人工智能兩大趨勢(shì)：自主能力和生物特性

陶陽(yáng)明

摘要

人工智能（ArtificialIntelligence，AI）是目前發(fā)展非常迅速的一門學(xué)科，并且已經(jīng)開始應(yīng)用于社會(huì)和生活，如人臉識(shí)別、語(yǔ)言翻譯和聊天機(jī)器人等。然而人工智能的潛力決不僅僅于此，文章首先創(chuàng)造性的對(duì)人工智能進(jìn)行了新的分類;然后通過(guò)對(duì)實(shí)現(xiàn)人工智能算法的概述，總結(jié)出人工智能的一般發(fā)展規(guī)律;接著對(duì)目前人工智能的缺陷進(jìn)行了分析，并給出了突破現(xiàn)有人工智能局限的關(guān)鍵所在;最后闡述了人工智能未來(lái)發(fā)展的兩大趨勢(shì)：自主能力和生物特性。

【關(guān)鍵詞】人工智能 自主能力 生物特性 機(jī)器學(xué)習(xí) 遺傳算法 發(fā)展趨勢(shì)

目前所謂的“人工智能”仍然非常初級(jí)。世界公認(rèn)的人工智能、機(jī)器學(xué)習(xí)界的泰斗Hinton也對(duì)自己提出的反向傳播理念深感質(zhì)疑;很多科技界的其他知名人士也開始反思目前流行的深度學(xué)習(xí)很多特點(diǎn)并不符合實(shí)際的大腦機(jī)制原理，更加無(wú)法做到像人類一樣輕取復(fù)雜問(wèn)題。

由此，筆者也引發(fā)了一些思考，主要表現(xiàn)為這些“人工智能”并沒(méi)有自主性和生物特性。下面依次闡述文章的觀點(diǎn)。

1 人工智能分類

目前來(lái)說(shuō)，科學(xué)界對(duì)人工智能多是從應(yīng)用領(lǐng)域方面進(jìn)行分類，文章創(chuàng)造性的從人工智能發(fā)展趨勢(shì)及技術(shù)層面等綜合因素對(duì)人工智能進(jìn)行分類狹義的人工智能和廣義的人工智能。

1.1 狹義的人工智能定義

狹義人工智能是以計(jì)算機(jī)為載體，用一組程序或者指令把所有預(yù)測(cè)情況表達(dá)出來(lái)，并且通過(guò)判斷在相應(yīng)的條件下給出最佳選擇。狹義的人工智能絕大部分是被動(dòng)性的，因?yàn)樗兴惴ǘ荚诳深A(yù)測(cè)當(dāng)中，如果超出預(yù)測(cè)就直接中斷執(zhí)行。

狹義的人工智能具有機(jī)械特性，高效率性和高準(zhǔn)確率性，然而這種智能也失去了靈活性和自主性。

1.2 廣義的人工智能定義

廣義的人工智能是以計(jì)算機(jī)或其它物體（比如具備生物特性的傳感器）作為載體，能夠自主根據(jù)所處不同環(huán)境而自發(fā)編寫程序或指令，并且能夠產(chǎn)生一個(gè)合適的算法并能自主執(zhí)行。

廣義的人工智能包含狹義的人工智能所有的優(yōu)秀特性，并且具有可控的自主特性如自主學(xué)習(xí)能力、自主編程能力等。廣義的人工智能應(yīng)該包含生物特性，比如生物最基本新陳代謝特性。

1.3 以上兩類人工智能的對(duì)比

（1）人工智能的從狹義的人工智能過(guò)渡到廣義的人工智能是必然的趨勢(shì)。

（2）廣義的人工智能包含狹義的人工智能的所有優(yōu)秀特性，如高效率性、高準(zhǔn)確性等等。

（3）廣義的人工智能具備生物特性和狹義人工智能具備機(jī)械特性是兩者之間的根本區(qū)別。

2 人工智能算法概述

實(shí)現(xiàn)人工智能的方法目前主要分為兩大類：工程學(xué)方法和模擬法。工程學(xué)方法僅從邏輯層面去設(shè)計(jì)并編程算法去實(shí)現(xiàn)人工智能，不會(huì)考慮是否與人或動(dòng)物機(jī)體所用的方法相同或者相似;而模擬法會(huì)更多的通過(guò)模擬人或動(dòng)物機(jī)體所用的方法來(lái)設(shè)計(jì)算法并最終實(shí)現(xiàn)人工智能。

2.1 工程學(xué)方法

工程學(xué)方法是用傳統(tǒng)的編程技術(shù)，展現(xiàn)出的是絕對(duì)性的被動(dòng)智能，即狹義的人工智能。比如構(gòu)建一個(gè)聊天機(jī)器人，把所有問(wèn)題和答案全部放進(jìn)系統(tǒng)，如果提問(wèn)者的問(wèn)題和和系統(tǒng)里面的問(wèn)題匹配或者關(guān)鍵詞匹配，則輸出答案，否則輸出不知道。而廣義的人工智能會(huì)根據(jù)和提問(wèn)者之前的對(duì)話記錄、對(duì)提問(wèn)者的問(wèn)句進(jìn)行意譯等多個(gè)方面進(jìn)行分析，然后才輸出答案。

使用工程學(xué)方法實(shí)現(xiàn)的人工智能只是實(shí)現(xiàn)了人工智能的效果而已，而內(nèi)在的算法是固定的、機(jī)械式的。所以工程學(xué)方法實(shí)現(xiàn)的人工智能有很大的局限性，這種局限性主要是因?yàn)殡S著算法邏輯層次的不斷加深，需要耗費(fèi)的人力成本、時(shí)間成本、經(jīng)濟(jì)成本等將會(huì)呈幾何的速度進(jìn)行增長(zhǎng)，最終導(dǎo)致算法無(wú)法深入。由此促使了人工智能向深一層的方向發(fā)展，比如怎樣讓機(jī)器學(xué)會(huì)學(xué)習(xí)，從而讓算法設(shè)計(jì)者從龐大的腦力思考和時(shí)間消耗中解脫出來(lái)。

2.2 模擬法

目前模擬法實(shí)現(xiàn)人工智能的方法主要有兩大類：機(jī)器學(xué)習(xí)和遺傳算法。機(jī)器學(xué)習(xí)是目前最受關(guān)注的一門計(jì)算機(jī)學(xué)科，幾乎涵蓋了人工智能所有的應(yīng)用領(lǐng)域，被譽(yù)為未來(lái)人工智能唯一方向的深度學(xué)習(xí)也是機(jī)器學(xué)習(xí)中的一門分支;遺傳算法在應(yīng)用領(lǐng)域有一定的局限性，主要應(yīng)用于路徑搜索，不過(guò)遺傳算法正在和其它算法交叉和融合，相信不久的將來(lái)會(huì)打破這個(gè)局限性。

2.2.1 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)顧名思義就是通過(guò)模擬人類的學(xué)習(xí)行為，讓機(jī)器也能夠像人類一樣具備學(xué)習(xí)能力并不斷獲取新的知識(shí)和技能。機(jī)器學(xué)習(xí)目前的分類比較復(fù)雜，一般情況下從兩個(gè)方面來(lái)對(duì)機(jī)器學(xué)習(xí)進(jìn)行分類。第一方面是從學(xué)習(xí)方式分為：監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)。第二方面是從算法相似性分為：線性分類算法、貝葉斯方法、決策樹、關(guān)聯(lián)規(guī)則學(xué)習(xí)、聚類算法、集成學(xué)習(xí)算法、降維算法和神經(jīng)網(wǎng)絡(luò)等。

機(jī)器學(xué)習(xí)目前被科技界普遍認(rèn)為是實(shí)現(xiàn)人工智能的根本途徑，其中神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)多個(gè)分支中的重點(diǎn)，而由神經(jīng)網(wǎng)絡(luò)延伸出來(lái)的深度學(xué)習(xí)更被認(rèn)為是機(jī)器學(xué)習(xí)整個(gè)領(lǐng)域的重中之重。不少科技界的專業(yè)研究人員已經(jīng)做出了在未來(lái)深度學(xué)習(xí)會(huì)淘汰其它所有人工智能算法的預(yù)測(cè)。

2.2.1 遺傳算法

遺傳算法是模擬人類或生物的遺傳一進(jìn)化機(jī)制，主要的規(guī)則來(lái)源于達(dá)爾文的生物進(jìn)化論適者生存和優(yōu)勝劣汰。具體是實(shí)現(xiàn)方法是從初代群體里選出環(huán)境適應(yīng)度表現(xiàn)良好的個(gè)體，利用遺傳算子對(duì)這些適應(yīng)性良好的個(gè)體進(jìn)行組合交叉和變異，如此產(chǎn)生第二代群體，再?gòu)牡诙后w中選出環(huán)境適應(yīng)度良好的個(gè)體進(jìn)行組合交叉和變異形成第三代群體，如此不斷進(jìn)化，直至產(chǎn)生末代種群即我們問(wèn)題的近似最優(yōu)解。

遺傳算法通常應(yīng)用于路徑搜索問(wèn)題，如迷宮尋路問(wèn)題、8字碼問(wèn)題等等。所以也導(dǎo)致了遺傳算法并沒(méi)有像機(jī)器學(xué)習(xí)那樣取得令人矚目的關(guān)注度，不過(guò)值得注意的是，目前遺傳算法正在和其它人工智能算法互相滲透和結(jié)合，尤其是機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)方面。

通過(guò)以上算法的概述可以發(fā)現(xiàn)人工智能發(fā)展的基本規(guī)律：簡(jiǎn)易的人工智能用工程學(xué)的方法完全可以滿足，這個(gè)階段可以定義為狹義的人工智能時(shí)期;隨著人工智能復(fù)雜化的加深，工程學(xué)方法已經(jīng)無(wú)法實(shí)現(xiàn)或者說(shuō)要付出的代價(jià)如（人力、腦力、精力、時(shí)間、經(jīng)濟(jì)成本等）已經(jīng)超出了可承受范圍，此時(shí)迫切需要新的方法來(lái)實(shí)現(xiàn)人工智能，所以進(jìn)入狹義人工智能到廣義人工智能的過(guò)渡期。文章認(rèn)為目前人工智能正處于這種過(guò)渡期，這個(gè)過(guò)渡期會(huì)產(chǎn)生很多很多算法，不斷的實(shí)踐和實(shí)驗(yàn)進(jìn)而角逐出最佳算法。

3 目前人工智能缺陷分析

3.1 缺乏自主能力

3.1.1 缺乏自主學(xué)習(xí)能力

目前的發(fā)展迅速但也很快觸到瓶頸的機(jī)器學(xué)習(xí)本質(zhì)上依然是機(jī)器的被動(dòng)學(xué)習(xí)，因?yàn)槟壳暗臋C(jī)器學(xué)習(xí)基本上是先要建立起學(xué)習(xí)模型，然后由人類去搜集模型需要的大量數(shù)據(jù)并喂給模型。而主動(dòng)學(xué)習(xí)雖然前期也需要經(jīng)歷被動(dòng)學(xué)習(xí)階段，但最終是可以自主的根據(jù)需求在環(huán)境里面選擇相應(yīng)的數(shù)據(jù)的。比如人類在想要獲取計(jì)算機(jī)硬件方面的知識(shí)，會(huì)自主的通過(guò)圖書館或者網(wǎng)絡(luò)搜索引擎等方式去尋找并帥選出相關(guān)的知識(shí)進(jìn)行學(xué)習(xí)，而不是坐在那里被動(dòng)等待有人會(huì)把相關(guān)資料送到他面前。

3.1.2 缺乏自主編程能力

是否具備自主編程能力是狹義人工智能和廣義人工智能的根本分水嶺。人工智能只有具備自主編程能力才能更好的進(jìn)化，才能具備更好的環(huán)境適應(yīng)能力。目前的人工智能看似具備適應(yīng)性，其實(shí)本質(zhì)僅僅的參數(shù)的自動(dòng)調(diào)整，并不是代碼或者機(jī)器指令的自動(dòng)調(diào)整。

3.2 缺乏生物特性

目前人工智能的載體建立在計(jì)算機(jī)上，而計(jì)算機(jī)僅僅是死板的機(jī)器而己，不具備任何的生物特性，這極大的限制了人工智能的發(fā)展。承載人工智能的載體不具備生物特性，而去模擬生物的行為和方法想讓死板的機(jī)器也能夠具備生物的某種特性，這是癡人說(shuō)夢(mèng)和煮沙成飯。

令人遺憾的是目前的生物科技過(guò)分的偏向于醫(yī)療藥物和農(nóng)業(yè)方面，而這些更多的是偏向應(yīng)用方面。由于商業(yè)原因，導(dǎo)致大量的生物科技研究院花費(fèi)大量的時(shí)間和精力去創(chuàng)造能帶來(lái)盈利的新藥物和新物種，這對(duì)探索生命存在的根本是非常不利的，而人工智能的本質(zhì)就是人類探索生命如何運(yùn)轉(zhuǎn)的一個(gè)過(guò)程。

4 人工智能未來(lái)發(fā)展趨勢(shì)思考

4.1 第一階段：具備自主能力

人工智能自主能力包含自主學(xué)習(xí)和自主編程，就如同工業(yè)革命把人類從繁重的工業(yè)勞動(dòng)中解脫出來(lái)一樣，人工智能具備自主能力會(huì)把人工智能的技術(shù)工程師從繁雜邏輯思考中解脫出來(lái)。這個(gè)階段的人工智能不僅僅應(yīng)用于企業(yè)生產(chǎn)和商業(yè)應(yīng)用，會(huì)真正的走進(jìn)千家萬(wàn)戶，任何一個(gè)人在任何時(shí)候任何地點(diǎn)都會(huì)和人工智能有千絲萬(wàn)縷的聯(lián)系。

自主能力仍然屬于算法范疇，目前人工智能算法層出不窮，經(jīng)過(guò)積累和不斷發(fā)展，自主能力算法被研究出來(lái)是可預(yù)期的。

4.2 第二階段：具備生物特性

人工智能具備生物特性的主要表現(xiàn)形式是具備了獨(dú)立思考能力，這個(gè)階段的人工智能是真正意義上的獨(dú)立個(gè)體或者說(shuō)是某一方面的絕對(duì)專家。

目前生物科技主要的兩大基石技術(shù)是基因重組和細(xì)胞融合，許多新的技術(shù)和新的應(yīng)用領(lǐng)域都是在這兩個(gè)基石上發(fā)展起來(lái)的。目前己經(jīng)通過(guò)生物納米技術(shù)研發(fā)出了生物傳感器和生物晶片，生物傳感器可以完成生物物質(zhì)敏感性和電信號(hào)之間的轉(zhuǎn)化，生物晶片可以利用核酸探針完成對(duì)基因序列的檢測(cè)。然而，這還不夠，人工智能具備生物特性的路還有很長(zhǎng)很長(zhǎng)的路要走，期待未來(lái)生物科技和計(jì)算機(jī)技術(shù)能夠快速融合，盡快創(chuàng)造出能夠承載人工智能的新型生物載體。

5 結(jié)語(yǔ)

文章大致闡述了人工智能的發(fā)展趨勢(shì)：狹義人工智能一過(guò)渡期一廣義的人工智能。目前人工智能處于過(guò)渡期，最主要的表現(xiàn)是不具備自主能力和生物特性。由此如何讓人工智能具備自主能力和生物特性是未來(lái)發(fā)展的兩大趨勢(shì)，尤其是智能載體方面，文章認(rèn)為只用機(jī)械的計(jì)算機(jī)作為智能載體是人工智能發(fā)展的最大限制，運(yùn)用生物科技創(chuàng)造出具備生物特性的智能載體是進(jìn)入廣義人工智能的重要入口。

參考文獻(xiàn)

[1]栗子 問(wèn)耕.Hinton反思新作：我說(shuō)反向傳播不好，但還是沒(méi)誰(shuí)能顛覆它[EB/OL].http：//www.sohu.com/a/241886149_610300，2018-07-18/2018-07-26.

[2]錢塘雨棲.人工智能是怎么實(shí)現(xiàn)的[EB/OL].https：//zhidao.baidu.com/question/521476293.html，2017-11-28/2018-07-26.

[3]史忠植.人工智能[M].北京：機(jī)械工業(yè)出版社，2016：511-513.

[4]劉玉剛.人工智能之機(jī)器學(xué)習(xí)常見(jiàn)算法[EB/OL].https：//blog.csdn.net/baihuaxiu123/article/details/51475384，2016-05-22/2018-07-26.

[5]boat_lee.遺傳算法詳解（GA）[EB/OL].https：//blog.csdn.net/u010451580/articIe/detai1s/51178225，2016-04-18/2018-07-26.