人工智能是哪种智力？

人工智能的最初的目标是来创造出像人类一样思考的机器。但那个毕竟不是发生了的。

13.8 — FEBRUARY 2, 2023

Adam Frank

Credit: Annelisa Leinbach

关键要点

人工智能研究人员的目的是来理解人类中思维怎样工作，然后来用这些知识来模拟机器中的思维。

然而，这一点不是已经发生了的。就像该领域中的令人惊叹的进步是的一样，人工智能实际上毕竟不是智力。

理解人类究因和预测关联能力之间的差异如果我们要以正确的方式用人工智能是至关重要的。

     “ChatGPT基本上是靠极端的方式自动完成的。”

我从罗彻斯特大学的一位计算机科学家听到了这个俏皮话，随我和我的同事教授们参加了一个课堂上的关于人工智能的新现实的研讨会。和其他人一样，我们试图来掌握ChatGPT的惊人能力和它的人工智能驱动的来写学生研究论文、完成计算机代码并甚至构成每个教授的存在的使大家不快------大学战略规划文件的能力。

那位计算机科学家的话驱动一个临界点到家。如果我们真的要了解人工智能的力量、承诺和危险，我们首先需要来了解就像人们普遍理解的智力和我们现在正在用人工智能构建的智力之间的差异。这是重要的，因为我们现在正在建造的种类真的是毕竟我们唯一知道来建造的------它与我们自己的智力一点不像。

人工智能交付中的差距

人工智能这个词追溯回到20世纪50年代，当时电子计算机首次被制造出来，它出现在1956年达特茅斯学院的一次会议上。正是在那里一群科学家为一个新项目奠定了基础，该项目的目标是一台能够思考的计算机。正如会议的提议所言，人工智能的领域相信了“学习的各个方面或智力的任何其他特征原则上都能被如此精确的描述以致一个机器能制造出来模拟它。”

在该领域早期的大部分时间里，人工智能研究人员试图来理解思维怎样在人类中发生了，然后用这种理解来在机器中模仿它。这意味着探索人类思维怎样从它的这个世界的体验究因或构建抽象概念。一个重要的焦点是自然语言识别，这意味着一个计算机来理解单词及其组合（语法、语法和意义），允许它们来自然地与人类互动。

多年来，人工智能经历了乐观和悲观的周期------已经被称为人工智能的“夏天”和“冬天” ------就像显著的进步停滞了十多年一样。现在，我们清楚的正处于一个人工智能的夏天。一个令人挠头的计算能力和算法进步的结合给我们带来了一个像ChatGPT一样的工具。但如果我们回顾过去，我们能看到一个许多人希望的人工智会意味的和已经被交付的人工智能之间的一个相当大的差距。这将我们带回到 “靠极端的方式自动完成的”的评论。

现代版本的人工智能是基于叫机器学习的。这些是用复杂的统计方法的算法来基于一些人类馈给它们的训练数据集来建立关联。如果你曾经解决过那些重新验证码“找到人行横道”的测试，你已经帮助创建和训练了一些机器学习程序。机器学习有时涉及深度学习，其中算法代表堆叠的网络层，每一个网络层都工作在建立关联的不同方面。

各种形式的机器学习代表计算机科学的一项惊人的成就。我们才刚刚开始了解它的影响范围。但重要的是来指出它的基础靠在一个统计模型上。通过馈入算法巨大量的数据，我们已经构建的人工智能是基于拟合某些超维空间中的曲线------每个维度都包含一个定义这个数据的参数。例如，通过探索这些巨大的数据空间，机器能找到一个特定的单词跟随一个以那个开头的句子，“这是一个黑暗和暴风雨……”

以这种方式，我们的人工智能奇迹机器真的是威力来自于从训练集中收集到的统计数据预测机器。（虽然我过于简化了广泛的机器学习算法但这里的要点是正确的。）这种观点并没有以任何方式减少人工智能社区的成就，但它强调这种智能（如果它应该被这样称为的话）几乎多么少的相似与我们的智力。

智力是不透明的

人类思维是不比预测机器如此更多的。正如朱迪亚·珀尔已经指出的，真的使人类存在物如此强大的是我们的来辨别原因的能力。我们不只是把过去的情况应用到我们当前的情况------我们能究因关于过去情况背后的原因并将其推广到任何新的情况。正是这种灵活性使我们的智力“一般的”，并留下机器学习的预测机器看起来像它们是狭窄聚焦的、脆弱的并容易犯危险的错误一样。ChatGPT会很乐意在你的研究论文中给你编造的参考资料，或者写充满错误的新闻故事。与此同时，自动驾驶汽车距离完全自动继续是一条漫长而致命的道路。它们将到达它没有保证的。

 机器学习的最有趣的一个方面是它能是多么不透明。往往毕竟不清楚为什么算法要做它们做的决定，即便这些决定原来是解决机器被负有的任务的问题。这因为机器学习方法依赖统计区别的盲目探索，比如生活在一些庞大的电子邮件数据库中的有用的电子邮件和垃圾邮件。但是我们用来解决问题的究因通常涉及一种能被清楚解释的关联的逻辑。人类究因和人类体验从来都不是盲目的。

这种区别是最重要的区别。早期的人工智能研究人员希望来制造出模仿人类思维的机器。他们希望了来制造出像人一样思考的机器。那不是发生了的。相反，我们已经学会了来制造那些毕竟不真的究因的机器。它们相关而这是非常不同的。这种差异就是为什么根植于机器学习的方法永远不产生该领域的创始人所希望的那种通用人工智能。这也可能是为什么来自人工智能的最大危险不会是一个醒来的机器、变得自我意识的并然后决定来奴役我们。相反，通过错误地识别我们已经建立的实际智力，我们对我们自己摆出真正的危险。通过以我们不能逃避的方式将这些系统构建到我们的社会中，我们可能会强迫我们自己与它们能做的共形，而不是发现我们能够的。

机器学习是正在到来的年代，这是一件非凡的、甚至是美丽的事情。但我们不应该把它误认为是智力，至少我们不能理解我们自己的。

https://bigthink.com/13-8/what-kind-of-intelligence-is-ai/