机器的“无限有趣空间”：人类将无法理解机器的崛起

原标题：机器的“无限有趣空间”：人类将无法理解机器的崛起

编者按：人工智能的一些表现令人赞叹。但是它们是如何实现这些成就的过程在人类眼里却是个黑箱。技术作家及艺术家James Bridle最近出版了一本反映机器崛起的新书，《New Dark Age（新黑暗时代）》。其中对机器如何思考的探讨令人感到气馁——借用科幻作家Iain M. Banks的话来说，在超智机器的脑子里有一个无限有趣的空间，这个地方是人类永远也无法进入的。

1997年，纽约，现任国际象棋世界冠军卡斯帕罗夫在跟深蓝对阵，后者是IBM专门设计用来击败他的计算机。上一年在费城举行的一场类似比赛中，卡斯帕罗夫以4:2获胜，这位被广泛视为有史以来最伟大的国际象棋大师对获胜很有信心。所以当输掉比赛时，他宣称深蓝的其中一些走法太过智能且富有创意了，所以一定是有人干预的结果。不过我们知道为什么深蓝会走出那些下法：它选择下法的过程其实是一种暴力破解，由14000颗定制设计的国际象棋芯片组成的大规模并行架构，每秒钟能够分析2亿种盘面状态。比赛那时候，它在地球最强大计算机的排名是第259位，而且纯粹是为国际象棋设计的。在选择下一步怎么走的时候它脑子里可以计算更多的结果。卡斯帕罗夫不是思路不够，只不过是被火力压制住了。

相比之下，当Google Brain驱动的AlphaGo软件击败围棋世界冠军李世石时，情况变了。在5番棋的第二局，AlphaGo走出了一步令李世石和观众感到震惊的棋，它把一颗子下到了棋盘的远端，似乎要中途退赛的感觉。一位评论说：“这是非常奇怪的一步，我认为这是个错误，”另一个人说。樊麾，另一位经验丰富的围棋选手，6个月前不幸成为了第一个输给AlphaGo的职业棋手，他对此的评论是：“这步棋不是人走的。我从来没见过人有这种下法。”他还补充说：“下得太漂亮了。”在这项有2500年历史的游戏里，还没人会这么下过。AlphaGo后来势如破竹，不仅赢下了这场比赛，也包括后来的系列赛。

AlphaGo的工程师开发该软件是靠这个，一个含有专业棋手数百万下法的神经网络，然后让它左右手互搏数百万次，从而形成了超越人类棋手的策略。但是它的这些策略的表现是很难辨认的：我们能看到它的下法，但看不到它是如何做出决定的。AlphaGo的各个部分之间互搏时下出来的步法，其复杂性也不是我们能想象得到的，但我们不大可能看得见和欣赏它们；想要对这种复杂性进行量化也不可能，它只有取胜的直觉。

杰出的科幻作家Iain M. Banks把这些招式的发生地称为“无限有趣空间（Infinite Fun Space）”。在Banks的科幻小说里，他的《文明》里面的文明是由仁慈、超智的AI来管理的，这种AI就叫做Mind。尽管这些Mind原先是由人创建的（或者至少是一些生物性的碳基实体），但很久以前它们就已经超越了自己的创建者，然后对自己进行重新设计和建造，不仅变得高深莫测而且无比全能。除了控制飞船和星球，指挥作战，照顾数十亿人类以外，Mind也有自己的乐趣，其中就包括超出人类理解范畴的推测计算。由于能够在自身想象中模拟整个宇宙，一些Mind永远地撤到了这个无限有趣的空间，这是一个只有元数学可能性的领域，只有超级人工智能才能进入。至于剩下的我们，如果我们摒弃那道拱门的话，留给我们的只有有限乐趣，徒劳地分析机器做出的、超出我们理解的决定。

如果不是被迫要将自己的梦展示给我们看的话，机器就会进一步深入到自己的想象空间，进入我们到不了的地方。

不过一些机器智能的操作并不局限在无限有趣空间里面。相反，它们在我们的世界上创造出一种未知（unknowingness）：新的图像；新的面孔；新的、未知的或者假的事件。就像语言可以充当他人意思的无限网格一样，同样的做法也可应用到一切可用数学表示的地方——也就是多维空间里面的一个由加权连接组成的网络。从人体得到的词仍然有联系，即便被剥夺了人类的意思，根据那个意思的数字就可以进行计算。在语义网络中，力线——向量——定义了单词“皇后”与那些阅读次序为“皇帝 - 男人 + 女人”的单词是一致的。按照此类向量的路径，这种网络能够推断出“皇帝”与“皇后”之间存在着一种性别关系。对于人脸也能做同样的事情。

对于给定的一组人的图像，神经网络可以执行一种新的计算，这种计算不仅仅会按照这些力线的路径去走，还会生成新的结果。就像2015年Facebook研究人员发表的一篇论文所展示那样，微笑的女性、不笑的女性以及不笑的男性的一组照片经过计算可以得出微笑男性的全新图像。利用一项大规模图像识别挑战超过300万张卧室图片的数据集，他们的网络生成了新的卧室：那些颜色和家具的布置在现实世界里是找不到的，那是卧室向量的交集：墙，窗户，羽绒被以及枕头。机器梦想出了做不出梦来的梦幻房间。不过令人印象深刻的是那一张张类似我们的脸：这些人是谁，他们笑什么？

当机器梦想出来的这些图像开始跟我们的记忆交织在一起时，事情开始变得更加奇怪。2014年从法国家庭度假回来时，伦敦大学学院人工智能研究人员Robert Elliott Smith带回来了满满一手机的照片。他把其中一些上传到了Google+上，好跟妻子一起分享，但是在浏览照片的时候他发现了一些异常。在其中一张照片中，他看到自己跟妻子坐在一家饭店的桌子旁对着镜头笑。但是他印象中自己从来没拍过这张照片。一天午饭，他父亲按住iPhone的按钮稍微久了一点，结果就得出了相同场景下的一系列照片。Smith将其中2张上传，想看看妻子更喜欢哪一张。其中一张是他笑妻子不笑，另一张是妻子在笑但他没笑。通过这两张照片，Google的排序算法只需几秒钟就召唤出了第三张：双方均笑得“最好”的合成照片。该算法是名为AutoAwesome（后来改名为“Assistant”）的软件包的一部分，它会对上传的照片进行一系列的调整，让它们看起来更加“出色”——其中应用了怀旧的滤镜，将其变成迷人的动画等等。但这一次，结果是一张从未发生过的定格照片：一次雪茄的记忆，一个重写的历史。

照片的修复是一项跟这种媒介本身历史同样悠久的活动，但这一次的操作是自动进行的，在个人记忆的产物中是不可见的。尽管如此，我们从中还是能学到一点什么：这说明了图像其实永远都是假的，人为的片刻之间的快照从来都无法从多维的时间洪流中剥离出来，作为奇点而存在。不可靠的记录；相机与注意力的合成。这些不是世界和存在的人为产物，而是记录过程的产物——而这个过程作为一种虚假的机制，是永远也无法逼近现实本身的。只有当捕捉和和存储的过程用技术具体化时，我们才能精确地感受到它的不真实，才能感受到它与现实的差异。这是我们可以从梦想机器中吸取到的教训：不是说它们重写了历史，而是历史本来就不是可以可靠地叙述的东西，因此，未来也是如此。通过人工智能向量映射而来的照片构成的不是一份记录，而是一种持续的重新想象，一种不断变化的曾经发生过什么以及将会发生什么的可能性。这个可能性的云，永远的因情况而异以及朦胧性，对于现实而言，其实是比任何物化的断言都要好的模型。而这朵云是由技术来披露的。

（编辑：泉州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!