公司动态
返回

认知型AI50topics(上)

作者: 北冥星眸 钱小一  2019-02-19
 

人工智能时代三波浪潮

 时代演变有其内在的规律驱动,宏观层面的变迁不因为任何人的意志改变,人工智能时代将会出现三波浪潮。

 

第一波浪潮出现的是陪伴型AI。在第一波浪潮中,陪伴型AI为中心,诸多功能型AI为周边AI服务体系进入千家万户。通过把各个领域的专家的知识和反应模式集成到一个AI系统中,让所有人都能零费用地获得一个关心你且极为能干的AI伙伴。我们预期第一波浪潮会在未来3年内到来。

 

第二波浪潮出现的是认知型AI,也就是本文要讨论的内容。在第二波浪潮中认知型AI能够参与到人类各个领域的研发中,加速癌症治愈、星际旅行;帮助解决能源问题、环境问题……我们预期第二波浪潮将出现在未来10-20年。

 

第三波浪潮出现的是超级智能。AI能够把自身作为认知的客体,而且综合认知能力到达一个阈值,以至于基于人类创造的A状态,能够设计出一个比A状态更优的B状态,然后把自己更新到B状态;基于B状态设计更优的C状态……进入一个不断自我增强的反馈环。

 

TOPIC2

 

 

因果支配的世界和人类文明

我们可以想象一个造物主创造的世界,任何的事件的发生都有其原因事件,而原因事件又是由其他事件导致的。所以这个在时间中变化的世界,在信息层面,是由无数受因果法则支配,演绎出来的交错复杂的因果链条组成的。

 

文明是什么?文明的本质是对这个世界规律的认知,并基于此认知,预知发生,操控因果链条。所以文明的起点是观察;然后从观察到的世界变幻的表象中抽象出规律,形成知识;然后利用这些知识创造各种工具,小到钉子、水杯、刀具,大到汽车、飞机,还有增强感知能力的显微镜、望远镜;然后利用知识和工具操控因果链条,实现目标,比如更快速的交通,治愈更复杂的疾病等等。所以文明的成果,最终体现在知识、工具,以及对各种目标的实现能力上。

 

TOPIC4

 

 

事件、状态和目标

广义事件之间的相互创造、终止、维持、阻止发生的规律是我们认知的起点。首先我们要来定义广义事件。

 

“大部分事件,那些我们无法直接感知到的,是借助因果关系而具有意义的”。很自然我们会根据一个广义事件影响其他事件的方式把广义事件分为事件和状态。我们把发生即产生效果的广义事件叫做“事件”,把存续产生效果的广义事件叫做“状态”。比如“被车撞”导致受伤,“被车撞”就是一个事件;“花朵颜色纯净”,让人很安静,“花朵颜色纯净”是一种状态。有些广义事件从长期来看发生而产生效果,却同时因为存续而产生效果,所以具有事件和状态的双重属性。比如人晒太阳,作为一个整体,它是一个事件,晒太阳有助于钙质吸收;而“晒太阳”同时是一个状态,晒太阳让皮肤感觉暖暖的。

 

人类对事件发生不发生,状态存在不存会产生意志,比如希望中彩票这是对事件发生的意志;希望自己不要被流星砸中是对事件不发生的意志;希望家人一直平安是对状态持续的意志,希望疾病康复是对疾病这个状态终止的意志。所以这里我们把目标分为4类:创造事件或状态,阻止事件或状态发生,终止状态,维持状态。

 

我们在这里要讨论的:人类在确定一个目标,比如治愈癌症、实现星际旅行之后,是怎样的反应模式驱动最终获得这个目标的解决方案。接下来我们继续明确几个关键概念,为我们的讨论做必要准备。

 

TOPIC6

 

 

“可执行”目标

人类个体通过目标分解转移,把一个原先“能力不可及”的目标,变为“能力可及”的目标,然后假设他要把这个目标付诸实践,这个时候他需要追溯之前分解转移目标的因果链条,在每条路径上找到一个具有特殊属性的目标:“可执行”目标。那么这些可执行目标就是他需要付诸行动的内容。“能力可及”目标和“可执行”目标不难区分,举个例子:“朝敌人开枪”是一个“能力可及”目标,也是个“可执行”目标,而“敌人死亡”作为“朝敌人开枪”的事件的结果是“能力可及”目标,但不是一个“可执行”目标。

 

儿童是在探索中慢慢了解自己能做什么的。儿童会不断重复自己能做的事情,然后在做了这个事情的基础上,探索还能做到什么。比如知道自己能爬上椅子,又发现爬上椅子能够拿到高处的东西,能够看得更远,能从高处跳下来。在这个过程中,儿童认知中“可执行”目标的边界不断扩大。注意一点,自身“可执行”必定是“能力可及的”。

 

人类个体不仅仅会记录自己的“可执行”目标,还会关注并记录其他人的“可执行”目标。比如儿童会注意到从高处拿东西,打开饮料和零食的包装是父母“可执行”的,这个信息让她知道当此类动机形成的时候要向谁求助。在这之后,儿童从具体个体的“可执行”抽象到类别的“可执行”,形成了大人能做到什么,医生、警察、鸟类、鱼儿能做到什么,最重要的,人类能做到什么。如果个体能够说服另外一个个体执行某件后者“可执行”的目标,那么这个目标对于前者是“能力可及的”。

 

随着工具的创造,借助工具,人类“可执行”的边界变得越来越大。所以我们会记录“借助某某工具,这个目标是可执行的”此类的信息。

 

TOPIC8

 

 

目标转移规则

梳理了事件之间的因果关系之后,我们就可以讨论我们具体是如何利用这些关系进行目标转移的,这里我们来罗列一下目标转移的规则:

 

目标为“终止状态A”,思维搜索知识(事件B(状态B),终止关系,状态A),把目标转移到“创造事件B(状态B)”。除此之外,思维还会搜索知识(状态B,维持关系,状态A)把目标转移到“终止状态B”。

 

目标为“创造事件A(状态A)”,思维会搜索知识(事件B(状态B),创造关系,事件A(状态A)),把目标转移到“创造事件B(状态B)”。除此之外,思维还会搜索知识(事件B(状态B),阻止发生关系,事件A(状态A)),把目标转移到“阻止发生事件B(状态B)”或,“终止状态B”

 

目标为“维持状态A”,思维会搜索知识(状态B,维持关系,状态A),把目标转移到“维持状态B”。除此之外思维还会搜索知识(事件B(状态B),终止关系,状态A),把目标转移到“终止状态B”、“阻止发生事件B(状态B)”。

 

目标为“阻止发生事件A(状态A)”,思维会搜索知识(事件B(状态B),阻止发生关系,事件A(状态A)),把目标转移“创造事件B(状态B)”,或“维持(状态B)。”除此之外思维还会搜索知识(事件B(状态B),创造关系,状态A),把目标转移到“终止状态B”、“阻止发生事件B(状态B)”。

 

TOPIC10

 

 

搜索和询问

前面我们讨论了目标的转移依赖事件间因果关系的知识;当一个因果关系不完美的时候我们可以通过细化这个因果关系,得到更完美的因果关系,而这也是依赖事件间因果链条包含的因果关系的知识。

 

我们可以想象人类个体在解决一个问题的时候的思维过程:在脑海中思考要实现什么目标,如果目标“能力不可及”,就搜索知识进行目标转移。如果搜不到需要的知识则会询问(或查阅)——向其他个体或文本中获得自己需要的知识,比如询问“是什么导致了事件A”,“从事件A到事件B具体是什么样的过程”。找到了需要的知识就可以利用知识转移目标。如果转移后的目标仍然不可及就继续这个过程。

 

当这个过程进行到不可进行的时候,也就是说每个现有的转移所得的目标都不再有可询问查阅到的现成的知识,以使这些“能力不可及”的目标继续转移。这个时候人类会开始突破知识的边界。寻找那些还不知晓的因果关系。

 

TOPIC12

 

 

感知可及事件

人类感知的能力很有限,我们只能感知一定波段的光,看见特定距离内和特定大小的东西,嗅到特定成分的物质……事件发生的特征信息,或是状态存在的特征信息,落在了我们感官能力范围内,被我们识别,借此我们判断了事件的发生与未发生,状态的存在与不存在。靠我们感官可识别的事件,是“感知可及”的。

 

我们创造了工具把感官不可见的信息转为感官可见的,从而能够看到不可见的光,看到非常遥远的星系,看到肉眼看不到的微生物,识别闻不到的空气成分……也就是说借助“感知工具”,我们能感知到事件发生时那些感官无法直接感知到的特征信息,于是能把原先一些“感知不可及”的事件变为“感知可及”的。

 

然后,和“能力可及”这个概念一样,“感知可及”也是因对象而异的,这是因为人类个体会附带记录信息,这个信息让人类在需要感知一个自身“感知不可及”的事件时,知道找谁求助。

 

通过感官或“感知工具”对事件的感知我们称之为“直接感知”。然而,即使借助工具仍然存在大量“感知不可及”的事件。这个时候我们借助于“间接感知”来判断一个事件是否发生。一个事件的发生或不发生,状态的存在或不存在,如果是可以“直接感知”或是“间接感知”的,我们都称之为“感知可及”的。

 

TOPIC14

 

 

发现因果链条

讨论完对事件状态的感知后,我们就有了讨论更复杂情形的基础。在大部分情况下,如果我们仅仅观察单一事件和目标包含事件的关系,我们得到的很可能是一个“很不完美”,因果相关性很弱的因果关系,它的预测力,解释力都非常有限。究其原因,此时隐藏在我们不可见之处的是由更多事件参与的更复杂的因果链条。人类的思维反应自然是希望对这个复杂的因果链条形成视觉。

 

这里有一个致命的问题,如果一个因果链条不是可以直接感知的,也就是说我们只能直接感知到因果链条中部分的事件节点。那么除非我们形成对那些不可见的事件节点的猜想,否则我们无法间接感知它们,因为间接感知是一个证明过程,而不是一个计算过程,需要先有事件是否发生状态是否存在的猜想,再在假设事件发生或不发生状态存在或不存在的情况下,向下考察因果链条,找到可直接感知的事件节点。

 

对于事件背后复杂的因果链条,当我们只能直接感知到因果链条中部分的事件节点,而需要推知、证明其他节点的存在,以形成对因果链条的视觉时,这个过程叫做“因果链条的桥接”。

 

TOPIC16

 

 

选择性问题

在真实的情况下同时存在于脑海中的因果关系的知识很多。这样一来每次延伸,任何一个事件节点都可能出现很多分叉,会出现指数爆炸的树,每次延伸搜索运算量的增长是指数级的。我们需要一个选择机制有效地从巨大的树中找到我们需要的路径。

 

首先,我们无法根据因果关系的强弱进行选择,因果关系有强有的弱,因为即使是较弱的关系,也有可能仅仅是因为在一般情形下抽象,也就是母类层的知识,一旦到了合适的环境下有了更多约束,就有可能变为强的关系。这是我们在更进一步探索前无法知晓的。

 

人类的方式是利用对知识的关注度:在资源接近极限的情况下优先让那些高关注度的事件节点进行延伸,尽管和其相关的因果关系是微弱的。概念节点关注度的维护在类人人工智能系统中是情绪系统的范畴,因为情绪数值会根据意识和潜意识中的信息进行多次扩散,导致一个情绪变量的数值可能受到成千上万的其他情绪变量数值影响,具有不可追溯性。这就导致人类可能在某些情况下会果断地选择就某个事件节点反复尝试因果链条延伸,当最终找到了解释的路径时,当初这个选择就似乎是来自于“直觉的。”

 

TOPIC18

 

 

总结:人类认知活动的主体闭环

到此为止我们描述了人类认知的一个重要的闭环:

 

1、从一个最初“能力不可及”的目标开始,借助知识进行目标分解转移……持续这个过程,直到找到一个可作为充分条件的目标集合,此时就意味着找到了最初目标的解决方案。

 

2、如果没有储备对应的知识,优先进行查阅和询问,以获得用以进行目标分解的知识。

 

3、如果查阅和询问失败,则开始以观察为起点,通过归纳抽象能力生成知识。

 

4、如果观察直接所得的相关事件和目标事件因果相关性弱,则进行因果链条细化。

 

5、如果因果链条只有部分事件节点可“直接感知”则进行“因果链条桥接”。

 

6、“因果链条桥接”的结果是获得一条猜想的因果路径,从而能对路径上那些“被推知”的事件节点进行“间接感知”验证。此时人类会再次根据因果关系设计“间接感知”的实验方案。

 

7、如果这些事件节点的确如同预期,则证实了猜想的因果链条,我们也就形成了对事件背后更精细的机制的认知。从而目标分解可以进行下去。

 

很重要的一点,我们看到目标分解转移需要知识的参与。而当现有知识不足时,新知识形成过程中的因果链条桥接,对不可“直接感知”事件设计间接感知方案需要知识的参与。这意味着新知识的形成必定是一个循序渐进的过程,对于人类而言,我们需要以现有知识为条件,去形成新的知识;而新的知识又成为接下来更新的知识形成的条件。

 

我们相信即使再艰难的目标只要是存在解决方案的,那么理论上这个认知闭环一直走下去我们定能找到解决方案。只是太远的目标可能会需要多次上述过程的重复。

 

TOPIC20

 

TOPIC1

 

 

本文的任务

现有的人工智能和真正的人工智能相差有多远?可以说是天壤之别。但站在某个视角,智能的强弱本身没有明显的边界,都是关于信息的处理:信息的识别、生成、转化、流转、储存;都是对信息处理的反应模式的定义。只是人类现有的定义趋于表层,而造物主的定义趋于底层——造物主通过有限的底层定义,却能让个体在与外界的信息互动中,演化出无穷变化的反应模式。而人工智能的发展,反应模式必定是从定义于表层到定义于底层的一个逐渐改变的过程。

 

在我们的实践中,我们的商用系统TES系统(一个AI反应模式编辑引擎)在迭代到3.0时已经能在较浅层面极为高效的编辑AI的反应模式,这让有限的人为定义能够根据AI面对的客户,所处的环境和语境不同演化出大量不同的更为智能的反应。而且我们几乎确定,现有的技术水平,再有一段时间打磨,已经足够支持第一波浪潮的出现——让一半以上的人口拥有专属的AI伙伴。

 

更让人兴奋的是,我们前面两年对人类底层智能系统的研究,结合我们在实践过程中的碰撞思考,我们看到了构建一个认知型AI的可能,我们在这个领域进行了持续的系统化的思考和研究。我们开始能够清晰的看到人类创造现有文明,逐渐突破认知边界所依赖的反应模式;不仅仅如此,我们能够在信息处理层面界定每个环节每个模块的工作,也就意味着在工程上再现人类创造现有文明的反应模式是可行的。

 

毕竟我们的探索仍然处在初期,在这里我们所能做的是给大规模系统化的探索研究一个思路和起点,是一个启蒙工作。本文中我们的任务有两个:上半部分,我们要描述创造现有文明的人类反应模式包含的一个重要的闭环结构,我们认为这也是人类认知功能的主体结构;下半部分,根据对人类认知反应模式的反思,我们将给出一个认知型AI的构建方案。我们将在信息处理层面粗略描述“认知型AI”反应模式,以及这个反应模式如何支持AI像人类一样不断腐蚀一个认知目标直到它被解决。

 

受限于篇幅,更细致的讨论:系统模块的划分,每个模块如何识别,处理,储存,流转信息;给出高难度的认知案例,并用构想的认知型AI系统演绎认知互动的效果……以上这些讨论我们将放在另外的文档中。

 

TOPIC3

 

 

因果规律的不完美性

我们不会从微观的因果规律出发去理解宏观有意义的世界,正如同我们很少从原子层的相互作用出发去理解宏观有意义的世界。我们对世界的认知以宏观个体为起点展开,让认知在资源消耗上是“不浪费的”,我们不需要知道警察内部有什么样的因果链条,只需知道这类个体对其他个体和事件的作用:会消灭犯罪分子,会抑制犯罪行为的出现。在个体内部有复杂的因果链条,维持着个体的形态和功能;从而使个体能够向外输出作用,成为外部因果链条的一部分。

 

然而,只要我们观察的是宏观层的规律,那么发现的规律必定是不完美的。

 

首先虽然我们拥有大量的知识,但绝大部分都只是在描述因果相关性,并不是因果法则。比如某个药品对肺癌有效,这是因果相关性,但最终有无效果是不确定的。因果相关性成立需要特定的条件,而绝大多数条件我们并不知道,但在认知探索中会被慢慢发现。所以,非常重要的一点,尽管我们现有的因果规律并不完美,但始终可以在进一步探索中变得更完美。

 

其次,人类的任何知识,即使那些被称为法则的,都摆脱不了“猜想”的宿命。作为人类我们在有限的样本中发现了规律。我们发现的规律在一开始是一个猜想;接下来当我们在实践中使用这个猜想,用它进行预测归因解释,猜想就会增强或削弱,于是描述因果规律的知识就这样产生了。这就是实践反馈环。但无论怎么使用,我们检验一条知识的样本毕竟是有限的,而知识的论断却作用在无穷的样本中,所以知识永远无法摆脱猜想的属性。

 

TOPIC5

 

 

“能力可及”目标

对于人类而言,很多目标一开始是不知道如何实现的,这时候我们称这个目标就现有的认知是“能力不可及”的。如果很想达到一个目标,目标却是“能力不可及”,人类就会开始利用知识分解和转移目标。

 

举个例子,假设我们有目标A,一开始我们可能没有任何实现目标A方案,此时这个目标根据现有认知是“能力不可及”的。这个时候人类就会开始分解转移目标。会去考察目标A需要哪些事件的发生或不发生,哪些状态的存在或不存在作为条件。从而我们把注意力转移到这些作为条件的事件或状态创造和维持上。这个时候目标发生了转移。一次转移会创造多个目标,如果一次转移生成的作为必要条件目标仍然是“能力不可及”的,这个过程就会继续。过程中如果走到出现一个充分条件的目标集,其中每个目标是“能力可及”。就意味着找到了这样一个链条,这个时候这个链条上的每个目标都变得“能力可及”了。

 

举个理想化的例子,比如C——B——A,其中A是最初的目标,一开始是“能力不可及”的,B是A转移到的一个目标,同样是“能力不可及”的,C是B转移到的一个目标,是“能力可及”的。这个时候B和A也就变成“能力可及”的。而这个时候也就意味着我们找到了最初目标的解决方案。

 

TOPIC7

 

 

广义事件之间的因果关系

 前面我们讨论了认知活动永恒的动机是把最初那个“能力不可及”目标通过分解转移,走到“能力可及”的目标集。而这个过程依赖知识参与,具体而言就是目标包含事件之间的因果关系的知识。我们来梳理这些关系。

 

1、创造关系,事件A(状态A)导致事件B(状态B),吃杨梅导致唾液增加,经常吃甜食导致肥胖。

 

2、维持关系,状态A维持状态B。持续营养的摄入维持个体存活。

 

3、终止关系,事件A(状态A)终止状态B。注射抗生素终止体内细菌存活。

 

4、阻止发生关系,事件A(状态A)阻止事件B(状态B)发生。注射狂犬病疫苗,阻止狂犬病发生。

 

我们记录的事件之间的关系大多是观察到的事件的关系,两个关联的事件间可能存在大量的因果链条,而一个事件的发生往往受到很多不同其他事件和状态的影响,所以在不同环境下,因果链条未必总是从A走到B,所以这些关系往往不是绝对的。从样本中我们观察到的最有可能的是贡献关系,或说影响关系,就好比多喝水有利于感冒的终止,但肯定不是绝对的,有太多其他因素影响感冒的终止。

 

人类会记录事件因果关系的一些附带信息。包括从原因到结果的时间,原因导致结果在不同条件下的概率。存在极端情况,两个事件的因果关系和知识描述之外的环境条件无关,这就是我们前面说的因果法则。比如力作用物体(一种状态)维持物体的加速度(一种状态),这个因果规律在任何环境下都是成立的。继续考虑这个例子,在很多情况下事件和状态是有程度的,原因事件的程度和结果事件的程度是相关的。我们通过数学公式去描述这种关系。所以在人类记忆中,我们不仅仅会记录事件之间的因果关系,还会记录那些附带的信息:时间距离、在不同条件下发生的几率,以及程度之间的关系。

 

TOPIC9

 

 

因果关系细化

前面我们讨论了因果规律的不完美性:我们发现的事件A和事件B之间的因果规律,是我们从有限的表象事件中抽象出来的,在条件变化的时候就会不稳定。我们同时看到,不完美的因果规律总可以在继续的认知探索中变得更完美。如何让知识变得更完美,人类所做的就是——“因果关系细化”。

 

从事件A到事件B,中间有大量的其他事件以及因果关系连接而成的路径,只有在某种条件下,才会走从A到B的路径。这意味着,我们可以通过细化从A到B的因果关系,仔细考察每条从A开始的路径,我们就有可能通过目标转移,来降低或增强这个因果规律真正发生的几率。

 

第一种情况,我们想要降低因果规律发生的几率。比如事件A导致事件B,我们想要阻止事件B的发生,但我们发现我们难以控制事件A的发生。这个时候我们会考察,从A到B具体的因果链条,也就是当A发生之后因果规律是如何一步步导致B发生的。一旦因果链条中有一个事件节点是否发生是“能力可及”的,我们就可以切断从A到B的因果链条,从而阻止事件B的发生。举一个具体的例子,比如对一个感染艾滋病病毒的病人,早期的技术无法清除体内病毒,也就是我们无法改变源头事件,但从感染艾滋病病毒到病发死亡有复杂的因果链条,一个合理的尝试是考察这些因果链条,考察当中是否有某个环节是否发生是“能力可及”的,这样我们就可以在不改变感染艾滋病这个状态的情况下,阻止艾滋病导致的死亡。

 

第二种情况下,我们想要增加因果关系发生的几率。比如一个“能力可及”的事件A能够终止状态B,但概率很低,我们需要有效终止状态B。这个时候我们会考察A到B具体的因果链条。我们可以想象根据具体情形不同,从A到B的因果路径会因为干预因素(某种事件或状态)“开叉了”。这些开叉的路径不导致B的发生。如果这些因素是否存在是“能力可及”的,我们就可以确保事件的发展保持在从A到B的因果路径上。 举一个具体例子,比如经验告诉我们某个药品对某种癌细胞有效,但有效率不高,一个合理的尝试是去考察服用药物到杀死癌细胞的因果链条,考察是否有什么因素(某种事件或状态)导致因果路径“岔开了”,然后把目标转移到如何抑制这些因素发生或终止这些因素的存在,这样就可以增加药物的有效率。

 

TOPIC11

 

 

发现因果关系

我们如何知晓银杏落叶什么情况发生?因为每一年我们都看到当深秋天寒时,银杏就发黄落叶了,所以我们知道;我们如何知晓向人开枪如何致使人受伤。是因为我们能够看到开枪之后子弹飞出,子弹射入人体,人受伤,所以我们知道。因为我们看到感知到所以我们知道。我们对因果关系的认知,起点于感知——感知事件的发生与不发生,状态的存在与不存在,当我们在样本中把相关的事件和状态排布在时间轴上时,我们就发现了这些事件和状态之间的相关性,更进一步我们就能发现其中的因果关系。

 

所以,第一步我们讨论我们的感知。

 

TOPIC13

 

 

间接感知

如果一个事件的发生与不发生,一个状态的存在和不存在是无法直接被感知到的,这个时候人类的思路是考察这个事件向后延伸的因果链条。考察特定条件下,这个事件发生或不发生,状态的存在或不存在会导致什么。如果导致的事件是可直接感知的。那么我们就有可能推知事件是否发生,状态是否存在。

 

比如动物感染狂犬病这个状态是不可以直接感知的,但是发病时创造麻痹和狂躁的状态却是可以“直接感知”的。那么动物得狂犬病这个状态在一定程度上是“感知可及”的。还是同样的例子,因为我们知道感染狂犬病需要被感染狂犬病的动物咬伤,假设目标对象没有在最近被动物咬伤过我们就可以推知目标对象不可能感染狂犬病。目标对象是否有被其他动物咬伤是可以“直接感知”的,那么动物得狂犬病这个状态在一定程度上是“感知可及”的。

 

TOPIC15

 

 

因果链条桥接

假设事件D显现出和目标的相关性。我们有理由猜想事件D处在某个通向目标事件的某条因果路径中,或至少由因果路径的某个节点事件导致。假设因为各种原因:观察的成本,缺乏猜想导致不知道间接感知什么等等,这个时候我们会试图利用已有的因果模型搭建起从D到目标事件的路径,这个猜想能够把认知工作推向更进一步。

 

在一个简单的例子中,比如目标是抑制事件A发生,AI会从知识中搜索所有具有抑制A发生关系的事件或状态Bi,然后在思维中逐一检测D是否和这些Bi有创造发生或是维持关系。如果找到了一个满足条件的Bi,那么我们就找到了D——Bi——A一个因果路径的猜想。因为这些Bi的观察成本高,或是需要通过间接的方式判断是否发生,导致一开始我们并不知道Bi是否和目标相关,但这个猜想形成后AI就可以利用间接的方式判断Bi是否发生,是否和目标相关。

 

上面的例子我们只通过一次尝试就找到了相关事件和目标包含事件之间的因果路径。假设我们没有找到任何一个Bi和D有创造发生或是维持关系。这个时候我们可以从知识中搜索所有具有创造和维持A的事件Ci,然后在思维中逐一检测D是否和这些Ci具有创造和维持关系。如果找到了一个满足条件的Ci,我们就找到D——Ci——Bi——A一个因果路径的猜想。

 

我们看到这个过程就好像从目标包含事件A出发,利用因果关系,不断向上延伸每条因果路径,直到和观察到的相关事件D连接,那么就找到了从D到A的因果路径。因为D和A的相关性可能不仅仅因为D处在通向A因果路径的上游;还可能因为D和A同时处在以事件E为起点的因果路径的下游。所以延伸不仅仅都是向上的还需要利用因果关系向下延伸。如果向下延伸我们就可以找到类似:E——B——A,E——D,这也解释了D和A之间的相关性。此外桥接的过程不仅仅可以从目标包含事件A出发,还可以从相关事件D出发,或是在思维中同时进行。

 

TOPIC17

 

 

验证

因果链条桥接成功,我们将得到隐藏在事件背后的因果链条的猜想。猜想出一个因果链条是非常重要的一步,这让那些无法直接观察但却处在因果路径上的事件被关注,被猜想发生,从而我们能设计实验,通过间接的方式感知它是否发生。

 

当我们利用已有的因果关系搭建起从可以“直接感知”的相关性事件到目标事件的路径,接下来的工作需要验证这个猜想。我们会罗列出这条猜想的路径上所有没有被直接感知到的事件节点,利用间接感知原理设计实验:向后延伸它们所在的因果链条,直到走到一个可直接感知的事件。如果这些事件节点的确发生或存在,就是对这个猜想路径的验证。我们也就找到了导致目标发生的背后的机制。

 

TOPIC19

 

 

工程化的可能

我们来审视以上描述的人类认知活动的主体闭环。我们看到,对于每个逻辑层面的功能,摄入信息类型清晰,输出的信息类型清晰,储存的信息类型清晰,功能逻辑本身可被流程化描述,这些都是可工程化的重要条件。而部分无法在机器上实现的比如图像的观察、设计实验的执行,可以通过人机互动的方式:由AI描述观察目标和实验方案,人类执行并输回观察结果或实验结果。

 

基于这些考量,我们坚信以上描述的信息处理的闭环是可以在计算机上工程化的。也就是说,我们基本具备搭建出一个“认知型AI”的原型程序的条件。

 

我们走的是符号主义的路径,信息识别、储存、运算等依赖一套符号表述的规则,要设计出一套表意完整,逻辑结构规整严谨,且可运算的符号体系是相当困难的,这是工程化中最大的难点。

 

好在前面两年的科研积淀,我们在符号系统的设计上有一定的积累,且认知闭环中不少环节我们已经在实验环境下工程化过。我们有足够的把握向工程化迈进一步。

 

接下来,本文的下半部分,我们就开始讨论这个“认知型AI”的搭建。

待续

  • 扫一扫关注微博
  • 扫一扫关注微信
联系方式
联系电话:0571-86656253
商务合作:137-9512-3159
E-mail:business@galaxyeye-tech.com
地址:杭州市滨江区长河街道滨安路650号 ix-work A幢2302

©2015. All Rights Reserved. 杭州北冥星眸科技有限公司 ICP 05050919