計(jì)算社會(huì)科學(xué)與人工智能

羅 俊

(武漢大學(xué) 社會(huì)發(fā)展研究院，湖北 武漢 430072)

?

計(jì)算社會(huì)科學(xué)與人工智能

羅 俊

(武漢大學(xué) 社會(huì)發(fā)展研究院，湖北 武漢 430072)

一、計(jì)算社會(huì)科學(xué)與非結(jié)構(gòu)化數(shù)據(jù)

計(jì)算機(jī)科學(xué)和信息技術(shù)的飛速進(jìn)步，對(duì)社會(huì)科學(xué)研究產(chǎn)生了巨大而深遠(yuǎn)的影響。2009年哈佛大學(xué)教授拉澤爾等15名學(xué)者提出計(jì)算社會(huì)科學(xué)的概念，他們認(rèn)為在互聯(lián)網(wǎng)時(shí)代，社會(huì)科學(xué)家借助視頻監(jiān)控、電子郵件、計(jì)算機(jī)智能命名系統(tǒng)等，使搜集與處理海量數(shù)據(jù)的能力得以空前提升；同時(shí)，人類對(duì)自身認(rèn)知機(jī)制的了解不斷深入，神經(jīng)生物學(xué)與計(jì)算機(jī)科學(xué)及其他學(xué)科的融合，為人類行為研究的計(jì)算機(jī)模擬提供了條件。

計(jì)算社會(huì)科學(xué)提出了一個(gè)新的社會(huì)科學(xué)研究范式，即計(jì)算范式——利用從互聯(lián)網(wǎng)獲得的海量數(shù)據(jù)，通過先進(jìn)的計(jì)算技術(shù)對(duì)復(fù)雜的人類社會(huì)進(jìn)行跨學(xué)科研究。在此后幾年時(shí)間里，移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)又迅猛發(fā)展，與互聯(lián)網(wǎng)一起，把人類帶入了大數(shù)據(jù)時(shí)代，計(jì)算社會(huì)科學(xué)由此獲得了更大的發(fā)展機(jī)遇，這首先表現(xiàn)在可資研究的數(shù)據(jù)變得空前豐富。三大網(wǎng)絡(luò)上生成、采集了大量可供社會(huì)科學(xué)研究所用的數(shù)據(jù)，可以把它們稱之為“社會(huì)科學(xué)大數(shù)據(jù)”，例如網(wǎng)絡(luò)通信數(shù)據(jù)(即時(shí)通信、電子郵件)、網(wǎng)絡(luò)信息獲取數(shù)據(jù)(搜索、新聞瀏覽)、網(wǎng)絡(luò)社交數(shù)據(jù)(微博、微信、論壇/BBS)、網(wǎng)絡(luò)商務(wù)數(shù)據(jù)(購物、預(yù)定、支付、理財(cái)、企業(yè)在線行為)、網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)(學(xué)習(xí)性閱讀、在線教育)、網(wǎng)絡(luò)娛樂數(shù)據(jù)(音樂、游戲、視頻、娛樂性閱讀)等，以及由以上在線行為構(gòu)成的另一個(gè)層次的數(shù)據(jù)——網(wǎng)民在線行為的時(shí)空電子蹤跡數(shù)據(jù)(由行為時(shí)間數(shù)據(jù)和空間位置數(shù)據(jù)整合而成)與在線社會(huì)網(wǎng)絡(luò)分析數(shù)據(jù)等。這些數(shù)據(jù)有些是以往無法獲取或難以獲取的，有些相對(duì)以往的數(shù)據(jù)在質(zhì)量上有所改善，有些與以往數(shù)據(jù)各有長(zhǎng)短，可相互補(bǔ)充。

社會(huì)科學(xué)大數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。按體量計(jì)算，非結(jié)構(gòu)化數(shù)據(jù)占比高達(dá)80%～95%，主要包括文本、語音、圖像、視頻等。傳統(tǒng)的方法無法有效處理這些數(shù)據(jù)，無法進(jìn)行文本分析、語音識(shí)別、圖像識(shí)別。要發(fā)揮這些非結(jié)構(gòu)化數(shù)據(jù)的作用，數(shù)據(jù)分析處理技術(shù)必須要有長(zhǎng)足的進(jìn)步。

人工智能(Artificial Intelligence)是非結(jié)構(gòu)化數(shù)據(jù)處理的關(guān)鍵支撐技術(shù)，其難度最大，最具挑戰(zhàn)性，它的進(jìn)步對(duì)計(jì)算社會(huì)科學(xué)的發(fā)展有至關(guān)重要的甚至是決定性的影響。美國學(xué)者溫斯頓認(rèn)為：“人工智能是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作?！币簿褪钦f，人工智能是在對(duì)人類智能活動(dòng)規(guī)律的認(rèn)識(shí)的基礎(chǔ)上，研究如何應(yīng)用計(jì)算機(jī)的軟硬件來模擬人類某些智能行為的理論、方法和技術(shù)，其目的是構(gòu)造具有一定智能的人工系統(tǒng)，來完成以往需要人的智力才能勝任的工作。

二、弱人工智能與強(qiáng)人工智能

從石器時(shí)代簡(jiǎn)單的工具一直到工業(yè)化時(shí)代復(fù)雜、精密的機(jī)器，人類一直在設(shè)法延伸自身的功能，用工具和機(jī)器輔助、代替自己來完成工作。在上世紀(jì)初，有一種觀點(diǎn)認(rèn)為地球上的一切工具和機(jī)器，不過是人肢體的知覺的發(fā)展而已。人類在這方面的進(jìn)步是相當(dāng)顯著的，生產(chǎn)線上的各種機(jī)械代替人手來完成各種生產(chǎn)性的勞動(dòng)，汽車代替了人的雙足，并且遠(yuǎn)遠(yuǎn)超越了人的腿腳的能力。然而，此觀點(diǎn)并不完全正確，因?yàn)槌酥w功能的延伸之外，人類還試圖發(fā)明機(jī)器來延伸大腦的功能。

人類智能到底包括哪些內(nèi)容？這恐怕是一個(gè)不容易達(dá)成統(tǒng)一認(rèn)識(shí)的問題。但如果說數(shù)學(xué)計(jì)算(尤其是復(fù)雜的數(shù)學(xué)計(jì)算)需要高級(jí)智能，相信在看到那么多學(xué)生在高等數(shù)學(xué)習(xí)題前流露出的痛苦的表情后，絕大多數(shù)人都會(huì)認(rèn)可這一觀點(diǎn)。人類用工具和機(jī)器來輔助計(jì)算過程其實(shí)很漫長(zhǎng)，先是發(fā)明了算盤、計(jì)算尺等，一直發(fā)展到計(jì)算器與計(jì)算機(jī)。如今，數(shù)學(xué)問題對(duì)計(jì)算機(jī)來說早已不在話下，其精確性和效率是人腦無可比擬的。在記憶能力方面，雖然有人說人腦的記憶潛力大得驚人，可以裝下50座圖書館的藏書，但迄今為止我們也沒有見到這種奇跡出現(xiàn)，甚至沒有發(fā)現(xiàn)哪一個(gè)人能夠記住一座圖書館藏書的內(nèi)容?，F(xiàn)實(shí)的情況是，即便是記憶力超群的天才，也無時(shí)無刻不在與記憶錯(cuò)誤及遺忘做斗爭(zhēng)；而以當(dāng)前計(jì)算機(jī)的存儲(chǔ)能力，卻可以輕而易舉地裝進(jìn)人類所有圖書(只要愿意這么去做)，并且可以保證永不出錯(cuò)和永不丟失信息。

如果數(shù)學(xué)計(jì)算能力、記憶能力屬于人類智能的范疇，那么在這兩個(gè)方面，計(jì)算機(jī)的能力早已超過了人腦。一個(gè)有趣的現(xiàn)象是，一旦人的某種智能在機(jī)器上獲得完美的實(shí)現(xiàn)，似乎人們就不再把它當(dāng)作一種智能來看待，至少是不再把它當(dāng)作一種高級(jí)智能來看待。盡管我們過去認(rèn)為復(fù)雜的數(shù)學(xué)計(jì)算需要高級(jí)智能，現(xiàn)在也并不否認(rèn)這一點(diǎn)，但似乎已經(jīng)對(duì)計(jì)算機(jī)高速準(zhǔn)確的計(jì)算習(xí)以為常。如今，科學(xué)家已將數(shù)學(xué)計(jì)算能力、記憶能力等作為弱人工智能——機(jī)器只不過看起來像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。他們要挑戰(zhàn)的是強(qiáng)人工智能，想賦予計(jì)算機(jī)更多的類人智能，制造出有知覺的、有自我意識(shí)的，真正能推理(REASONING)和解決問題(PROBLEM_SOLVING)的智能機(jī)器。

三、基于統(tǒng)計(jì)學(xué)方法的人工智能

我們現(xiàn)在常說的人工智能，一般指強(qiáng)人工智能，發(fā)軔于上世紀(jì)50年代，其發(fā)展經(jīng)歷了巨大的起伏，大致可以分為兩個(gè)階段：第一階段是上世紀(jì)50～60年代，其口號(hào)是“重建大腦”，試圖賦予計(jì)算機(jī)人腦的思維能力，然而在興盛一時(shí)之后，以失敗告終；第二階段是從上世紀(jì)70年代至今，隨著計(jì)算能力的極大提高，人們轉(zhuǎn)而基于統(tǒng)計(jì)學(xué)的方法，通過大規(guī)模數(shù)據(jù)庫、復(fù)雜傳感器、機(jī)器學(xué)習(xí)和巧妙算法來實(shí)現(xiàn)自然語言處理、語音識(shí)別、圖像識(shí)別和視頻識(shí)別等機(jī)器智能，在多個(gè)領(lǐng)域取得了重大突破。

基于統(tǒng)計(jì)學(xué)的人工智能取得了巨大成就，最典型的案例是國際象棋電腦“深藍(lán)”、圍棋電腦“AlphaGo”戰(zhàn)勝世界冠軍，自然語言處理電腦“沃森”在智力競(jìng)猜中擊敗人類，谷歌機(jī)器翻譯的不斷進(jìn)步。

但是，基于統(tǒng)計(jì)學(xué)方法的人工智能技術(shù)，并不能使計(jì)算機(jī)真的像人一樣理解、思考，而只能從大規(guī)模數(shù)據(jù)中發(fā)現(xiàn)統(tǒng)計(jì)方法所能發(fā)現(xiàn)的普遍規(guī)律和統(tǒng)計(jì)方法能夠?qū)ふ业降淖顑?yōu)對(duì)策，它的實(shí)現(xiàn)必須具備兩個(gè)前提條件：

1.必須具備大規(guī)模(優(yōu)質(zhì)或混雜)的數(shù)據(jù)庫。對(duì)于“深藍(lán)”和“AlphaGo”來說，是大量的高手對(duì)弈的棋譜；對(duì)于“沃森”和谷歌翻譯來說，是混雜的龐大語料庫。

2.恒定不變或相對(duì)穩(wěn)定的規(guī)則。對(duì)于“深藍(lán)”和“AlphaGo”來說是國際象棋、中國圍棋的千年不變的行棋規(guī)則；對(duì)于“沃森”和谷歌翻譯來說，是變化極為微小的語法規(guī)則。如果沒有大規(guī)模專門的數(shù)據(jù)庫，就無法實(shí)現(xiàn)機(jī)器學(xué)習(xí)；如果規(guī)則處在不斷變化之中，就難以進(jìn)行預(yù)編程。

正是由于這種難以克服的局限性，現(xiàn)有計(jì)算機(jī)仍難以完成許多對(duì)人類大腦來說輕而易舉的復(fù)雜任務(wù)。

“AlphaGo”之父哈薩比斯認(rèn)為:“距離人腦水平的人工智能仍然相當(dāng)遙遠(yuǎn)，可能還需要幾十年”。他在回答記者采訪時(shí)說：“你必須思考一下：為何我們現(xiàn)在還沒有這些東西？為何我們還沒有能夠自動(dòng)清理房屋的機(jī)器人？原因是每個(gè)房屋的布局、家居等各不相同。即使在你自己的房子中，其每天的狀態(tài)也絕不一樣，有時(shí)候會(huì)顯得混亂不堪，有時(shí)候則十分整潔。因此你沒法對(duì)機(jī)器人進(jìn)行預(yù)編程，以方便其幫你整理房間。此外，還需要考慮到你的個(gè)人喜好，比如你喜歡如何疊衣服等。實(shí)際上這是個(gè)非常復(fù)雜的問題，人類做這些事很容易，但機(jī)器人處理卻非常復(fù)雜。”

雖然計(jì)算機(jī)已經(jīng)擊敗了國際象棋冠軍、圍棋世界冠軍，但賦予計(jì)算機(jī)更多類人智能的努力，至今仍未成功?，F(xiàn)實(shí)是——弱人工智能取得可觀了的成就，強(qiáng)人工智能依然任重道遠(yuǎn)。那些對(duì)人類的政治、經(jīng)濟(jì)、軍事決策將由計(jì)算機(jī)來主宰的擔(dān)心，對(duì)機(jī)器人最終會(huì)成為人類的統(tǒng)治者的恐懼，其實(shí)是沒有根據(jù)的。人類社會(huì)的變化越來越快，新生事物層出不窮，至少在當(dāng)前和可預(yù)見的未來，我們不可能及時(shí)地構(gòu)建和刷新政治、經(jīng)濟(jì)、軍事活動(dòng)的大規(guī)模數(shù)據(jù)庫來訓(xùn)練計(jì)算機(jī)，并且，人類社會(huì)充滿了不確定性，絕非僅用恒定不變或相對(duì)穩(wěn)定的規(guī)則就能夠描述。

在社會(huì)科學(xué)研究中，當(dāng)前的人工智能技術(shù)還遠(yuǎn)遠(yuǎn)不能讓我們滿意。除語音識(shí)別達(dá)到了相當(dāng)可觀的水平外，現(xiàn)有文本分析技術(shù)有很大的局限性，并且精度不高；機(jī)器翻譯、圖像識(shí)別的水平仍然差強(qiáng)人意；對(duì)視頻數(shù)據(jù)的處理，還僅限于將其中的語音轉(zhuǎn)換成文本，然后進(jìn)行有限的文本分析。

四、仿腦計(jì)算與類腦計(jì)算

人工智能有兩個(gè)發(fā)展方向——仿腦計(jì)算與類腦計(jì)算。

1.仿腦計(jì)算：有的學(xué)者認(rèn)為，要想實(shí)現(xiàn)真正意義的人工智能，必須首先在腦科學(xué)、認(rèn)知神經(jīng)科學(xué)上取得突破，清晰、準(zhǔn)確地了解人腦的認(rèn)知、思維機(jī)理。在此基礎(chǔ)上，我們才能知道是否能夠用電子器件來模擬人腦,如果能夠模擬，才可能實(shí)現(xiàn)真正意義上的人工智能。也就是說，“仿腦計(jì)算”不是計(jì)算機(jī)領(lǐng)域取得突破就可以實(shí)現(xiàn)的，需要腦科學(xué)首先取得突破。而人腦的結(jié)構(gòu)是迄今已知的最為復(fù)雜的結(jié)構(gòu)，僅神經(jīng)元就數(shù)以千億計(jì)，每個(gè)神經(jīng)元通過數(shù)千甚至上萬個(gè)神經(jīng)突觸和其他神經(jīng)元相連接，我們對(duì)人腦的認(rèn)知、判斷、思考等機(jī)理還知之甚少，在這方面取得重大突破尚無可預(yù)見的時(shí)間。對(duì)人腦的認(rèn)知、判斷、思考等機(jī)理的不知，意味著連討論電子器件是否能夠模擬人腦的條件還不具備。要對(duì)仿腦計(jì)算能夠達(dá)到何種水平下結(jié)論，顯然為時(shí)尚早。

2.類腦計(jì)算：有的學(xué)者認(rèn)為，不必等待洞悉人類智能或心智的機(jī)理后再行模擬，可以繞過這個(gè)難題，通過結(jié)構(gòu)仿真等工程技術(shù)手段間接達(dá)到功能模擬目的——從結(jié)構(gòu)層次仿真入手，采用光電微納器件模擬生物神經(jīng)元，以及神經(jīng)突觸的信息處理功能，網(wǎng)絡(luò)結(jié)構(gòu)則仿照大腦神經(jīng)網(wǎng)絡(luò)，以模擬大腦神經(jīng)系統(tǒng)的信息處理過程。他們認(rèn)為在仿真達(dá)到一定精度后，類腦計(jì)算機(jī)將具備生物大腦類似的信息處理功能和系統(tǒng)行為，包括“靈感涌現(xiàn)”等高級(jí)智能。

對(duì)這種觀點(diǎn)，學(xué)界依然充滿爭(zhēng)議。當(dāng)前，類腦計(jì)算最成功的例子是“深度學(xué)習(xí)”(deeplearning)，“深度學(xué)習(xí)”植根于對(duì)大腦視覺系統(tǒng)的研究。視覺系統(tǒng)由很多“層”神經(jīng)網(wǎng)絡(luò)組成，故而稱之為“深度網(wǎng)絡(luò)”。神經(jīng)信號(hào)經(jīng)第一層處理后送至第二層，經(jīng)第二層進(jìn)一步處理后送至第三層，以此類推。層與層之間的網(wǎng)絡(luò)連接，是通過學(xué)習(xí)訓(xùn)練而形成的，所以稱之為“深度學(xué)習(xí)”。目前，深度學(xué)習(xí)系統(tǒng)在完成某些任務(wù)上(比如二維物體識(shí)別)已接近人的能力，然而這個(gè)理論仍然有相當(dāng)大的局限，例如，深度網(wǎng)絡(luò)模型通常只有“前饋”連接(從第一層到第二層、第二層到第三層等等)，而人腦的神經(jīng)系統(tǒng)有很多“反饋”連接(如從第三層回到第二層)，比如視覺注意力就來自于從高級(jí)“控制”腦區(qū)到初級(jí)視覺腦區(qū)的反饋信號(hào)。另外，訓(xùn)練深度網(wǎng)絡(luò)的學(xué)習(xí)算法目前也十分有限，需要千萬張圖來訓(xùn)練網(wǎng)絡(luò)。因此，“深度學(xué)習(xí)”尚無法具備自主學(xué)習(xí)、想象、創(chuàng)造等人類智能的高級(jí)特征。

從本質(zhì)上看，“深度學(xué)習(xí)”仍然是基于統(tǒng)計(jì)學(xué)方法的人工智能，僅模擬大腦神經(jīng)元的拓?fù)浣Y(jié)構(gòu)就能讓計(jì)算機(jī)達(dá)到人腦的能力嗎？

盡管對(duì)類腦計(jì)算能否實(shí)現(xiàn)人腦的高級(jí)智能尚存疑問，但可以肯定的是，類腦計(jì)算在大數(shù)據(jù)時(shí)代必將得到進(jìn)一步發(fā)展。類腦計(jì)算水平的提高有賴于大規(guī)模數(shù)據(jù)庫和大規(guī)模計(jì)算，而處在高速增長(zhǎng)之中的大數(shù)據(jù)為形成特定人工智能的大規(guī)模數(shù)據(jù)庫提供了數(shù)據(jù)源，云計(jì)算技術(shù)使大規(guī)模強(qiáng)時(shí)效性的計(jì)算得以實(shí)現(xiàn)，并且計(jì)算成本不斷下降，這為類腦計(jì)算提供了強(qiáng)有力的支撐；類腦計(jì)算水平的提高，又會(huì)反過來促進(jìn)大數(shù)據(jù)分析處理水平的提高。

類腦計(jì)算在自然語言理解、圖像識(shí)別、視頻識(shí)別三個(gè)方面的能力提升，對(duì)社會(huì)科學(xué)研究有重要價(jià)值；而仿腦計(jì)算的突破，將導(dǎo)致包括社會(huì)科學(xué)研究在內(nèi)的諸多領(lǐng)域發(fā)生天翻地覆的變化。

社會(huì)科學(xué)研究者不必要(一般也不應(yīng)該)去研究腦科學(xué)和研發(fā)人工智能，但必須保持對(duì)這兩個(gè)科學(xué)領(lǐng)域相關(guān)研究進(jìn)展的及時(shí)覺察，以預(yù)測(cè)未來非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)的發(fā)展趨勢(shì)和可能達(dá)到的水平，并做好相應(yīng)的準(zhǔn)備。

2016-10-12

國家社科基金重大項(xiàng)目“大數(shù)據(jù)時(shí)代計(jì)算社會(huì)科學(xué)的產(chǎn)生、現(xiàn)狀與發(fā)展前景研究”(16ZDA086)的階段性成果。

羅 俊(1969-)，男，湖北武漢人，武漢大學(xué)社會(huì)發(fā)展研究院研究員，大數(shù)據(jù)與計(jì)算社會(huì)科學(xué)研究中心主任。研究方向：計(jì)算社會(huì)學(xué)、計(jì)算歷史學(xué)。