為什麼說用現有馮諾伊曼架構的計算機即可實現通用人工智慧AGI?

2020-09-13 智視

象人腦一樣通用的人工智慧是AI皇冠上的明珠,也是人工智慧的終極追求目標,許多人認為,現有的基於馮諾伊曼架構的計算機是不可能實現AGI的,於是,為了實現這一崇高目標,就另闢蹊徑,想出了不同於現有計算機的新架構,如,類腦晶片、量子計算機、人造電子大腦(模擬大腦皮層神經元網絡結構,用光電器件組合出的光電器件網絡結構)等,而事實上,筆者的研究表明,要實現AGI,關鍵的不是形似,而是神似,即不是要模擬大腦的外在結構(形態),而是模擬大腦智能的內在無形的機制,這就好比,飛機的發明,並非模擬鳥類的外在的結構,而是模擬其無形的飛行機制——空氣動力學,對於人工智慧來說,如果能夠模擬大腦智能的無形的機制,那麼,我們根本就不需要製造新型的計算機,利用現有的馮諾伊曼架構的計算機就可以實現AGI。原因如下:

首先我們要明白以下幾個問題:

1,什麼人腦的通用智能?

2,它的主要機制是什麼?

3,它有哪些特徵?

4,現有的計算機能否模擬這一機制?



1,什麼是人腦通用智能?

通用智能是指「能象人腦那樣通用於各知識領域,具體地說就是能自主地學習各領域裡的知識,並能利用所學知識,自主地解決各領域裡的問題的智能系統」。

2,人腦通用智能的主要機制是什麼?

通用智能的主要機制有三個:

一,通用自主學習機制(用一套統一的規則去自主學地習各領域裡的知識)。

二,通用自主編織知識圖譜機制(用一套統一的規則,把所學的各領域裡的知識編織成一個統一的知識圖譜或知識網絡,而且可以通過不斷地學習,在原有的基礎上不斷地豐富和擴展這一知識網絡)。

三,通用自主推理機制(利用前述知識圖譜,用一套統一的規則去進行各領域裡的推理,從而做出預測、決策、發明、發現等創造性活動)。

3,人腦通用智能有哪些特徵?

人腦通用智能主要有以下三大特徵:

一,自主學習能力,能自主地學習各知識領域裡的知識,具體地說,就是能自動地從現實場景、圖片、視頻和語言文字中學習常識和知識,由於人腦有自主學習能力,所以,每次看到現實場景、圖片、視頻和語言文字,人類都能自動地從中學習到知識,即能從信息或數據中提取出知識,這一過程類似於搜尋引擎的爬蟲程序,能自動地爬取網頁中的文字、圖片等數據。可以設想,如果我們事先給計算機定義了什麼是常識和知識,並教它從數據中獲取知識的方法,並據此編寫了一個軟體,那麼,每次運行這一軟體,它都能象人類一樣,自動地從數據中學習(提取)知識,這樣,計算機就能象人類一樣,具備了自主學習的能力,能自動地學習各領域裡的知識。

二,自主編織知識圖譜能力,能自動地把前述所學的知識編織成知識網絡或知識圖譜,這一過程就是我們通常所說的「消化知識的過程」,也即把新學到的知識納入到原有知識網絡中去的過程。這一過程類似於搜尋引擎中的索引程序,能自動地把前面爬取的數據放入資料庫中,並自動地給爬取的文字和圖片添加索引。可以設想,如果我們給計算機定義了知識圖譜的結構,和編織知識圖譜的方法,這樣,我們就能教會計算機把知識編織成知識圖譜,然後,我們據此編寫一個程序,這樣,我們每次運行這一程序,計算機就能自動地把前面所學知識編織成知識圖譜。

三,自主推理能力和形成問題解決方案能力,能利用知識圖譜,根據用戶的需求,自動地形成各領域裡的問題解決方案,也就是能自動地運用推理規則,把知識組合成預測方案、決策方案、發明方案、問題解決方案等方案,自動形成問題解決方案能力,這一過程類似於搜尋引擎的檢索程序和公交查詢程序,能根據用戶的檢索需求,自動地組合出用戶想要的「信息的排列組合」或出行方案。可以設想,如果我們給計算機定義了推理規則和根據用戶需求,把知識圖譜中的知識組合成問題解決方案的方法,並據此編寫一個程序,這樣,每次用戶輸入查詢需求,並運行這一程序,計算機就能自動地根據用戶需求,把知識圖譜中的知識組合成相應的問題解決方案。這一點類似於目前的搜尋引擎和公交查詢程序,只不過,計算機給出的結果不是信息檢索結果和公交出行方案,而是預測方案、決策方案、發明方案、問題解決方案等方案。



4,現有的計算機能否模擬人腦通用智能的三大機制?

筆者認為,現有計算機完全有能力模擬上述三大機制,原因如下:

第一,人腦與電腦的算法完全相同。所謂算法相同是指,人腦智能解決問題的算法與計算機軟體中的算法完全相同。什麼是智能的機制?智能的機制就是人腦智能解決問題的算法,算法就是解決問題的方法和步驟,這一算法與計算機軟體中的算法完全相同,二者都是解決問題的步驟,一個步驟就相當於計算機軟體中的一個指令,軟體就是由一系列的指令(步驟)組成的,算法是軟體的靈魂,沒有算法,計算機就不會解決任何問題。人腦智能的算法與計算機軟體的算法完全相同,因為這就意味著可以把人腦智能中的算法直接移植(或轉錄)為計算機軟體的算法,然後用代碼來實現這一算法,在計算機中運行這一代碼,就能使計算機象人腦一樣,完成同樣的智力任務,表現出同樣的智能,而且比人腦做得更好、更快,事實上,目前的數字計算、搜尋引擎和公交查詢等程序,正是這種算法移植的結果,而且在這三方面都已遠超人腦,達到了人腦數億倍,比如,在數字計算方面,人腦的數字計算機制有10進位、2進位、8進位等,計算機模擬了人腦二進位的機制,目前其計算速度已達人腦的億倍以上;在記憶方面,計算機模擬了人腦的索引機制(給每個記憶的內容添加索引,這樣能加快查找的速度,如字典的索引目錄,圖書館中的索引目錄等),目前,搜尋引擎在信息檢索方面的速度也已遠超人腦,達到了人腦的億倍以上;在公交查詢方面,公交查詢系統模擬了人腦的出行方案生成機制(根據兩條公交線路的交匯點,選擇轉車方案),目前在查詢(方案生成)的速度和精確度方面,也已遠超人腦,可見,只要能破解人腦智能的奧秘,不但能實現AGI,而且還能實現超人工智慧,把人腦智慧擴展數億倍!我們將要得到的,不是與人腦同樣聰明的AGI,而是能把人腦智力擴展數億倍的超人工智慧!與人腦智能相比,機器智能只有兩種狀態:遠不及人腦和遠超人腦,這是因為,計算機的信息存儲量的運算速度都億倍於人腦,所以,如果模擬人腦智能的相應機制,那麼,機器智能在相應方面就能遠超人腦,反之,如果不模擬人腦智能的相應機制,那麼,在相應方面就遠不及人腦。例如,在機器視覺、機器翻譯、小樣本學習、自然語言理解等方面,因為沒有模擬人腦智能的相應機制,目前還遠不及人腦。如果將來把人腦視覺智能的算法移植入計算機,機器視覺就能超越人類視覺;如果成功移植了人類自主學習的算法,計算機在一小時內所學到的知識,就能比一個人在一年內所學的知識還要多;如果把人類的語言形成和語言理解的算法移植入計算機,就能實現無障礙的人機對話,而且,計算機還能比人類更好更快地學習和理解人類語言;如果把人類的科學發現和技術發明算法移植入計算機,那麼,其科學發現和技術發明能力就能達到人類的億倍以上,從而極大地推動科技和生產力的發展。總之,這種算法移植的結果,不但能實現通用人工智慧,而且還能實現超人工智慧,所以,正如機器的發明,極大地擴展了人手的力量,人工智慧的發明,將極大地擴展人腦的智慧,超人工智慧將把人腦智慧擴展數億倍,有了這個超級智慧的幫助,人類將輕鬆實現長生不老和移居外星。這種超人工智慧只是一段電腦程式,因此,象目前的搜尋引擎和AlphaGo一樣,完全可控,不會控制和危害人類。超人工智慧可以自主學習各領域裡的知識,但所學的知識用來幹什麼,卻是由人類說了算的,人類讓它解決什麼問題,它就解決什麼問題,給人類拿出什麼方案。


第二,人腦與電腦的基本信息加工能力相同。二者都有加工圖像信息(形象信息)和抽象信息(符號信息)的兩種最基本的信息加工能力,人腦的信息加工活動就是思維活動,人腦思維活動主要有兩種:形象思維和抽象思維,前者如感知、識別、表象、想像等都是加工圖像信息或形象信息的思維活動,後者如,邏輯推理、靈感、直覺、預感、決策、規劃等都是加工抽象的符號信息的思維活動,而電腦同樣具有加工符號信息和圖像信息的能力,如WPS,office等軟體主要用於文字符號的加工和處理,而Photoshop,OpenCV,MatLab,Tensorflow等軟體主要用於圖形、圖像信息的加工和處理。上述信息加工能力相同意味著,電腦既能運行人腦形象思維的算法,又能運行人腦抽象思維的算法,所以,人腦智能的算法,不但能成功地移植入計算機,而且移植後還能成功的運行!因此,用現有計算機即可模擬人腦的各種信息加工活動,不需要類腦晶片,不需要量子計算機,現有的計算機構架就能實現通用人工智慧和超人工智慧。現有計算機的運算速度和信息存儲量都億倍於人腦,它主要靠蠻力來完成智力任務,而人腦則是「四兩撥千斤」,主要靠巧勁,以聞一知十,觸類旁通的方式來完成智力任務,因此,如果計算機能模擬腦智能的機制,那麼它就能象人腦一樣靈巧,而且比人腦更快速、更準確,比如,目前的搜尋引擎和公交查詢以及自動定律證明都是這方面很好的例證。上述三種活動或過程(自主學習、自主編織知識圖譜、自主推理)都是一個加工圖像信息或符號信息的過程,前者是一個形象思維的過程,後者是一個抽象思維的過程,而計算機和人腦一樣,也具有加工圖像信息和符號信息的能力。也就是說,人腦與電腦的基本信息加工能力是相同的。


上述算法相同和基本加工能力相同為「用計算機模擬人腦智能機制,從而實現人腦那樣的通用智能——AGI」打下了堅實的基礎,創造了必要的前提,用計算機模擬人腦通用智能三大機制的過程就是算法移植的過程,即把自主學習算法、自主編織知識圖譜算法、自主推理算法移植為計算機軟體算法的過程,算法移植成功後,再用代碼實現這一算法,編寫出軟體代碼,在計算機上運行,就能實現人腦同樣的功能。目前的數字計算、搜尋引擎、公交查詢程序就是很好的例證,它們也是算法移植的結果,由於計算機也有加工圖像信息(形象信息)和抽象信息(符號信息)的兩種最基本的信息加工能力,因此,編寫的代碼能在計算機中正常運行,從而實現與人腦一樣的智能——通用人工智慧。


由於計算機的信息存儲量和運算速度遠大於人腦,可以說是億倍於人腦,因此,如果用計算機模擬人腦通用智能的機制,不但能實現通用人工智慧,而且還能實現強人工智慧或超人工智慧,把人腦的學習能力、編織知識圖譜能力和解決問題能力擴展數億倍,從而極大地推動科技和生產力的發展!

相關焦點

  • 為什麼說繞過「自我意識」我們也能夠實現通用人工智慧AGI?
    通用人工智慧是指「能象人腦那樣通用於各知識領域,具體地說就是能自主地學習各領域裡的知識,並能利用所學知識,自主地解決各領域裡的問題的人工智慧」。有人說,要想實現通用人工智慧,我們必須讓計算機擁有象人類那樣的自主意識,這樣,機器才能象人一樣進行自主地學習,並自主地解決問題,事實上,這個觀點是錯誤的,為什麼呢?
  • 通用人工智慧啥時候能實現?這是我的最新預測
    儘管那篇帖子的總結是正確的,但是,我發現有用的想法都在總結之外。我是那麼信任你,你就不能把泡沫過濾掉嗎?你怎麼可以這樣讓我失望呢?那篇「火警警報」的帖子中的一部分提出了一些假設,解釋了為什麼人們聲稱通用人工智慧是不可能的。其中一個假設是,研究人員過於關注使用現有工具進行工作的難度,並將這種難度推斷到未來,得出結論:我們永遠不可能創造出通用人工智慧,因為現有的工具還不夠好。
  • 通用人工智慧啥時候能實現?這是我的最新預測
    儘管那篇帖子的總結是正確的,但是,我發現有用的想法都在總結之外。我是那麼信任你,你就不能把泡沫過濾掉嗎?你怎麼可以這樣讓我失望呢?那篇「火警警報」的帖子中的一部分提出了一些假設,解釋了為什麼人們聲稱通用人工智慧是不可能的。
  • 通用人工智慧的新宇宙:OpenAI重磅發布AGI測試訓練平臺Universe
    OpenAI昨天發布OpenAI Universe,這是一個能在幾乎所有環境中衡量和訓練AI通用智能水平的開源平臺,當下的目標是讓A 智能體像人一樣使用計算機。
  • 機器人教父:自動駕駛30年內能上路,實現通用人工智慧還要300年
    2015年他預測特斯拉將在2017年實現徹底的「自動駕駛」,結果大家都知道了;過了一年他又改口說可以自動從LA開到NY,結果大家也都知道了;2017年他說兩年內人們可以在車裡安全的睡覺。現在是2019年,又到了他預言的節點了,但是在行駛的特斯拉裡睡覺,仍然極度危險。馬斯克發推更正說是100萬輛計程車。
  • 清華大學Nature發文:通用人工智慧的重大發展
    清華聯合團隊提出的類腦計算系統新框架,或將加速通用人工智慧的到來。清華大學這一成果通過理論論證與原型實驗證明了該類系統的硬體完備性與編譯可行性,並擴展了類腦計算系統應用範圍,使之能支持通用計算,填補了完備性理論與相應系統層次結構方面的空白,有利於未來自主掌握新型計算機系統核心技術,加速具有人類同等智慧或超越人類的人工智慧發展
  • 你認為哪些不可能實現的事情,在2020年能通過人工智慧實現?
    阿里巴巴達摩院發布了「達摩院2020十大科技趨勢」,其中有3條趨勢均與人工智慧相關。為了把握人工智慧這一技術市場的最新趨勢和動向,你覺得在2020年,人工智慧將迎來哪些轉變呢,哪些以前不能實現的東西,會通過人工智慧實現呢?事實上,不止這三條,其他的某些技術趨勢若想落地實現也離不開人工智慧的發展。
  • 人工智慧的起源
    塞弗裡奇發表了一篇模式識別的文章,而紐厄爾則探討了計算機下棋,他們分別代表兩派觀點。討論會的主持人是神經網絡的鼻祖之一皮茨(Walter Pitts),他最後總結時說:「(一派人)企圖模擬神經系統,而紐厄爾則企圖模擬心智(mind)……但殊途同歸。」這預示了人工智慧隨後幾十年關於「結構與功能」兩個階級、兩條路線的鬥爭。
  • 為何除了馬斯克,沒人願意猜通用人工智慧何時出現?
    如果我們研究出思維水平和人類相當甚至優於人類的機器,而且這些機器思考速度很快、從不疲倦的話,那麼解決現有問題會更有勝算。在 1965 年,計算機科學家古德便說:「只要發明出來第一臺超智能機器,人類便能一勞永逸。」埃隆・馬斯克早期曾投資 DeepMind。他的預測總令人瞠目結舌,但是成千上萬的人都在關注他說了什麼。幾個月前,他告訴《紐約時報》,五年內,我們就能研發出超級 AI。
  • 下一代人工智慧的發展將如何發展?神經網絡技術是機器學習的核心技術
    羅國傑說。人工智慧時代對計算能力以及效率的需求大大提高,傳統的基於存儲分層的計算機體系結構在處理大數據應用時呈現出計算訪存比低、緩存命中率低的特點,也就是常說的「馮諾依曼瓶頸」。為了緩解「馮諾依曼瓶頸」,新型計算機架構 「存內計算」或者說「存算一體」將計算與存儲在空間上合二為一,有效減少了數據通信帶來的能量消耗。
  • AI極簡史:從通用計算機到通用學習機_眾聲_澎湃新聞-The Paper
    如果說蒸汽機是18世紀的通用技術,電力是19世紀的通用技術,那麼計算機就是20世紀的通用技術,它不僅改變了人類的社會組織行為,也改變了人類的日常生活方式。03 機器學習的艱難崛起那麼,計算機又是怎麼跟人工智慧掛上鉤的?如果一臺通用計算機的功能非常強大,可以用它來模擬人類的所有行為,這個研究方向就是人工智慧。
  • 計算機原理:理論基礎(圖靈機)與(馮諾伊曼)體系結構!
    這位網友所提出的問題也是很有探討意義:如果說計算機是圖靈機演變的,那麼圖靈機的設計理念是什麼?用這個模型可以得出計算的極限——可計算性。什麼問題是可計算的,什麼問題是不可計算的。只能說圖靈機奠定了現代計算機的理論基礎。關於更多圖靈機的知識大家可以自己看看計算機理論,其中有關於圖靈機的知識講解。
  • 聚焦三類市場,超級計算機與雲計算實現完美融合
    經歷了9年的快速發展,北京超級雲計算中心在中科院計算機網絡信息中心、北京市懷柔區政府的指導支持下,目前通用計算資源實現10PFlops,27萬計算核心,擁有25000+用戶,並不斷提高服務能力,提升用戶科研計算效率
  • 清華大學天機晶片登Nature:類腦加傳統計算融合通用人工智慧
    機器之心報導機器之心編輯部8 月 1 日,頂級學術期刊《自然》雜誌的封面文章介紹了清華大學在通用人工智慧上的新嘗試:一款名為「天機」的全新晶片架構,結合類腦計算和人工智慧算法,展示了迄今為止從未有人實現過的強大能力。
  • OpenAI的10億AGI夢何時實現?
    2019 年 7 月,微軟宣布對總部位於舊金山的人工智慧非營利組織 OpenAI 投資 10 億美元,將與 OpenAI 長期合作構建新的 Azure AI 超級計算技術,進一步擴展大規模 AI 能力,兌現其通用人工智慧(AGI)的承諾。
  • 智視重磅破局,以通用人工智慧開啟AI代新智元!
    然而中國科技的進步從未停歇,最近一家人工智慧公司嶄露頭角,號稱已初步實現通用人工智慧?三年內企業估值或超4.5億美元?讓我們看一看這家科技公司到底有怎樣的魔力?基於全球領先的四大核心技術——自學習技術、理解技術、推理技術和機器創造技術,完成對現有專用型人工智慧的變革性升級,目前已初步實現通用性人工智慧。作為人工智慧行業的探索者,智視科技強勢突破領域壁壘,致力於藉助通用人工智慧幫助每個人提升學習、工作效率,最終提升收入。
  • ——關於通用人工智慧的思考
    一、什麼是通用人工智慧通用人工智慧也是我們常說的強人工智慧,區別於弱人工智慧,它並非只在某個領域內表現出智能,而是在整體上擁有接近甚至超過人類水平的智能。通用人工智慧可以巧妙應對各種突發情況,出色完成人類下達的任務。目前人工智慧技術對社會經濟的促進作用還不明顯,一些人仍持觀望態度,但是我相信人工智慧技術定會在人類歷史上再次掀起一場波瀾壯闊的工業革命。
  • 頂級AI華人學者朱松純入職清華,回國籌建通用人工智慧研究院
    與此同時,他還將與清華、北大共同籌建「北京通用人工智慧研究院」,並出任院長。] 問題的全局最優解;與其博士生 Adrian Barbu [現為FSU教授] 提出了 Swendsen-Wang Cut [SWC] 的蒙特卡洛算法,在通用的概率採樣 [sampling] 計算中,實現大的狀態跳轉,突破傳統方法計算的瓶頸問題。
  • DARPA 最新計劃 L2M:研發超越圖靈模型和諾依曼架構的新型計算機
    實際上手機、計算機和小配件早已具有了智能特徵,比如蘋果的 Siri、微軟的 Cortana 和亞馬遜的 Alexa。但是,只有在信息被預編進系統的前提下,上述設備才能進行學習並得出結論。現有的機器學習技術並不允許計算機在黑箱之外思考,也就是說,計算機不能根據外在情況和環境進行動態思考。
  • 超級計算機與人工智慧:大國超算,無人領航
    2010年,曙光6000研製中,採用龍芯3A實現了一部分,但並不是主要部分。2011年,神威藍光問世,這是以國產多核CPU晶片為基礎的第一臺超級計算機。這代表著:只能用國外晶片生產超級計算機的歷史結束了。超級計算機的賽場,永遠不會止步於在榜單上,止步於實驗室「無菌」環境裡。