“人工智能之父”揭示思維能級的秘密
2020年03月28日01:31

原標題:“人工智能之父”揭示思維能級的秘密

鄭磊/文

作為行為經濟學研究者,赫伯特·西蒙一直是無法忽略的偉大學者,被譽為二十世紀罕見的“文藝複興式科學家”,這可以從他榮獲人工智能和計算機科學領域的最高獎“圖靈獎”得到印證。他在心理學、組織理論、管理運籌學、政治學、人工智能等方面做出了突出貢獻,提出的“有限理性”使其成為行為經濟學思想先驅,並因此獲得諾貝爾經濟學獎。我之前看過他的自傳《科學迷宮里的頑童與大師》,最近因為研究大腦認知的秘密,又看了他的新書《認知:人行為背後的思維與智能》,以他自己在北京大學做的認知心理學講義為藍本。西蒙因在專家智能系統方面的突出貢獻,被人們稱作“人工智能之父”。這本書可以看作是這方面工作的基礎研究,深入淺出地介紹了大腦學習、記憶和解答問題的步驟,以及如何用計算機程式模擬這個解題過程。對於我們改善學習方法和提高解決問題能力很有參考借鑒價值。

西蒙介紹的是認知心理學信息加工學派,認為當人受到外界刺激時,會依靠大腦中的經驗決定做出什麼反應。而經驗包括了機體的狀態以及存儲的內容。我們把人看成是一個信息加工系統,也叫“物理符號系統”。這裏的符號就是模式。一個完善的符號系統包括了六種功能,能夠表現出人類所具有的智能,而用計算機程式也可以實現這六種功能,因此理論上可以用計算機模擬人的活動,這就是人工智能的理論基礎。

人們日常生活中,每時每刻都有大量符號進入感覺器官,經過加工處理,形成了短時記憶和長時記憶。這些長時記憶會成為我們對外界刺激做出反應的主要工具箱。人的記憶不像計算機那樣按照最小的比特為單位,而是通過編碼將零碎信息變成“組塊”,以提高記憶效率。短時記憶所需時間短,但只能記住4個組塊。只有通過重複,將這些組塊變成長時記憶,才能永久保存,而後續提取和使用時,遵循相反的步驟,長時記憶里的東西先轉入短時記憶,然後使用。認知心理學發現,人類解決問題的過程就是“重新辨識”的過程。接收到外界信息(看到、聽到或感覺到)時,大腦馬上會在長時記憶網絡里自動快速查找類似的記憶片段,進行信息對比檢驗,這個過程在無意識下進行,速度非常快。如果沒有找到相關信息,則啟動邏輯思維繫統,開始像新手一樣解決這個問題。所以人的學習過程很重要,通過學習和記憶,熟悉了之後,再次碰到類似情況,就可以自動、無意識地進行分辨了。

人的學習過程是需要重複多次進行的,需要多長時間學會,取決於學習對象的難度和學習方法,比如針對記憶和認知特點,設計一些巧妙方法提高學習效率。每個人在信息編碼和學習策略上是不同的,因此智力表現不同。所以人工智能模仿人的思維,其實也存在著差異,只是計算機存儲和運算能力能夠消弭其中一些人類智力上的差異。我們都羨慕專家高超的解決問題能力,實際上,是專家積累了相關領域的各種知識和相關線索,有助於他們提取不同的知識。專家的知識量是5-20萬個組塊,要獲得這些至少需要十年時間,約1000個小時用於學習和記憶。這就是專心做一件事,十年能成為專家的原因。此時,在專家大腦中形成了相關知識對應的神經元的某種網狀結構和聯結,遇到問題時可以很快分析並做出反應,這種專家直覺來自非常熟悉的領域。作者還指出在解決問題時,簡明的圖解對於解決問題有很大幫助,這和我在讀數學系時的經驗是相符的。做出直觀表徵是問題解決的一個中心環節,是成功的一半。專家看到相關領域的問題時,能立刻提取豐富的信息,瞭解這個問題的含義,做出即時推理;如果暫時無法解決,可以繼續擴展信息,存入記憶,直到能夠解決這個問題。這是一個不斷學習(收集和記憶信息)和推理交錯進行的過程。

西蒙有個論斷引人深思,他指出數學不適合用來研究人類行為,而計算機程式語言比數學更能描述人的心理現象。社會科學研究,尤其是現代經濟學研究中,過度數學化並沒能提高我們對於人類社會行為的認識和解釋,也許通過採用計算機作為工具,利用大數據、人工智能、計算機仿真等方法,才能找到更好的解決途徑。

關注我們Facebook專頁
    相關新聞
      更多瀏覽