1 深度学习的哲理含义:机器的时间化能力-德赢Vwin官网 网
0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

深度学习的哲理含义:机器的时间化能力

JsPm_robot_1hjq 来源:未知 作者:李倩 2018-07-05 14:37 次阅读

自从控制论出现以来,人工智能AI,artificial intelligence)与人类智能(HI,human intelligence)的关系已经被争论良久。近些年人工智能崛起,让人开始意识到,一个人类生存方式的新时代正在来临。本文尝试从哲理角度来理解这一波新进展,以及它对于此关系的影响;为此就不仅要说明人工智能出现的哲学背景,而且要涉及导致这次进展的一个重要因素,即“深度学习”(deep learning)方法的思想含义。为了尽量原本地显现人类心智的特性,以便与这种人工智能进行比较,一个策略是诉诸广义心学,看看这个古老传统对于人类心灵的基本见地。

人工智能的哲学背景:数学因素

十几年前,即便是人工智能界的主流也没有想到会有这样的突破和勃兴。但从整个西方思想和科技的发展方向来看,也在情理之中。

毕达哥拉斯及其学派的主张,代表了西方文明精神的原结构。毕氏主张“数”是万物的本原,导致了西方哲学主流唯理论的诞生。他、他的学派及其衍生流派比如爱利亚学派和柏拉图主义,乃是西方文明及其现代潮流的特征赋予者。

海德格尔称这种塑造西方思想主流,包括现代科技的力量为“数学因素”(das Mathematische)。它被唯理论者视为人类心灵与万物共有的先天形式。人之所以能够“为自然立法”(康德),就是以此数学因素为拷问自然的座架,逼迫自然向我们这些“主体”吐露出她作为“客体”的秘密。

人工智能的新进展,是毕达哥拉斯之数或数学因素达到的一个新阶段,它在一定程度上突破了传统数学理性的广义线性思维,但又在新的维度上建立起“算法”(algorithm)的有效性,由此而将“数本原”说推进到了一个新境界。

当我们看到人工智能可以识别对象(比如人脸、日落),开始驾驶汽车,能战胜围棋高手,写出让人难辨真伪的诗词,相互之间说出让设计者不知所云的新话语,我们感到了某种“兴奋”,但同时又迷茫、害怕,人与机器的界限在模糊,“有机械者必有机事,有机事者必有机心”(庄子)的状态,正在从人向机械转移,它们也在取得“机心”,与我们的机心类似的心。未来的发展更是充满了异数。这次是不是狼真的要来了?它不但可能不再被驯服,而且要驯服制造它们的人?

人工智能与深度学习

什么是人工智能?简言之,就是人为制造的机制能够“像人一样思考;像人一样行动”。这里讲的“人”,是指我们这种“现代智人”(Homo sapiens)。但此种人的“智能”何在呢?这就几乎是在问“人的本性何在?”亚里士多德的回答是:“人是有理性的动物。”所以人工智能的另一种定义是说它能够“合理地思考和行动”。但这是一种什么“合理”呢?应该是由毕达哥拉斯之数的“比率”(ratio)所构造的“合理性”(ratio-nality)。

对于它的具体含义,不是没有争议的。比如,它与现象、情感、直觉、信念是什么关系?近代启蒙运动和科学主义大兴之后,更为硬性、冷静地看待这种理性,将之归为因果关系的线性利害算计。新阶段AI的出现,有点像量子力学的新进展,表明这合理性不是完全连续的,但它仍然可以被看作是理性的;就像当年毕达哥拉斯学派发现了无理数,虽然受到极大震惊和挫折,但此类数的“无理”(un-ratio,无比率)最终也没能动摇整个数本原的合理。新AI之所以是对传统的智能观的突破,就是因为它对“非线性”的要求极顽强和深刻。

最近一波AI新进展取决于三个因素,即可用数据量的扩张、计算机速度的提升和深度学习方法的获得。最有哲理含义的是最后一个,如一位深度学习方法的开创者所言:“深度学习是一种特定类型的机器学习,具有强大的能力和灵活性,它将大千世界表示为嵌套的层次概念体系(由较简单概念间的联系定义复杂概念,从一般抽象概括到高度抽象表示)。”

“机器学习”由早期AI(实例为“知识库”)进展而来,可以表现为“逻辑回归”方法,即一种“监督学习算法”(所用样品带有人为加上的标签,以引导机器的学习);然后进展到“表示学习”的阶段,这时AI获得了“无监督学习算法”,也就是从没有人为标签的样本分布中自己提取信息,理解数据,其实例为浅度自编码器。这是一个重要进步,但更关键的进展来自“深度学习”的出现,其实例是多层感知机(MLP)。这种算法之所以有强大的能力和灵活性,就是因为它包含了“嵌套的层次”,像人的知觉神经网络,能从对象化样本(比如许多关于“叶子”图片的信息)学到非对象化的对象识别(比如辨认出从未见过的或千变万化的叶子)能力。

这种学习算法的输入不能是对象层级的,比如直接记住许多有关的图像,而只能从“感觉材料”(hyle)入手。这样,在图像的对象识别中,输入就是图像的像素数值。但是,“将一组像素映射到对象标识的函数非常复杂。如果直接处理,学习或评价此映射似乎是不可能的”。于是深度学习算法就将在一层或浅层难于处理的复杂映射或函数运算,分解为多个嵌套层次的简单映射,比如在输入层与输出层之间加入三层或更多层。

这里的关键是“嵌套的隐藏层”,也就是“深度”的出现或实现。它表明分层的“裂隙”是较佳智能出现的一个条件。在一个层次上达不到的,却可能在更多的嵌套叠层中实现。为什么?按照传统理性的思路,如果逻辑正确、信息足够,计算力够,在一层上处理这些信息与在多层上处理没有本质不同,只不过是比较复杂的一步走和比较简单的多步走的差别。但深度学习的思路认为的确有质的不同。在这些叠层之中,下一层的输出是上一层的输入,而且是交叉嵌套式的输入,所以两层之间有联系,但不是可以被更高级算法代替的联系,因为这种层间联系里有情境化的,需要被不断调试、训练的参数,即所谓人工神经网络虚拟神经元之间“突触连接强度或权重”。它们将输入或一个层级算法的结果非线性地或相当曲折地转输到上一层,造成了连续中的不连续,或不连续(层级间的裂隙)中的时机化的曲折连续。用《老子》的话讲,就是“惚恍”联系中的“真”与“信”。

在十二年以前,人工智能的研究多年陷入低潮,界内的主流都认为对多层的深度人工网络的训练是不可能的,层次增多使得一些技术难题无法解决。但是,加拿大学者G.Hinton在2006年找到了一种他名之曰“贪心逐层无监督预训练”的方法,有了它以及由它启发的诸多新发现,现在要让计算机来识别(比如)物体或人脸,就会(比如)在第一隐藏层对输入像素的临近亮度进行比较,由此识别出边缘;在第二隐藏层利用这些边缘来搜索出表示角和扩展轮廓的边缘集合;在第三隐藏层找到这些角和轮廓的特定集合来识别出特定对象的某个或某些部分;最后在输出端根据这些对象部分识别出目标对象。由此,深度学习算法的层次性(裂隙化联系)显示出不可替代的构造功能,或虽然初步但比较真实的学习功能,在这十一年多的时间里得到越来越深入和多方面的研究,深刻改变了人工智能的图景。

深度学习的哲理含义:机器的时间化能力

什么是“学习”?电子计算器虽然算得很快,但它没有学习能力,不会随着多次运算改进自身的计算能力,时间历程对它毫无意义。所以,我们可以将学习能力理解为当事者随时间经历而改变自身以获得更优结果的能力。

新的“阿尔法围棋”(AlphaGo)的版本AlphaGoZero,更充分地运用了深度学习法,不再从人类棋手的以往棋谱记录中开始训练,而是完全靠自己的学习算法,通过自我对弈来学会下棋。经过一段时间的自我学习,它就击败了曾打败李世石的以及曾完胜柯洁的AlphaGo版本。

由此可见,机器的确开始具有了某种学习能力。它在训练中得到的不再只是规则、对象信息,而是还能获得对象出现的可能条件。换言之,它已经能够开始“感受”和捕捉可能性,而不只是现成之物了。这种学习就是一个非线性的、概率的、反馈调整的和逐层逐时地深化和构成的准发生过程。这是一个具有某种真实时间历程的习得过程,没有它,像自动驾驶汽车这样的情境化学习是不可能被机器实现的。

首先,它表明智能是一种非现成的结构,不仅属于人类或碳基生命,也可以属于硅基存在者。实际上,智能是一种能解决(包含不在场维度的)复杂问题的结构方式,也就是能让数学因素非线性地时机化运作的结构。

其次,这进展也并不证明物质还原主义的胜利。这种还原论曾提出“人是机器”,将人的身体甚至意识当作可以充分对象化地研究的对象。但目前这波人工智能却是反其道而行之,采用“机器是人”或“机器要像人一样思考和行动”的研究方针。

再者,人工智能的新境说明非线性、非形式化、非对象化和(层级)“之间”化的思维能力和感知能力,要比其反面更智能,也更能体现人的特性。“现代性”标榜的那种充分对象化、形式逻辑化、线性化的理性,恰恰是“最容易”被计算机化的,而与之相对的、曾被无数次贬低的“主观的、直观的”以及情感的、悟解的心智能力,才是人工智能所向往的,也是人之为人的更必要者。

又再者,未来人工智能的新突破方向,按照深度学习的提示,应该是更加非对象化、无监督化、通用化、内时间化,因为只有那样才会获得更有时机化能力的智能。在这方面,东方的哲学有特别深厚的土壤,或许会成为那些有探索精神者的灵感来源之一。但东方的智能与德能是内在交织在一起的,所以人工智能如何能够不成为缺德者,恐怕是更重要的议题。

人类智能(HI)与人工智能——尤其是未来那种相当通用化的AI——有没有质性上的区别呢?我们对人类心灵了解多少?我们从应对AI挑战的角度来重温从奥义书、佛陀到老庄孔孟的“人心之思”。

人类心智的深度:广义心学中的内时间维度

由于改为直立行走,人类与其他灵长类表兄弟们之间的差距越拉越大,最重要的表现就是人类获得了极为深长的内时间意识,有了巨大的想象力和筹划力,还有感受深刻情感、道德、美感和神圣的能力,从生理上表现为一个复杂丰满的大脑和体魄。远古人类族群中已有“通灵者”,比如萨满巫师,有广布的泛神论信仰,有神话、传说、史诗等等。可见人的心灵从来就不甘心只埋头于现实问题的解决,而总要突入生存领域的自由时空中翱翔。有这种翱翔能力的族群,从长远看似乎有更多的生存几率。神话和宗教信仰广泛存在,还表明人感受到了一种超出当下自我乃至群我的力量,一种可以看作是这个世界的根本的存在。

在某个时间点上,也可能从一开头,人们开始发现这种整体的生命意义感受的源头不(只)在外边,而是首先存在于我们的心智或意识之中。这是一个伟大的转折,它特别显著而深邃地表现在古印度文明的圣典和瑜伽修行传统中。四千年前开始出现的《梨俱吠陀》就已经表达了它。

后来的奥义书,就是沿着此思路或此悟解而行,“梵”是世界的根本,而“阿特曼”是心灵的根本,两者毕竟为一。“阿特曼”又被称为“真我”“神我”,是人类心灵和意识的源头,却因其完全非对象化、纯意识化而在无梦之眠、轮回中也存在,最终在解脱中得自由。

但我们该如何自觉到这神我、本心、原识呢?最为中国人熟知的是佛教之路。释迦牟尼在菩提树下证悟的佛法,甚深微妙,被他首次表达为“苦﹣集﹣灭﹣道”四谛,其根本在于“集谛”,此谛原意可用“缘起性空”揭出。我们认之为真实的外物与内念,都由“眼耳鼻舌身意”这“六识身”所接受的“材料”和被“深度”(借用以上讨论深度学习的话语)构造的意识表象及念头集合而来,并无“自性”或使其“是其所是”的实体,所以为“空”(sunya)。“空”这个词在梵文中又指“零”,印度人发现了零的奇妙地位。空或零意味着非对象化,但充满了无穷可能。我们靠什么才能看透这六识缘起的幻相或性空本性呢?还只能靠某种更根本的、能自知其缘起性空性的意识。

大乘佛教特别是唯识宗称此母识为“阿赖耶识”,是刚谈到的所有这些心识功能和幻真境界的总根。而这阿识乃一原时间意识,是一切意识和存在的根源;既是现象幻化之源,也是“转识成智”而入涅槃的依据。“识”包括阿识有执著于缘起者的杂染倾向,而“成智”是指消除此无明执著,而使阿识透空无执,还其非对象化的纯意识的原时间态。

可见,只要讲心、识、意,就离不开原发生与保持的时间,即原本的心识。此母识本心,以如来藏心的形式在中国激发出一些富于创新的流派,其中禅宗十分鲜明地体现了它的时机化特征。

人工智能与广义心学的关系

既然人类意识的根本是原时间性,所以人工智能通过深度学习获得的时间感和时中能力,尽管目前还十分浅薄,但那毕竟是真实的,由此表明这人工的智能也可以是真的智能。看来,智能既不在乎载体的物理属性,也不在乎它是否属于一个心灵实体。佛家缘起性空的心学观特别适合沟通HI和AI。

人工智能的新进展将近现代科技的“离心离德”的倾向扳回了一局,心智现象及其身体化如大脑神经网络成了科技生长点的灵感来源之一,是创新所参照的一个范本,而不是反过来,用高科技化的机器来置换心和脑。

当然,如果心的本义——不是其实体性,而是其缘起的原时间性——被当作幽灵排斥,而脑神经结构和人工智能完全顶替了心灵,比如心识丧失了它的引领作用,反被虚拟网络或人工智能所改造、控制或“饲养”,那么,危险也更加巨大。

希望还是在于意识的原时间性。既然心的根本或意识的能力在于非对象化的、显隐互构的时机化结构,那么人工智能未来的发展也会朝着这个方向进行,不然不会有大的突破。如果它在此方向上进展得足够深长,它的智能就会越来越像人类智能;而且不止是像日常生活中,特别是这么一个异化社会中的人类心智,即这种功利主义化、个体主义化、权力意愿化和现在主义化的心智,而是会更忠实于心智的内在结构,也就是其时间化、缘起性空化的结构,不那么执著于自我、对象、权力和力量。这意味着它的时间化智慧必会包含道德,如同佛陀和菩萨具有的慈悲、无私、忍耐和谦卑,孔子、孟子、曾子、子思具有的孝悌、仁义、中庸和爱物。

如果我们从心学的视域来思考人工智能与人类的关系,就会出现一个选择:人类是应该继续人工智能的研究还是应该停止它?

如果考虑到人工智能因具有时机化能力而已经和将要获得的强力,再考虑到目前和可见的将来能够掌握这种技术知识的人群的心智水准和道德水准,那么就应该禁止它,或为其研究设立一个明确的上限,就像对人体克隆技术设立的限制那样。

但如果考虑到人工智能得到的时机化能力所透露的良性可能,即它在人类的合理引导下也可能发展出纯净的本心意识,那么就可以有条件地(比如在广义心学指导下)容许它的发展。所谓“条件”,就是指要限制人工智能对力量的过分追求,无论是军事力量、商业力量还是心理掌控力量,而鼓励这种智能向本心或纯意识的方向演进。人工智能要造福而不是摧残人类,只有向这个方向靠拢才行。

从现实的角度预想人工智能的未来,极粗略地讲,有三种可能:第一,人工智能的能力不断提高,在为人类服务并改变人类生存方式的同时,逐渐以或隐或显的方式异化甚至控制人类。最坏的结果是“超级人工智能”管制人类,就像现在人类对其他高级灵长类的管制,甚至毁灭人类。

第二,人工智能的能力提高到一个水平时,由于无法找到进一步非对象化的自身实现方式,所以从总体上陷于停滞。于是AI与HI之间就还有一条鸿沟,AI就总是处于高级“木牛流马”的地位上。这基本上是目前不少开发AI的公司代言人一再向我们描述或保证的前景。但这并不表明第一种情况完全不会出现,因为将来达到一定高度的AI也有毁坏人类的能力;但毕竟,人类的心识还有某种优势可资利用。

第三,人们找到了将AI充分地深度时间化的办法,于是它不仅能力大大增强,还突破了与人类意识包括其深层意识(本心)的隔膜,真正拥有了人的天然情感、道德感、艺术感和神圣感,而且使之更加纯粹虚灵,成为人类的真正知心者、保护者和善良的帮助者。这时,毕达哥拉斯之数就与《易》象数打通了。

从目前的形势看来,这三种前景出现的概率依序减少,所以人工智能与人类关系的前景并不那么光明,当然也不是令人完全绝望。在这个过程中,人们对自身心灵的理解、对传统还原论式的科技至上主义的克服,以及对AI进展的引导,都会影响到AI的进路和人类的未来。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1791

    文章

    47183

    浏览量

    238243
  • 深度学习
    +关注

    关注

    73

    文章

    5500

    浏览量

    121111

原文标题:深度学习:能否让人工智能更像人类心灵?

文章出处:【微信号:robot-1hjqr,微信公众号:1号机器人网】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    人工智能知识分享之机器学习深度学习的区别与联系

    人工智能的浪潮正在席卷全球,诸多词汇时刻萦绕在我们耳边:人工智能、机器学习深度学习。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、
    的头像 发表于 10-28 05:15 8138次阅读

    基于深度学习技术的智能机器

    ——工业机器人的智能程度要求也越来越高,采用深度学习技术为工业机器人赋能是目前各大厂商的统一认知。本文结合实际案例,简要说明一下智能
    发表于 05-31 09:36

    深度学习在预测和健康管理中的应用

    深度学习在预测和健康管理中的应用综述摘要深度学习对预测和健康管理(PHM)引起了浓厚的兴趣,因为它具有强大的表示能力,自动
    发表于 07-12 06:46

    什么是人工智能、机器学习深度学习和自然语言处理?

    领域,包括机器学习深度学习、数据挖掘、计算机视觉、自然语言处理和其他几个学科。首先,人工智能涉及使计算机具有自我意识,利用计算机视觉、自然语言理解和模仿其他感官。其次,人工智能涉及模
    发表于 03-22 11:19

    如何区分深度学习机器学习

    深度学习与传统的机器学习最主要的区别在于随着数据规模的增加其性能也不断增长。当数据很少时,深度学习
    发表于 10-27 16:50 1959次阅读
    如何区分<b class='flag-5'>深度</b><b class='flag-5'>学习</b>与<b class='flag-5'>机器</b><b class='flag-5'>学习</b>

    深度学习机器学习深度的不同之处 浅谈深度学习的训练和调参

    近年来,深度学习作为机器学习中比较火的一种方法出现在我们面前,但是和非深度学习
    发表于 05-02 10:30 4329次阅读

    通过机器学习深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义

    最近研究人员们通过机器学习深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义,包括高兴和愉悦的情绪。这一项目使得我们可以更
    的头像 发表于 01-12 09:48 3622次阅读

    机器学习深度学习之间比较

    近年来,随着科技的快速发展,人工智能不断进入我们的视野中。作为人工智能的核心技术,机器学习深度学习也变得越来越火。一时间,它们几乎成为了每
    的头像 发表于 05-11 10:13 3743次阅读

    机器学习 | autoML自动深度学习网络设计可行吗?

    机器学习深度学习为其中一分支)技术成为各产业智慧的核心能力,但是算法的设计复杂,需要专业知识
    的头像 发表于 05-29 14:49 2125次阅读

    深度学习框架你了解多少

    开源的深度学习神经网络正步入成熟,而现在有许多框架具备为个性方案提供先进的机器学习和人工智能的能力
    发表于 07-08 10:31 2213次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>框架你了解多少

    深度学习机器学习的区别是什么

    随着人工智能浪潮席卷现代社会,不少人对于机器学习深度学习、计算机视觉、自然语言处理等名词已经耳熟能详。可以预见的是,在未来的几年里,无论是在业界还是学界,拥有
    的头像 发表于 02-02 10:56 1.1w次阅读

    机器学习深度学习有什么区别?

    深度学习算法现在是图像处理软件库的组成部分。在他们的帮助下,可以学习和训练复杂的功能;但他们的应用也不是万能的。 “机器学习”和“
    的头像 发表于 03-12 16:11 8191次阅读
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>和<b class='flag-5'>深度</b><b class='flag-5'>学习</b>有什么区别?

    机器学习深度学习的区别

    机器学习深度学习的区别 随着人工智能技术的不断发展,机器学习
    的头像 发表于 08-17 16:11 4225次阅读

    机器学习深度学习的区别

      机器学习深度学习是当今最流行的人工智能(AI)技术之一。这两种技术都有助于在不需要人类干预的情况下让计算机自主学习和改进预测模型。本文
    发表于 08-28 17:31 1503次阅读

    深度学习中的时间序列分类方法

    时间序列分类(Time Series Classification, TSC)是机器学习深度学习领域的重要任务之一,广泛应用于人体活动识别
    的头像 发表于 07-09 15:54 875次阅读