本文原作者 Jean-Christophe Baillie，法國人，在巴黎綜合理工學(xué)院完成計算機(jī)科學(xué)和理論物理的學(xué)習(xí)后，在巴黎第六大學(xué)（又稱皮埃爾與瑪麗-居里大學(xué)）獲得人工智能和機(jī)器人學(xué)的博士學(xué)位，ENSTA ParisTech 機(jī)器人研究所的創(chuàng)始人，開發(fā)了 urbiscript 機(jī)器人編程語言。

什么是人工智能？什么不是人工智能？某種意義上，這是一個如何定義的問題。 近日，谷歌旗下的DeepMind 公司開發(fā)的阿爾法狗打敗了世界圍棋冠軍李世乭（Lee Sedol），這已經(jīng)成了一個不爭的事實。而且，近年來，一些類似的深度研究技術(shù)，也解決了很多相當(dāng)復(fù)雜的計算問題。但是，這就意味著我們即將進(jìn)入全人工智能化時代，或者說機(jī)器時代了么？不完全是。

在開發(fā)一個人工智能產(chǎn)品時的關(guān)鍵問題之一是，它需要有自己理解世界的能力，不斷地自我發(fā)展，理解它將會遇到的，所有聽到的、看到的，以及會說的、會做的任何事情。如果做不到這一點，那么它僅僅是一個完全由程序員設(shè)計的人工智能程序而已。也就是說，這個人工智能產(chǎn)品根本不知道它是誰，它從哪來，它要干嘛，并且，它所擅長的領(lǐng)域也比較狹窄。

人工智能至今無法解決的最根本的問題也許就是理解能力的問題。較早提出這一問題的是認(rèn)知科學(xué)家斯蒂凡·哈納德，在他1990年的論文“符號接地問題”中首次提出。你可能不會相信我們的確在操縱符號，雖然這聽起來真的很可疑，但是，你要相信，任何表達(dá)方式都存在于外部真實世界的系統(tǒng)之中這個問題。

說得更具體些，涵義理解問題會涉及以下四個小問題：

1.如何組織人或人工智能產(chǎn)品接受的外部信息？

2.如何將接受的信息和世界聯(lián)系起來？或者換句話來說，就是如何為產(chǎn)品構(gòu)建“理解能力”？

3.如何使各個產(chǎn)品的“理解能力”保持一致？（否則，各個產(chǎn)品就無法進(jìn)行溝通。產(chǎn)品間無法互相理解，無法達(dá)到智能。）

4.為什么機(jī)器人做不少事情卻還像什么都沒做過一樣？如何將這些都設(shè)計進(jìn)它的動作程序？

第一個問題，涉及到構(gòu)建信息。這一問題可以通過深度學(xué)習(xí)和類似的無人工檢測算法得到很好的解決，比如阿爾法狗。我們已經(jīng)在這個領(lǐng)域取得了極大的進(jìn)步。在某種程度上，這得益于近年來在計算機(jī)領(lǐng)域的發(fā)展以及對善于做并行信息處理繪圖處理器的應(yīng)用。這些算法把極其冗長的通過高維空間表達(dá)的信號刪減成低維度的信號，并且在刪減過程中最大限度地保持了信息的完整性。換句話說，這些算法從信息處理的角度捕捉最重要的信號。

“沒有機(jī)器人技術(shù)就沒有人工智能······這個理念常被稱為‘載體問題’。并且，人工智能領(lǐng)域的大多數(shù)研究人員都贊同智能和載體是緊密相連、不可分割的整體。每個不同的身體都有著其與眾不同的才能。這一點，在動物的世界里體現(xiàn)得很清楚。”

第二個問題，是將知識和現(xiàn)實世界聯(lián)系起來，或者，創(chuàng)造“理解能力”的問題，這個問題與機(jī)器人技術(shù)緊密相關(guān)。因為機(jī)器人需要一個身體與外界互動，并且，為了與外界互動也需要這樣與外界的聯(lián)系。這也就是為什么我說人工智能離不開機(jī)器人技術(shù)了（雖然也有一些非常棒的機(jī)器人可以脫離人工智能，但是這就是另外一個話題了）。

這個過程是從簡單的事情開始的。比如，理解自己的身體部位，控制自己在身邊的范圍內(nèi)達(dá)到預(yù)期的效果，學(xué)會建立自己對空間、距離、顏色等的理解。約翰·凱文·奧雷根等研究人員已經(jīng)在這方面做了廣泛的研究，并且建立了他的“感覺運(yùn)動理論”。然而，這僅僅是第一步。在這些基礎(chǔ)的感覺運(yùn)動框架外，我們需要不斷建造更多的抽象概念。雖然我們做得還不夠好，但這確實是目前對該的問題研究所能達(dá)到的程度。

第三個問題從根本上說就是文化的起源問題。一些動物表現(xiàn)出來的文化形式比較簡單，甚至是跨代習(xí)得的能力。但是，這種能力是有局限性的，而只有人類才有不斷學(xué)習(xí)大量知識的能力，我們稱之為文化。文化是理解能力必不可少的催化劑。一項人工智能產(chǎn)品，如果沒有與文化互動的能力，就只能被稱作是一件學(xué)術(shù)研究的產(chǎn)物。

但是，文化無法被編碼進(jìn)機(jī)器，它必須有一個學(xué)習(xí)的過程。皮亞杰和邁克爾·托馬塞洛通過研究兒童習(xí)得文化的能力，他們發(fā)現(xiàn)，發(fā)展心理學(xué)是理解前面所說的學(xué)習(xí)過程的最佳方式。同時，發(fā)展心理學(xué)也為機(jī)器人學(xué)帶來了新的學(xué)科，即“發(fā)展機(jī)器人學(xué)”。它是把孩子做為模型。（如上圖：ICub機(jī)器人）

“文化是理解能力必不可少的催化劑。一項人工智能產(chǎn)品，如果沒與文化互動的能力，就只能被稱作是一件學(xué)術(shù)研究的產(chǎn)物。但是，文化無法被編碼進(jìn)機(jī)器；它必須有一個學(xué)習(xí)的過程?！?/p>

理解能力與語言學(xué)習(xí)也有著密切的聯(lián)系。語言學(xué)習(xí)是我作為一個研究人員，最關(guān)心的問題之一。通過盧克·思蒂爾斯和其他人的研究，我們認(rèn)識到語言習(xí)得是一個漸進(jìn)的過程：被假設(shè)者通過和外部的互動建立新的理解能力，并運(yùn)用它們與其他被假設(shè)者交流，然后篩選出能夠幫助他們互相溝通的最成功的體系（即，大部分達(dá)成共同的意圖）。經(jīng)過無數(shù)次的磨合和錯誤以后，就像生物進(jìn)化一樣，語言系統(tǒng)發(fā)展出詞匯的最佳意思及其句法、語法的翻譯。

這個過程已經(jīng)經(jīng)過實驗測試。測試結(jié)果表示，其過程和自然語言的發(fā)展與增長過程有著驚人的相似。有趣的是，這需要習(xí)得一個概念后，迅速學(xué)習(xí)。但像深度學(xué)習(xí)這樣復(fù)雜的統(tǒng)計模型就很難解釋清楚了。一些實驗室正在用這種方式進(jìn)一步研究如何習(xí)得語法、手勢和更復(fù)雜的文化習(xí)俗，尤其是我在法國機(jī)器人公司“亞魯?shù)习停ˋldebaran）”創(chuàng)立的人工智能實驗室。該公司現(xiàn)在是軟銀集團(tuán)的一部分，而且已經(jīng)創(chuàng)新了機(jī)器人瑙、羅密歐和佩珀。（見下圖）

最后，第四個問題“內(nèi)在動力”。為什么機(jī)器人做了許多事情卻像什么都沒做過一樣。生存的壓力不足以解釋人類的行為。即使在有充足食物和完全安全的情況下，人類也不會只是安逸地坐著，直至饑餓來襲。人類還會做更多：他們探索，他們嘗試。這一切似乎都受內(nèi)在好奇心的驅(qū)使。研究員皮埃爾·伊芙·歐德稱，將好奇心表示成簡單的數(shù)學(xué)公式，將使它成為衡量機(jī)器人充分發(fā)揮其學(xué)習(xí)速度的標(biāo)桿。這足以解釋極為復(fù)雜而令人震驚的行為。

似乎人工智能系統(tǒng)內(nèi)部也需要有類似的東西來趨勢它完成前三項步驟：構(gòu)建外部信息，經(jīng)過身體的思考而產(chǎn)生意義，最后，選擇最有效的溝通方式來創(chuàng)造一個能夠共同合作的文化氛圍。這在我看來，才是真正的人工通用智能系統(tǒng)。

另外，深度學(xué)習(xí)的快速進(jìn)步和近來這種智能系統(tǒng)在游戲上的成功（如圍棋）都是非常好的消息，因為他們能衍生出在醫(yī)藥研究、工業(yè)、環(huán)境保護(hù)等其他領(lǐng)域大量有用的應(yīng)用。但我認(rèn)為深度學(xué)習(xí)并不是我們能真正實現(xiàn)人工智能的良方。某種意義上，真正的人工智能需要機(jī)器人學(xué)會在世界上生存，和人類自然地進(jìn)行交流，深刻地理解我們復(fù)雜的情緒和文化偏見，最終幫助我們創(chuàng)造更好的世界！