写点什么

未来,人类如何与人工智能沟通?

  • 2015-12-29
  • 本文字数:2511 字

    阅读完需:约 8 分钟

近日,Wolfram Research 的创始人兼 CEO、Mathematica 软件 /Wolfram|Alpha 系统以及 Wolfram 语言的发明者、《A New
Kind of Science》的作者 Stephen Wolfram 在其博客中探讨了人类如何在未来与人工智能(AI)沟通的问题。本文对Stephen 的观点进行了详细分析。

利用人工智能机器来回答问题一直是人类的一个梦想。在2009 年, Wolfram|Alpha 的推出给了大家巨大的惊喜。该系统能够根据用户输入的问题直接返回答案,目前已经回答了数以亿计的问题。然而,Wolfram|Alpha 目前仍然只能针对简单的问题或命令进行回复。如何理解并回复复杂问题仍然是人工智能系统的一大难题。经过近些年的思考,Stephen 认为,Wolfram 语言是实现人类与 AI 良好沟通的不错手段。那么,Stephen 为什么会得出这样的结论呢?本文接下来就一步步的详细展开这其中的推论过程。

计算十分强大

Stephan 首先提出,计算是一件十分强大的事情。即使是神经网络等方面的简单小程序也能完成复杂的运算。实现人工智能回答复杂的问题的必要前提就是建立一个人脑所能处理事情与计算所能做事情之间的桥梁。而这正是Wolfram 语言的设计初衷。

计算型思考的语言

与传统计算机语言不同,Wolfram 语言首先瞄准的就是如何精确捕捉人类语言的含义。因此,Wolfram|alpha 团队在2010 年前后主要关注数学、逻辑以及抽象网络等抽象概念。而最近几年,通过Wolfram|alpha 系统的实际运行,他们发现令系统涵盖城市、电影或动物等实际存在的东西更有意义。但是,Wolfram 语言又需要不同于自然语言。Stephen 指出,即使是一些很简单的算法程序,英语也是很难准确描述的。这时候,就需要Wolfram 语言来描述。甚至Stephen 自己也开始在生活和工作中不知不觉的使用Wolfram 语言。

理解AI

以往,程序员总是通过人类所能理解的代码来编写程序。但是,对于AI 系统而言,这种编写代码的方式未必合适。在Mathematica 和Wolfram 语言中,算法自动化的工作很多时候是直接通过机器学习或者搜索已经存在的程序来完成的。那么,这样生成的代码就未必是人类所能够理解的。

Stephen 指出,在这种情况下,我们就需要像对待现实社会一样对待 AI——很多复杂的现象很难从根本上去解释,但我们能够在不甚理解的情况下利用这些现象,改善人类的生活。

AI 有自己的目标吗?

假设 AI 已经能够拥有“智能”,我们已经应该让它做什么呢?很久以前,人类就开始讨论该问题。Stephen 认为,在不掺杂人类意愿的情况下,“纯粹”人工智能的目的应该很简单——就是根据输入进行计算。

给 AI 以目标

对于传统的机器,我们可以很容易定义它的运行目标。但是,对于一个人工智能系统而言,我们不希望花费时间来把目标分解并具体化,但又无法掌握其运行的具体情况。那么,如何很好的定义 AI 的目标呢?Stephen 表示,该问题十分复杂。如果 AI 能够与人类一起生活和工作,人类用自然语言描述目标也许就可以。但是,对于 AI 没有经历过或本身就十分复杂的问题,自然语言就不行了。这时候,位于机器语言和人类语言中间的 Wolfram 语言就成为很好的选择。

AI 之间如何通信

考虑人类如何与机器沟通是一回事,而 AI 之间如何沟通又是另外一回事。一方面,AI 所使用的底层符号语言在不同 AI 中是不同的;另外一方面,它们也不能很好的使用英语等人类语言进行沟通。那么,AI 之间究竟该如何沟通呢?

先想象一下自然语言如何增加新词。一般新词要么是与一种新的事物相关,要么是更好的区分已存在的事物。例如, Image Identification 项目就是为了识别人类日常所命名的 1000 种事物。这种 PLEC (Post-Linguistic Emergent Concept)概念使得 AI 系统不得不扩展自己的语言。但是,应用等自然语言在扩展时是十分受限的。它不能像结构化符号语言一样利用符号结构来表示新的概念。因此,AI 之间使用 Wolfram 语言进行沟通是可能的。

信息获取

亿万年以来,人类依赖基因来获得基本的身体信息,然后利用大脑在后天积累信息。然而,人类的知识仍然是无法直接传递给后代的。于是,自然语言诞生,帮助人类实现了知识的传承。不过,人类在理解自然语言时,仍然需要经过大脑的翻译。于是,Wolfram 等计算型知识语言就显得尤为重要:沟通过程完全不需要翻译,语言的执行过程已经自动完成了翻译和理解。如果说自然语言把人类社会带到了文明,计算型知识语言则定义了 AI 的文明。至少,它在人类和机器中间架起了沟通的桥梁。

人人皆可编程

就像自然语言的普及过程一样,计算机代码的流行会带来什么样的变化呢?例如,人们去饭店看到的将不再是一成不变的菜单,而是可以自由修改代码,改变菜单的样式。或者,人类可以直接采用代码和其他人或机器进行沟通。Stephen 则认为,这不仅仅带来人们表达问题方式的改变,而重要的是能带来人们思考问题方式的革命。

Wolfram 真的可以担当重任吗?

最后,Stephen 将所讨论的问题回到到了最初:Wolfram 语言真的可以实现人类与机器的无障碍沟通吗?对于简单的问题,Wolfram|Alpha 系统已经给出了肯定的答案。那么,对于 AI 的复杂应用场景呢?

Stephen 表示,Wolfram 语言已经在 AI 系统中发挥了重要作用。无论是精确的那个目标的 FindShortestTour 应用,还是 ImageIdentify 等模糊定义目标的应用,Wolfram 很好的帮助了系统进行图像、文本、数据或符号结构的计算。但是,Wolfram 距离最终目标仍然有很长一段距离。

Stephen 认为,人工智能的语言未来会如何实在很难预测。也许,人工智能会使用一种人类完全无法理解的语言,然后飞速发展。但是,至少 Wolfram 语言提供了人类和人工智能沟通的桥梁。

结尾

在文章最后,Stephen 提出,关于人类和人工智能 / 语言和计算,他有很多话想说。本文也只是描述了他当前的一些想法,尤其是他意识到了 Wolfram 语言是人类和人工智能沟通的桥梁。在 Wolfram|Alpha 系统中,Wolfram 语言已经给出了一些例子。未来,随着人工智能的发展,让我们一起期待 Wolfram 或相关语言的发展。


感谢杜小芳对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们,并与我们的编辑和其他读者朋友交流(欢迎加入 InfoQ 读者交流群(已满),InfoQ 读者交流群(#2))。

2015-12-29 18:002251
用户头像

发布了 268 篇内容, 共 123.4 次阅读, 收获喜欢 24 次。

关注

评论

发布
暂无评论
发现更多内容

我在极客大学算法训练营的收获

熊斌

极客时间 极客大学

笔记:《如何系统思考》之因果回路图

wiflish

思维方式

哲少荐书:这才是心理学

Jackey

心理学 读书

写在2020年五四青年节

耿老的竹林

个人成长

花更多的时间在自己的优势上

Neco.W

创业 自我管理 重新理解创业

如何成为一个高效的问题解决者?

汪锋

一文带你搞懂RPC核心原理

松花皮蛋me

微服务 RPC 远程调用

NIO看破也说破(一)—— Linux/IO基础

小眼睛聊技术

Linux 架构 后端 Netty nio

Java并发编程系列——分布式锁

孙苏勇

Java zookeeper 并发编程 多线程 分布式锁

MySQL自增ID以及其他唯一ID方式分析

Bruce Duan

MySQL自增ID 唯一ID

实战营第一战:FizzBuzz

escray

学习 CSD 认证实战营

中台是为了复用?未必!浅谈产业中台建设的特点与误区

孤岛旭日

架构 中台 企业中台 企业架构 产业互联网

Web3极客日报#135

谢锐 | Frozen

区块链 独立开发者 技术社区 Rebase Web3 Daily

为什么厉害的人精力都那么好?

非著名程序员

程序员 程序人生 提升认知 精力管理

冥想与呼吸法之于情绪控制

树上

情绪 冥想 呼吸法 呼吸 自我

python oop 指南

志学Python

Python python 爬虫 oop

五十年前的一桩公案:数据库关系模型的流行史(上)

青菜年糕汤

数据库 分布式数据库 数据库规范 关系型数据库 数据库设计

Impala UDTF 功能实现

小鹏

大数据 hadoop cloudera 数据仓库

Web3极客日报#134

谢锐 | Frozen

区块链 独立开发者 技术社区 Rebase Web3 Daily

基准测试神器JMH —— 详解36个官方例子

捉虫大师

Java 性能 JMH

Golang杂谈 - graceful shutdown为何离奇失效?

星语

后端 平滑重启 服务端 Go 语言

人人都要有经营意识

Neco.W

创业 重新理解创业 公司管理

Redis学习笔记(安装)

编程随想曲

redis

创投机会诞生在这四个核心变量中 | 2019年在某大学课堂做的一次讲演的实录

邓瑞恒Ryan

创业 管理 投资 行业资讯

Java并发编程基础--线程

Java收录阁

Java 线程

python中的GIL锁和互斥锁问题

半面人

Python

聊天机器人为什么这么难?

青菜年糕汤

人工智能 自然语言处理 搜索引擎 chatbot 聊天机器人

leetcode141. 环形链表

Damien

算法 链表 LeetCode

leetcode8. 字符串转换整数 (atoi)

Damien

算法 数学

五十年前的一桩公案:数据库关系模型的流行史(下)

青菜年糕汤

数据库 分布式数据库 数据库规范 关系型数据库 数据库设计

游戏夜读 | 工具游戏的辉煌

game1night

未来,人类如何与人工智能沟通?_语言 & 开发_张天雷_InfoQ精选文章