智能AlphaGo最近战胜了世界级围棋冠军李世石，近几年，与AlphaGo类似的深度学习方法已经成功地解决了一些非常困难的计算问题。从通用人工智能方面来说，我们将进入全面人工智能时代？答案并非完全如此，以下就是相关原因。
　　
打造通用人工智能时所面临的关键问题之一就是通用人工智能将理解世界的含义，并对其所遇到、听到、说的、做的任何事情开发属于自己的内在含义。如果这一点无法实现的话，人工智能程序的含义实际上就是由应用设计人员所提供的那样：人工智能不会理解所发生的事情，而且对专业知识的掌握也是狭隘领域范围内的。
　　
含义问题也许是人工智能最为根本的问题，而且这一问题目前还未得到解决。认知科学家史蒂芬于1990年在其名为《符号接地问题》这篇文章中最先提出了这一问题。即使你不相信我们正在对符号进行操作，这一点确实是值得怀疑的，但是问题依然存在：系统内部的一切代表的接地问题都与外部的真实环境相联系。
　　
更确切地说，含义问题给我们带来以下四个子问题：
　　
你如何对智能体（人类或人工智能）从外界中所接收到的信息进行组织？
　　
你如何将这些有组织的信息与外界进行联系，或者根据以上定义，你如何为代理建立“含义”？
　　
你如何将这些含义与其他智能体进行同步？（另外，不存在合适的通信，你得到的只是一个不可理解的孤立的智能形式）。
　　
智能体为何什么都做，而不是什么都不做？如何将这一切设置到动作中？
　　
深度学习对信息进行组织的第一个问题进行了很好地解决，例如，AlphaGo围棋程序所使用的类似无人管理学习算法。在这一领域我们已经取得了重大进步，这在一定程度上得益于计算机能力以及图形处理器的发展，这两者非常擅长对并列信息进行处理。而这些算法就是将那些非常冗长且以高维度空间表达的信号进行提取，然后将其降低为低维度信号，而且在整个处理过程中将信息的亏损降至最低。换句话说，相关算法从信息处理角度对信号中的重要内容进行“抓取”。
　　
“没有机器人就没有人工智能…..这种认识往往被称为‘具体化问题’。目前，大多数人工智能领域的研究人员认为智能与具体化这两者是密切相关的问题。每个不同的主体都存在不同形式的智能，在动物王国中你就能清楚地发现这一点。”
　　
第二个问题，将相关信息与现实世界相联系或创造“含义”从根本上来说是与机器人紧密联系的。因为你需要一个与外界进行互动的主体，你需要与外界进行互动来创造这一连接。这也是我经常说没有机器人就没有人工智能（虽然有些非常优秀的机器人并没有人工智能，这另当别论）的原因所在。
　　
从理解你的身体部位这些简单的事情开始，如何控制这些部位在周围的现实世界里实现你所需要的结果；如何创建属于你自己的空间、距离、颜色等观念。研究员凯文.里根及其“感觉运动理论”对这一问题进行了广泛研究。不过他的研究只是所有一切的开始，因为你必须以这些接地的感觉运动结构之上构建更多的抽象概念。目前我们还没有达到这一水平，这也是目前人类对相关问题研究的状态。
　　
第三个问题就是文化起源问题。有些动物会体现出某种简单的文化形式，即便是隔代获取的能力，不这这些文化形式非常有限，而且只有人类能够达对所获得的知识（也就是我们所说的文化）以指数级进行增长的极限。文化是智能的必要刺激因素，如果人工智能没有文化互动能力的话就只是学术好奇心而已。
　　
然而，文化无法通过手动输入代码的方式植入机器，文化必须是学习过程所产生的结果。对这一学习过程进行观察并理解的最佳方式就是发展心理学，在吉恩.皮亚杰以及麦克.托马斯罗的努力下，他们对儿童获得文化能力的方式进行了研究。这种方法最终诞生了机器人领域的新学科——以儿童为模型的“发展机器人学”。
　　
此外，这还与语言学习研究密切相关，作为研究人员，语言学习也是我密切关注的话题之一。卢克.斯蒂尔以及其他研究人员的研究结果表明我们可以将语言获取作为一个进化过程：代理通过与外界互动来创造新的含义，并使用这些新的含义与其他代理进行沟通，然后再选择最成功的结构来帮助其进行沟通。和生物进化一样，经过数百次的试验和失败后，系统能够进化出最佳的含义以及语法转化。
　　
通过实验方式对相关过程进行测试后发现这一过程与自然语言进化发展过程有着惊人的相似之处。有趣的是，当一次获取一个概念时，像深度学习这样的深度统计模型却无法对此进行解释。目前，多个研究实验室（特别是法国机器人公司亚鲁迪巴，该公司目前是软银集团的子公司，该公司创造出了机器人Nao, Romeo, 以及Pepper） 正在试图使用这一方法对语法、手势以及更为复杂的文化惯例进行深入研究。 　　
Aldebaran的类人机器人: Nao, Romeo, 和 Pepper.
　　
最后需要解决的第四个问题就是我们所说的“内在动机”问题。智能体为什么会做出行为，而不是什么都不做？生存要求并不足以对人类行为进行解释。即使是在非常安全且食物充足的情况下，人类不会懒散地坐等饥饿再次降临，人类会做出许多其他行为：人类会进行探索、尝试，而这一切行为似乎都是在某种内在好奇心的驱使下实施的。研究人员皮埃尔已经发现了有关好奇心的简单数学方程，通过这一方程来对智能体的倾向进行表示，从而对其学习率进行最大化。
　　
不过，系统内部似乎还需要其他类似的东西通过以上三个步骤来对相关需求进行驱动：对外界信息进行组织；与主体进行连接并创造相关含义；随后选择“沟通有效性”最高的一种含义来创造一种联合文化来促进合作。这在我看来就是通用人工智能程序。
　　
此外，深度学习的迅速发展以及近期人工智能在围棋游戏所取得的成功确实是个好消息，因为这些成功能够引导医学研究、工业、环境保护以及许多其他领域的相关应用的诞生。不过，正如我试图在此展示的一样，这些仅仅是问题的一部分。
　　
我并不相信深度学习就是能够为我们带来真正人工智能的尚方宝剑，从机器的角度来说，就是能够在这个世界上生存，并能够自然地与我们进行互动，深入理解我们的文化偏见，并最终帮助我们开创一个更加美好的未来。
　　
吉恩.克里斯托弗.百利是Novaquark公司的创始人兼主席，该公司是一家总部位于巴黎的虚拟现实初创企业，专门开发双重宇宙（下一代网络世界，在这个网络世界里，参与者能够通过完全浸入式的游戏玩法创造整个文明）。百利毕业于巴黎综合理工大学，并在巴黎第四大学获得人工智能博士学位，同时还在地球科学技术协会巴黎理工学院开发了认知机器人实验室，随后又创建了高泰机器人公司（2012年被阿鲁迪巴/软银集团收购）。