江苏龙网

  1. 首页 > 生活 > >

AI科技大本营|Gary Marcus：因果熵理论的荒诞和认知科学带给AI的11个启示 | 文末赠书( 十 )


在一个经典实验中 ， 耶鲁大学心理学家弗兰克·凯尔(Frank Keil)问孩子们 ， 如果给一只浣熊做整容手术 ， 让它看起来和臭鼬一样 ， 并在其身体中植入“超级臭”的东西 ， 那么这只浣熊是否就变成了一只臭鼬 。 孩子们相信 ， 虽然这只浣熊有着不一样的感知外表和气味等功能特性 ， 但浣熊仍然是一只浣熊 。 这样的结论可能是孩子们的生物学理论使然 ， 孩子们知道 ， 真正重要的是生物体内在的东西 。 一项重要的对照研究表明 ， 孩子们并没有将同样的理论扩展到人类制造的人工制品上 ， 比如通过金属加工改造将咖啡壶变成喂鸟器 。
我们认为 ， 嵌入在理论中的概念对有效学习至关重要 。 假设一位学龄前儿童第一次看到鬣蜥的照片 。 从此之后 ， 孩子们就能认出其他照片上的、视频中的和现实生活中的鬣蜥 ， 而且准确率相当高 ， 很容易就能将鬣蜥与袋鼠甚至其他蜥蜴区分开来 。 同样 ， 孩子能够从关于动物的一般知识中推断出 ， 鬣蜥会吃东西 ， 会呼吸 ， 它们生下来很小 ， 会长大 ， 繁殖 ， 然后死去 ， 并意识到可能有一群鬣蜥 ， 它们看起来或多或少都有些相似 ， 行为方式也相似 。
没有哪个事实是一座孤岛 。 通用人工智能若想获得成功 ， 就需要将获取到的事实嵌入到更加丰富的、能帮助将这些事实组织起来的高层级理论之中 。
因果关系是理解世界的基础
图灵奖得主朱迪亚·珀尔(Judea Pearl)提出 ， 对因果关系的丰富理解是人类认知中无处不在、不可或缺的一个方面 。 如果世界是简单的 ， 我们对其中的一切都有充分的了解 ， 那么唯一需要的因果关系就只有在物理学里面了 。 我们可以通过模拟来确定什么对什么产生了影响 ， 比如 ， 如果我施加这么多微牛顿的力 ， 接下来会发生什么?
但正如我们将要讨论的 ， 这种细致的模拟往往并不现实可行 。 真实世界中有太多的粒子 ， 无法一一追踪 ， 而且时间也不够 。
为此 ， 我们会使用近似法 。 虽然我们不知道确切原因 ， 但我们知道事物之间是因果相关的 。 我们服用阿司匹林 ， 因为我们知道这种药物会让我们感觉好一些 ， 而不需要了解背后的生物化学原理 。 绝大多数成年人 ， 就算并不了解胚胎发育的确切机制 ， 也知道性行为会导致婴儿的诞生 ， 就算相关知识并不全面 ， 也能根据这些知识来采取行动 。 我们不是医生 ， 也知道维生素 C可以预防坏血病 ， 不是机械工程师 ， 也知道踩下油门可以让汽车跑得更快 。 因果知识无处不在 ， 是我们所做的许多事情的基础 。
在劳伦斯· 卡斯丹(Lawrence Kasdan)的经典电影《大寒》(The BigChill)中 ， 杰夫·高布伦(Jeff Goldblum)饰演的角色开玩笑说 ， 合理化思考比性生活还重要(“你是否曾坚持过一周的时间 ， 不去进行合理化思考?”他问道) 。 而因果推理 ， 甚至比合理化更重要;没有因果关系 ， 我们就无法对这个世界进行理解 ， 连一个小时都坚持不下去 。 我们赞同珀尔的观点 ， 即因果推理在人工智能领域中的重要性几乎超越所有其他主题 ， 然而目前却又遭到业界的忽视 。 珀尔本人开发出了一种强大的数学理论 ， 但关于如何从已知的众多因果关系中汲取知识 ， 尚待我们去探索 。
这是个特别棘手的问题 ， 因为摆在我们眼前的那条通往因果知识的道路上布满了荆棘 。 我们所知的几乎所有原因都会导致相关性——当你踩下油门踏板时 ， 只要发动机还在运转 ， 紧急刹车还没有启动 ， 汽车确实会跑得更快 ， 但很多相关性实际上并不是因果关系 。 鸡鸣可以报晓 ， 但人人都知道 ， 让雄鸡安静下来并不会阻止太阳的升起 。 气压计上的读数与气压密切相关 ， 但用手移动气压计指针 ， 并不会改变真实的气压 。
只要花点时间 ， 就很容易找到各种纯属巧合的相关性 ， 比如泰勒 · 维根(Tyler Vigen)给出的这个例子:2000 年至 2009 年 ， 人均奶酪消费量与床单缠结导致死亡人数之间的对比 。


推荐阅读


上一篇：家风|@河源人，这里有一个好家风微视频征集活动，快来报名吧！

下一篇：时光网Mtime|网飞又出爽剧，烧脑悬疑+末日科幻，一集就上天