从起源到未来：能自己编程和改进的超人工智能会出现吗？
导读：本文主要是人工智能的基本概述，包括人工智能的起源、发展以及分类。
作者：王健宗 瞿晓阳
来源：大数据DT（ID：bigdatadt）
我们提议于1956年夏，在新罕布什尔州汉诺威的达特茅斯学院进行一项10人、为期两个月的人工智能研究。这项研究基于这样一个猜想，即原则上，我们可以足够精确地描述学习或智能的任何其他特征的各个方面，从而能够让机器来进行模拟。我们试图找到方法让机器使用语言、形成抽象和概念、解决人类尚未解决的各类问题以及自我改进等。我们认为，一群经过精心挑选的科学家一起努力一个夏天，就可以在上述的一个甚至多个问题上取得重大进展。
02 弱人工智能、强人工智能与超人工智能
人工智能大体上可以分为3类：弱人工智能、强人工智能和超人工智能。
1. 弱人工智能
弱人工智能（Weak AI），也被称为狭隘人工智能（Narrow AI）或应用人工智能（Applied AI），指的是只能完成某一项特定任务或者解决某一特定问题的人工智能。
苹果公司的Siri就是一个典型的弱人工智能，它只能执行有限的预设功能。同时，Siri目前还不具备智力或自我意识，它只是一个相对复杂的弱人工智能体。
2. 强人工智能
强人工智能（Strong AI），又被称为通用人工智能（Artificial General Intelligence）或全人工智能（Full AI），指的是可以像人一样胜任任何智力性任务的智能机器。这样的人工智能是一部分人工智能领域研究的最终目标，并且也作为一个经久不衰的话题出现在许多科幻作品中。
对于强人工智能所需要拥有的智力水平并没有准确的定义，但人工智能研究人员认为强人工智能需要具备以下几点：
-
思考能力，运用策略去解决问题，并且可以在不确定情况下做出判断；
-
展现出一定的知识量；
-
计划能力；
-
学习能力；
-
交流能力；
-
利用自身所有能力达成目的的能力。
3. 超人工智能
哲学家、牛津大学人类未来研究院院长尼克·波斯特洛姆（Nick Bostrom）把超级智能定义为“在几乎所有领域都大大超过人类认知表现的任何智力”。
超人工智能（Artificial Super Intelligence，ASI）正是超级智能的一种。首先，超人工智能能实现与人类智能等同的功能，即可以像人类智能实现生物上的进化一样，对自身进行重编程和改进，这也就是“递归自我改进功能”。
其次，波斯特洛姆还提到，“生物神经元的工作峰值速度约为200 Hz，比现代微处理器（约2 GHz）慢了整整7个数量级”，同时，“神经元在轴突上120 m/s的传输速度也远远低于计算机比肩光速的通信速度”。这使得超人工智能的思考速度和自我改进速度将远远超过人类，人类作为生物上的生理限制将统统不适用于机器智能。
03 人工智能三大主义
简要回顾人工智能的发展历史，我们会发现它主要由3个方面相互交织发展：符号主义、连接主义和行为主义。
-
符号主义：旨在用数学和物理学中的逻辑符号来表达思维的形成，通过大量的“如果-就”（if-then）规则定义，产生像人一样的智能，这是一个自上而下的过程，包括专家系统、知识工程等。
-
连接主义：主张智能来自神经元之间的连接，它让计算机模拟人类大脑中的神经网络及其连接机制，这是一个自下而上的过程，包括人工神经网络等。
-
行为主义：指的是基于感知行为的控制系统，使每个基本单元实现自我优化和适应，这也是一个自下而上的过程，典型的代表有进化算法、多智能体等。
由这3个方面构成的人工智能设计模型如图1-1所示。
▲图1-1 人工智能设计模型
在人工智能设计模型中，“创造者驱使”是一个自上而下的过程，这里的“创造者”不仅指的是创造者，也可以是一些其他的高级角色，如开发者，甚至可以是设计规范和材料属性。而“环境驱动”是一个自下而上的过程，其中“环境”可以是交互约束，如行为规则；也可以是外部因素，如位置和气候。
总之，“创造者驱使”指明了一个宏观层面的方向，而“环境驱使”允许智能体自由发展，甚至可以改变它们的行为规则，从而实现自身的变化性和多样性。
关于作者：王健宗，大型金融集团科技公司深度学习平台和AutoML平台负责人，中国人工智能开源软件发展联盟副理事长，美国佛罗里达大学人工智能博士后，发表联邦学习、深度学习、云计算和大数据等领域国际论文30余篇，以及发明专利200余项。
瞿晓阳 ，华中科技大学计算机系统结构博士，美国中佛罗里达大学访问学者，大型金融集团科技公司资深算法工程师，一直从事机器学习、大数据、体系结构方面的研究工作，在AutoML平台、面向AI的云原生架构、高性能计算、高效能存储系统等方面经验丰富。
本文摘编自《深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台》，经出版方授权发布。
延伸阅读《深入理解AutoML和AutoDL》
点击上图了解及购买
转载请联系微信：DoctorData
