这几年,大家都深刻的感受到了人工智能领域的快速发展。我们都感觉人工智能太先进了,甚至说超级智能。
可是我们太外行了,《为什么》的作者却把当今的人工智能置于因果关系之梯的最底层,我们知道因果关系之梯有三个层级,是能力递增的关系,最底层就是意味着这是最初级的能力。这个层级的能力只能与猫头鹰相提并论。
你可能会感到很吃惊。近些年来,我们好像每天都会听闻机器学习系统的新发展和新成果——无人驾驶汽车、语言识别系统,特别是近几年来广受推崇的深度学习算法(或称深度神经网络)。为什么它们会处于因果关系之梯的最底层呢?
我们来看看,第一层级是什么能力,是关联,在这个层级中我们通过观察寻找规律。比如,一只猫头鹰观察到一只老鼠在活动,便开始推测老鼠下一刻可能出现的位置,这只猫头鹰所做的就是通过观察寻找规律。
计算机围棋程序在研究了包含数百万围棋棋谱的数据库后,便可以计算出哪些走法胜算较高,它所做的也是通过观察寻找规律。如果观察到某一事件改变了观察的另一事件的可能性,我们便说这一事件与另一事件相关联。
因果关系之梯的第一层级要求我们基于被动观察做出预测。其典型问题是:“如果我观察到……会怎样?”例如,一家百货公司的销售经理可能会问:“购买牙膏的顾客同时购买牙线的可能性有多大?”
此类问题正是统计学的安身立命之本,统计学家主要通过收集和分析数据给出答案。
在这个例子中,问题可以这样解答:首先采集所有顾客购物行为的数据,然后筛选出购买牙膏的顾客,计算他们当中购买牙线的人数比例。这个比例也称作“条件概率”,用于测算(针对大数据的)“买牙膏”和“买牙线”两种行为之间的关联程度。
有些关联可能有明显的因果解释,有些可能没有。但无论如何,统计学本身并不能告诉我们,牙膏或牙线哪个是因,哪个是果。从销售经理的角度看,这件事也许并不重要——好的预测无须好的解释。
就像猫头鹰不明白老鼠为何总是从A点跑到B点,但这不改变它仍然是一个好猎手的事实。
那为何说现在的人工智能只有猫头鹰级的水平呢?
因为,现在的人工智能与30年前一样,机器学习程序(包括那些应用深度神经网络的程序)几乎仍然完全是在关联模式下运行的,它们只是由一系列观察结果来驱动,只是运算的速度和能力比30年前强了很多倍而已,但能力层级的本质并没提升。
领取专属 10元无门槛券
私享最新 技术干货