岳阳建站公司,wordpress微信公众,湖南省城乡建设厅网站,小程序开发价目表这是鼎叔的第七十七篇原创文章。行业大牛和刚毕业的小白#xff0c;都可以进来聊聊。
欢迎关注本公众号《敏捷测试转型》#xff0c;星标收藏#xff0c;大量原创思考文章陆续推出。
鼎叔的个人专著《无测试组织-测试团队的敏捷转型》无测试组织#xff1a;测试团队的敏捷…这是鼎叔的第七十七篇原创文章。行业大牛和刚毕业的小白都可以进来聊聊。
欢迎关注本公众号《敏捷测试转型》星标收藏大量原创思考文章陆续推出。
鼎叔的个人专著《无测试组织-测试团队的敏捷转型》无测试组织测试团队的敏捷转型【图片 价格 品牌 评论】-京东近期已由机械工业出版社出版发行各大平台热销中全书有15章30万字350页干货满满欢迎购买。 人工智能的思考本质和人类大脑的思维原理高度相似。我们从大脑精神活动的6个层次的剖析可以领会到机器是如何产生意识的。
本文观点参考《The Emotion Machine》作者Marvin Minsky获得图灵奖的人工智能科学家。
PS大晚上研究这种大脑意识的半哲学概念真的很容易失眠
批评家资源和精神活动层级
常见的心理学词汇是很难表述人类大脑中的复杂过程的。人类大脑包含着复杂的机器装置我们可以认为大脑由很多“资源”组成每种主要的精神状态如“愤怒”能激发一些资源使其能够快速有力地做出反应同时会压制让人更加谨慎的资源。 我们把同一类的资源集合称为“批评家”资源部分批评家是与生俱来的本能激发如愤怒、恐惧和饥饿。另外一些激活方法是后天成长学习得来的这些情感状态被称为“理性”。 情感是人们用以增强智能的思维方式。当我们能用多种思维方式表征某事物时一旦遭受失败就可以切换其他的方式,多样性正是人与动物的主要区别。以此类推人工智能的创建也要确保思维的多样性。
我们先从婴儿行为的机制来看最简单的本能机是如何设计的。
一个本能机需要三种资源条件识别途径如眼睛耳朵反应规则If-Then-Do规则,动作执行肌肉群或神经。If-Do规则就类似如果觉得冷就去找暖和的地方。当这些规则以某种方式组合时就可以解释动物的多种行为。 结构复杂的机器的行为只取决于不同零件及相连接零件的关系和制成零件的材料无关除了影响速度和力度外大脑内部运作也如此。
大脑就是各种零件资源组成的统一体每一种零件负责特定工作如识别不同的模式或监督不同行为或传递目标计划或存储大量知识。 当几种选择同时出现即一些资源同时受到激活和压制就导致“喜忧参半”的心理状态就需要寻找一些方法处理相互竞争的矛盾。大脑便从低层次的思维机制中产生高层次的全新思维方式排除矛盾找到单一选择体现了人类连续地、逐步地思考过程。这些思维过程到最后就发展成了我们自我模型的集合孩子通过思维成长就能控制更多的新资源直到可以对自己的动机和目的进行思考或表征出来。 所以成人大脑的精神活动有六大层级从低到高分别是本能反应后天反应沉思反思自我反思自我意识情感。被激活的资源能极大改变人的精神状态有些甚至引发激活的连锁反应大规模级联。
弗洛伊德的“超我自我本我”思维理论也对应着这些精神层级。 当“自我意识”进行目标反思时我们非常有可能改变目标的优先级。价值观和目标的形成早期受到我们所依恋的人的影响非常大这个依恋对象就称为“印刻者”。
如果我们想要某种东西大脑就会处于积极的精神活动中把当前目标拆解为子目标通过成功机制巩固特定的资源联系失败时也会压制联系。人们在学习时不仅学习制造联系的问题也学习制造能被联系的结构即思维的记忆和反思。 每个人至少拥有三种批评家帮助人从错误中进行学习 纠正性警告corrector宣称你正在做的事很危险这时可能为时已晚。 外显抑制suppressor在你开始采取行动之前中断了。但它们需要花费一些时间从而使你反应迟钝。 内隐束缚censor为防止想法产生而趁早行动。就像内存充足的机器通过识别错误思维方式的若干步骤引导你以某些方式来思考如何规避。
人类的大部分智能来自不同批评家思维方式之间切换的能力。当一个人狂躁时就可以关闭大部分“批评家”然后打开一部分批评家用怀疑的心态来检查这些选项最后选择一个看似可行的选项执行它直到“批评家”抱怨“你已经停止进步了”为止。
每个批评家都会学习识别某些特殊类型的精神状态一旦发生就试图激活一个资源集在不同的精神层级上都会出现这种“批评家-选择器”结构。因此这些“批评家”必须得到控制开启太多会导致一事无成开启太少会导致丧失新追求。
当然批评家直接关闭“资源”是非常危险的比如“饥饿”很容易关闭就会导致轻易饿死。这是大脑进化为本能反应的方式让生命能够更好的延续。 意识是什么
意识是一个大箩筐囊括了各种不同的精神活动导致我们很难定义它。
根据精神活动的六大层次我们可以把大脑抽象成不同层次的脑它们协同工作 本能反应/后天反应A脑从外部世界获取信号并通过信号驱动肌肉。本能反应是“与生俱来”的后天反应是对If- Do规则的学习比如动物看到马路上飞驰而来的汽车会闪避就融合了两种反应。 沉思B脑通过控制A脑的反应来影响外部世界执行单一目标。每个目标就是一个IfDo-Then规则如果飞驰来的汽车速度不快我就冲过去如果汽车速度快我就退回马路边。任何一种行动链条都有瑕疵。 反思C脑当B处理A时C反过来监督B。就好像C是经理传递一般性指导B是员工做一个特定行动。C会在事后回忆当时的决定反思哪里可以改进。如我觉得快速跑过马路是合理的但我忽略了受伤的膝盖会拖慢我的速度。 自我反思D脑之前的决策行动正确么自我反思有助于我们制定更好的机制形成新的思维方式。 自我意识E脑我的行为遵守了自己的原则或理想么 较高层次的大脑往往更喜欢连续性操作会逐渐把复杂问题拆解为多个部分并关注其顺序。 我们不希望大脑演变成一个高度互联的网络正如软件工程师不希望大型系统过于笨重一样系统规模的增加如果快于设计的改进就会产生严重的性能问题升级时更会出现各种漏洞。
同时大脑的思维又无法被观测因为大脑的每一部分所做的工作都是其他部分不能观测的如果任何一部分试图检查另一部分对这部分的探讨可能改变其他部分的状态。这就有点像量子力学的测不准原理。
大部分精神活动并不会触发思考和反思只有运行不顺利或者遇到障碍时才会启动高层次的思维活动大脑中的“故障探测器”会激活其他高水平的过程如自我模型朋友们怎么看我系列化处理按一定顺序处理符号性描述语义网络这也是人比动物更能理解复杂事物的原因近期记忆。 人类解决问题最有效的方法并非建立在大范围搜索的基础上而是基于如何使用大量常识性知识来“分割和克服”面对的问题。
早期的人工智能视觉程序运行效果不佳就是因为低层次的程序无法识别过多特征也无法把特征组合成大的物体比如一个动物的不同部位都有相同的花纹细节。AI程序的改进策略就是自上而下从高层次过程往下处理“高层次”描述会通过对熟悉物体的“提醒”来识别“物体”省掉不相关的细节。比如看到茶碟物体就能判断这里可能是厨房。 常识
计算机和AI犯过的错误成就了世人的无数笑柄背后的主要原因就是现代程序不具备常识性知识也没有明确的目标感它不知道为什么要做这些事也不会辨别是否达成了用户的预期。缺乏常识也是计算机不会从经验中学习的原因。
很多常识背后的思维链条比大牛们的精湛专业技能要复杂得多。
每个人获得了知识可能只是碰巧掌握也可能是显而易见的因此想“预测别人是否有共识”的难度很大。一个非常简单的电话互动可能涉及到很多不同的知识领域需要海量的知识才能真正理解“每个人都明白的事”而每个人的词汇表达可能也有细微的差异。
那我们是否可以让AI程序从刚出生的儿童机开始模拟不断学习逐渐变得有常识呢
实际上不太可能成功因为学习避免常见错误是可行的但不能从大量非常见错误中学习。
正如前面提到的原有系统效率越高系统相连的部位越多系统的每个变化就会降低效率导致找不到能改善自身的方式。除非我们把整个系统分成独立运作的各个部分类似生物学的“器官”器官内部活动互不影响。
计算机系统和人脑的“记忆”会激发上万件事把人们给淹没导致无法获得当前需要的信息。
借鉴前面的高层次目标思路为了让机器能够坚持“目标管理”1957年出现的“通用问题求解系统软件”就是对当前和未来情况的描述进行比较的“差分机”锁定显著的差异点利用设计好的算法来缩小差异如何一个步骤使事情变得糟糕系统会自动“回滚”。这也是机器学习算法的雏形。可惜软件团队没有继续增加“反思”等层级让系统“能停下来思考”。 常识和专家的技能类似就是不需要高层次思维参与可以随时重复和使用的动作或者脚本。大脑神经科学提到了经常使用的动作会让大脑细胞之间的突触产生更好的连接良好的传导性。当信号在大脑的低层次不断重复高层次大脑就会被“麻痹“视而不见从而把资源更多用于追求自身的想法。
传统计算机不像人类擅长进行“相似推理”除非我们找到描述事物本质不同的方法告诉计算机原始对象和类比对象之间的关系描述和差异描述这个新发现也是我们强大的常识性过程之一。
从强化学习的角度来看待对机器的训练我们通常从失败中学到的东西比从成功中学到的多只奖励“成功”可能会导致死板系统难以适应新的情况带来不良副作用因为替换某个运作良好的资源很可能会破坏其他过程的表现。同样道理“快乐教育”方式会妨碍孩子们的思维进步。 记忆和创造力
现代计算机出现之前的机器只能胜任一种任务而人类却不同一旦陷入困境就可以想出其他解决问题的方法。
人很少有全新的想法却通常在已有的想法上修修补补或把新想法和原有想法的一部分结合起来人也能通过练习“类比”的方式使用相同的结构完成不同的目的。人类和动物一样通过不断重复形成新的长期记忆每一条记忆都必须和一些链接相连才能在相关的时候激活这条记忆。
当大脑学习“IF- DO”的规则时它既不能太宽泛太随意的规则难以实际应用也不能太具体无法适用于不完全相同的情况这样的话就要记忆无数条具体规则。
只记录解决问题的方法最多有利于解决相似问题但如果记录下“我们是如何发现解决方法的”就有助于处理更广泛的问题。
因此我们最终实现目标时应该为高层次思维方法如自我反思层进行信用赋能而不仅仅只存储答案更要改进自己的策略甚至把学习迁移到其他领域。
如何解释有的人是有创造力的天才或者说为什么他比其他人更智能我们认为原因并不是他能想出多少种想法也是这些概念多么新颖而是他们如何选择新的想法能够尽可能延续思考和发展他能够养成一种享受“失败带来的不适”的习惯。 人类大脑有着独一无二的能力就是能把一个想法“概念化”为了创造并使用新的概念我们必须使用存储在大脑网里的结构形式来表达这些新想法这些概念互相关联构成了“知识”。
大脑表达事件的最常见方式就是把它当成即时描述系列事件的脚本而这也是计算机语义网络擅长的描述一系列脚本就像一个传送框架描述了本次事件旅程开始之前和之后的条件包含了多个表达意思的槽这些槽涵盖了大量我们称之为“常识”的知识帮助人们无需询问就能获得答案。
大脑在解决问题时会同时激活两种资源集一种用于当前的思考另一种用于记忆你可以把他们和其他资源相结合用一个新知识线的形式存储起来你就为新的思维方式创造出了新的选择器。 传统的机器学习确实能够学习做一些有用的事但很少有机器能形成较高层次的反思思维方式可能的原因是它们尝试用数字去表征知识很难产生有表现力的解释。
