最近，從事圣達(dá)菲研究所 (Santa Fe Institute) 的戴維斯復(fù)雜性研究的米切爾教授接受采訪時(shí)談到，“機(jī)器人要變得更像人，首先要學(xué)會類比思維。”一句話道出目前人工智能的困境。

　　讓機(jī)器更像人，這并不是白日做夢。如今 AI 正在學(xué)習(xí)各種認(rèn)知，包括最難突破的時(shí)間認(rèn)知、經(jīng)驗(yàn)認(rèn)知、感性認(rèn)知。

　　長期以來，思維是人類獨(dú)有的本領(lǐng)。在人工智能訓(xùn)練上，科學(xué)家們更專注邏輯和行為規(guī)則的編程。但這樣訓(xùn)練出來的 AI，前期需要大量的數(shù)據(jù)學(xué)習(xí)，也并沒有思維，所會的技能幾乎全被打碎。

　　目前，米切爾領(lǐng)導(dǎo)著 SFI 的自然和人工系統(tǒng)智能基礎(chǔ)項(xiàng)目，"AI 類比" 研究要比以往任何時(shí)候都更加突出。該項(xiàng)目將在明年召開一系列跨學(xué)科研討會，研究生物進(jìn)化、集體行為 (如螞蟻等群居昆蟲的行為) 和如何利用身體促進(jìn)智力的發(fā)展。

　　1979 年獲得普利策獎的著作《哥德爾、艾舍爾、巴赫》激發(fā)了大批計(jì)算機(jī)科學(xué)家的靈感，但很少有人像梅蘭妮・米切爾 (Melanie Mitchell) 那樣改變了人生軌跡。

　　在閱讀了這本 777 頁的大部頭書后，紐約的高中數(shù)學(xué)老師米切爾決定：我 "需要" 從事人工智能的工作。

　　她很快找到了這本書的作者、人工智能研究員道格拉斯・霍夫斯塔德(Douglas Hofstadter)，并說服他給自己一個實(shí)習(xí)機(jī)會。

　　雖然當(dāng)時(shí)她只學(xué)了幾門計(jì)算機(jī)科學(xué)課程，但霍夫斯塔德似乎對她的膽量印象深刻，并不關(guān)心她的學(xué)歷。

　　米切爾趕上了“最后一刻”的研究生申請，并加入了霍夫斯塔德在密歇根大學(xué)安娜堡分校的新實(shí)驗(yàn)室。在接下來的六年里，兩人密切合作，開發(fā)了一個名為“Copycat"的電腦程序。用他們的話來說，這個程序的目的是" 發(fā)現(xiàn)創(chuàng)新性的類比，并做出具備這樣思想的智能體 "。

　　此后的科研路上，米切爾便一直和“AI 數(shù)字思維”維系在一起。

　　這是一種抽象的能力，比如你告訴我一個故事，然后我說，“哦，我懂你”，實(shí)際上這種事并沒有發(fā)生在我身上，但我可以做一個假設(shè)。

　　然而，機(jī)器人知道“理解”是什么嗎，知道“意義”是什么嗎，以數(shù)字形式存在的它們，計(jì)算過自己的生命長短嗎?當(dāng)人工智能遇上“認(rèn)知”障礙，能否自主解決?

　　滑稽的是，要明白人類意義時(shí)，它們卻在忙著處理數(shù)據(jù)。

　　他們永遠(yuǎn)也學(xué)不會類比嗎?

　　在探索 AI“認(rèn)知”的問題上，不少科學(xué)家正在做相關(guān)的實(shí)驗(yàn)。上個月 DeepMind 實(shí)驗(yàn)室發(fā)博文稱，“正在訓(xùn)練開放式學(xué)習(xí)的智能體。”這些無需監(jiān)督和數(shù)據(jù)喂養(yǎng)的智能體，能以很少的例子在游戲任務(wù)里自主進(jìn)化，并且表現(xiàn)出不俗的泛化能力。

　　這暗示了 AI 學(xué)會類比的可能性，但實(shí)際情況是，智能體在游戲中運(yùn)行得很好，如何將其擴(kuò)展到我們真正關(guān)心的領(lǐng)域? 假如能夠證明 AI 具備類比能力，如何在擁有認(rèn)知之后再學(xué)習(xí)和推理?

　　更重要的是，這是否意味著人工智能也需要像我們一樣，擁有一個身體呢?

　　因?yàn)檎J(rèn)知和智力活動不僅僅是大腦孤立的計(jì)算，而是大腦、身體和環(huán)境的相互作用。因此，電影《東成西就》里的段王爺，只有漂浮的腦袋就能飛升成仙，在人工智能這并不現(xiàn)實(shí)。