|
人工智慧的研究分為兩種截然不同的方法,從而延伸展開某種程度上的競爭,它們分別是符號(或稱「從上而下」)進路與連結(或稱「從下而上」)進路。從上而下進路用符號處理(因此稱之為「符號進路」)來分析認知,企圖在獨立於腦的生物結構的情況下複製智慧。另一方面,從下而上進路則創造人工神經網路來模擬腦的結構(因此稱之為「連結進路」)。 為了說明這些進路之間的差別,設想建構一個系統的工作,它裝備有光學掃描器用以辨識字母。典型的從下而上進路訓練人工神經網路時,會一個字母一個字母地呈現給它,以漸漸「調整」網路的方式來改進它的表現(調節不同神經路徑對不同刺激的回應)。對照之下,典型的從上而下進路則是寫一個電腦程式,以幾何學的描述來比較每一個字母。簡言之,神經活動是從下而上進路的基礎,而符號描述則是從上而下進路的基礎。 在《學習的基礎》(1932)一書中,美國紐約市哥倫比亞大學的心理學家桑戴克(Edward Thorndike),首先提出人類學習涉及腦中的神經元之間某種不清楚的連結性質。在《行為的組織》(1949)一書中,加拿大蒙特婁麥吉爾大學(McGill University)的心理學家赫伯(Donald Hebb)認為學習尤其涉及增強特定神經元活動的形式,增強的方式是透過增加相關連結的神經元活化機率(權重)。權重的概念將在後面「連結論」一節中加以描述。 1957年兩位精力充沛的人工智慧符號進路擁護者──美國加利福尼亞州聖大芒尼加市蘭德公司(RAND Corporation)的研究人員紐維爾(Allen Newell)與賓夕法尼亞州匹玆堡卡內基-梅隆大學(Carnegie Mellon University)的心理學家和電腦科學家西蒙(Herbert Simon),把從上而下進路總結為他們所稱的「物理符號系統假說」(physical symbol system hypothesis)。這個假說宣稱,在原則上,處理符號的結構就足以在數位電腦上產出人工智慧,而人類智慧也正是這種符號操作的結果。 1950年代∼1960年代期間,從上而下和從下而上進路可謂旗鼓相當,兩者都取得了有限卻值得注意的成果。不過,在1970年代,從下而上進路的人工智慧被忽略,後來直到1980年代這個進路才再次有了卓越的表現。目前這兩個進路都有其擁護者,卻也都公認有困難仍待克服。符號技術在簡化的領域中行得通,在碰到現實世界時卻往往一敗塗地;另一方面,從下而上進路的研究者也未能複製神經系統,即使是最簡單生物的神經系統也複製不來。儘管科學家已經對線蟲(Caenorhabditis elegans)做了很多研究,甚至對其300個神經元連結的形式已瞭若指掌,但連結論者的模型依然沒有辦法成功模擬。很顯然,連結論者的神經元理論過度簡化了真實事物。 ↑TOP |
|
使用上面所描述的方法,人工智慧的研究者想要達成下列3項目標之一:「強人工智慧」(Strong
AI)、應用人工智慧,或是認知模擬(cognitive
simulation)。強人工智慧的目標是建造能思維的機器(強人工智慧是1980年代由美國加州大學柏克萊分校的哲學家塞爾〔John
Searle〕引進這個研究領域的)。強人工智慧的終極目標,是製造一部機器,它擁有一切智能智慧,完全與人類無異。如同在「人工智慧的早期里程碑」一節所說的,這個目標在1950年代和1960年代引起了研究人員的極大興趣,但是因為碰上極端困難而使得樂觀主義有所消退,至今仍沒有什麼進展。一些批評家質疑,強人工智慧是否能在可預見的將來製造出一個哪怕只是擁有螞蟻的全部智能的系統。的確,有些選擇走另外兩條路的人工智慧的研究者認為強人工智慧是不值得追求的。
|
|
日本耗費10億美元的AI研發證實失敗,全球投入眾多人力經費的AI企業也苦無對等回收,跟人一樣聰明的「智慧型機器人」預言是否能實現? 或許有一天,機器人不僅會思考、會大笑、悲傷,還會要求合法結婚、領養小孩、投票......。 這是可以很好笑、也可以很驚悚的科技預言。這也是很多人工智慧方面的專家不斷倡導,但目前多止於科技小說和電影的題材。
事實上,從1950年代起所有關於智慧型機器人的預言都沒實現,它們目前擁有的「智慧」,恐怕只和昆蟲相當。小說、電影可以讓智慧型機器人神奇到不行;但現實中,帶著狂想的科學家,在實驗室裡一次次被迫面對科技的極限。 PDA大廠Handspring的共同創辦人傑夫•霍金斯(Jeff
Hawkins)也預言,到2020年的時候,人工智慧將成為一項大產業。
過去多位人工智慧專家的預言都沒成真。早在1970年代,美國《生活》雜誌(Life)就刊登了多位電腦專家的預測,聲稱在3∼15年內,「人類會親眼見到擁有一般人智慧的機器。」但到了1985年,人工智慧的「功力」僅止於模仿一些簡單的人類能力,例如語音辨識。直至今日,人工智慧的「功力」,還是僅止於模仿一些簡單的人類能力,例如語音辨識。
「我們對於人腦的基本理解是神經原,層次高一點的是,例如哪一部分的腦在處理數學,」美國史丹佛大學電腦教授溫諾葛雷德(Terry Winograd)在接受《紅鯡魚》雜誌採訪時說:「但這樣的理解太過模糊,不可能就此寫出模擬人類複雜思考過程的程式。」
|