機器人“大腦”有多強

余山

最近以“阿爾法狗”為代表的一系列新進展說明，最新的人工智能已經不光靠計算速度了，而是具有了以往不具備的重要能力。

這一突破來源于人工智能采取了類似大腦的工作方式。傳統上，計算機程序員的工作是把一個任務分解成一步一步的數字和邏輯運算，計算機執行完所有這些步驟，也就得到了問題的解決方案?？墒呛芏鄷r候這樣處理任務需要太多的計算資源（比如下圍棋），或者我們根本不知道如何把一個任務分解成簡單運算（比如理解一部電影）。對于這一類被稱為認知任務的問題，我們的大腦往往能夠有效地處理。在腦內，沒有計算機中常見的處理器或內存，而一個成年人腦中有800億左右的神經細胞，以非常精密的方式相互作用，構成了一個巨大而復雜的神經網絡。我們的一切思維都是這個網絡活動的直接結果。而人腦執行認知任務的能力，是通過各種訓練過程得到的。比如，下圍棋和熟練使用語言都需要數年的時間和大量的練習。所以，大腦工作的這兩個基本特性，即海量處理單元通過網絡進行復雜的相互作用，以及通過訓練逐漸提高智能水平，為人工智能提供了重要的借鑒。

近十年來，把多層的人工神經網絡依次連接起來，并通過大量的訓練來提高網絡的信息處理能力，被證明是處理認知任務非常有效的方式。這一被稱為“深度學習”的模式，在圖像識別、語音識別、自動翻譯等眾多領域都取得了令人吃驚的效果。類腦處理任務的方式使得傳統上難于處理的問題第一次變得可以解決了。除了在圍棋上的成功，“深度學習”系統已經可以用語言描述一幅圖片或是一段視頻中的內容，可以基于醫學影像對疾病做出比專科醫生更為準確的診斷，可以通過面孔甚至走路的姿態進行準確快速的身份識別……工作原理的改變，使得人工智能實現了質的提升。

展望未來，類腦智能還有眾多的“金礦”等待挖掘?，F有系統的訓練需要數量巨大的樣本，遠遠超過人腦在掌握新技能時的所需，說明腦有更高效的學習規則，或是利用預先存貯的知識大大加快了學習。另外，“深度學習”系統只在特定的領域有較強的能力，而腦可以在眾多的領域都表現出高度的智能，說明腦中具有處理多種任務的模塊，而且有相應的機制可以把這些模塊靈活地組織起來處理紛繁復雜的問題。隨著對大腦工作原理的不斷了解，腦科學與人工智能的深度融合將成為推動通用人工智能實現的強大動力。