【CICC原创】从1到i的AI破局猜想

从1到i的AI破局猜想

周刚

国防科技大学系统工程学院，湖南，长沙，410073

机器智能发展并非一帆风顺，期间存在着无数波折与“寒冬”，由“0到1”的过程艰难而曲折。近年来，随着深度强化学习、大语言模型等技术相继突破，机器智能的发展达到了崭新的高度，应用于人类生活的方方面面，在部分领域的表现甚至超越了人类，实现了“1到100”的巨大进步。同时，不可避免地，机器智能的发展也存在着困惑：机器智能与人类智慧之间仍有巨大鸿沟。牛津大学在报告《Theory is all you need: AI, human cognition, and causal reasoning》中指出，以模式匹配和大数据处理为基础的机器智能是对已有知识的模仿，欠缺真正探索新知识能力，无法实现人类从“假设”到“验证”的逻辑猜想链条，更不具备想象力；进一步地，人类智慧源于独特的“前瞻性推理”能力，而机器智能仅能基于现有数据“后验推断”。那么，该如何推动“机器智能”进阶“机器智慧”？我们借鉴人类智慧的生成发展，通过分析当前机器智能与人类智慧之间存在的差异，认为机器智能的困惑主要体现在四个方面，即“硅基的忽视”、“艺术的缺失”、“完美的陷阱”和“统一的执念”。打破这四个方面的限制必将驱动机器智能再次“进化”，实现“1到i”的伟大跨越。

“硅基的忽视”是指硅基生命忽视了构建元知识体系。机器智能是硅基生命，人是碳基生命，二者理解知识和逻辑的方式天然不同：人立足于三维空间观察世界并创造知识，而机器对世界的理解则是多维的。人类能够在稀疏数据的情况下构建知识体系做出合理推断，探索新的可能性；但机器智能严重依赖数据喂养，缺乏主动提出新假设的能力。

人类智慧是通过长期学习和积累，建立起来的一套相对稳定且能够被广泛接受的知识体系。这套知识体系包括自然科学、社会科学、人文科学等多个领域的内容，它们共同构成了人类认识世界的基础。清晰、有序的知识体系帮助人们更好地组织信息，提高理解和应用知识的能力。

填补“硅基的忽视”，可理解的知识体系是基础。人工智能领域国际知名学者吴恩达提倡以实用主义的方式构建机器智能知识体系，强调了数据在构建知识体系中的核心地位[2]。李开复也提到：“机器智能的发展需要跨领域的知识融合，并指出要注重伦理和社会影响，避免对人类社会的潜在风险”[3]。让机器理解知识和应用知识，关键是构建硅基生命可理解的元知识体系，具体包括：知识的表示、知识的获取、知识的推理以及知识的维护四部分。其中，知识的表示可以通过知识图谱、神经网络等技术实现；知识的获取可以通过网络爬虫、文本分析、多模态融合等技术实现；知识的推理可以通过基于规则的、模型的或概率的推理等方式实现；知识的维护通过知识维护机制、版本管理等方式实现。

“艺术的缺失”是指硅基生命缺失了艺术素养。具体来讲，机器智能是通过逻辑推理解决问题，而逻辑推理依赖于规则和数据，由于艺术的本质是抽象思维，而抽象思维难以用规则和数据来描述，因此，机器智能缺失了艺术素养。英国萨塞克斯大学认知和计算机科学学院首任院长玛格丽特・博登认为机器智能可以模拟审美过程，通过分析色彩、构图等元素来生成艺术作品；但更强调其无法拥有真正的美感，无法像人类一样被艺术作品所感动，因为它缺乏情感和意识等内在的体验[4]。机器智能艺术的缺失导致了三个主要问题：一是缺乏真正的创新，所生成的内容往往是基于已有数据的组合；二是无法感同身受，机器只能识别情感相关词汇，难以深层理解人类情感和意图；三是缺乏跨域迁移，训练好的模型难以应用在不同的领域。

人类智慧是艺术美感与科学理性的卓越融汇，亦是抽象思维与逻辑思维的精妙交融。抽象思维是指从具体事物中提炼出一般规律或概念的能力，它是创新和理论构建的基础。而逻辑思维则是指按照一定的规则进行推理和分析的过程，以确保结论的合理性。两者的融合意味着在处理问题时，既要有创造性的想法，也要有严谨的论证过程，这样才能产生既有深度又具实用价值的思想成果，共同构筑起人类智慧的深邃和宏大。

弥补“艺术的缺失”，逻辑与抽象的融合是关键。钱学森把智慧分为“量智”和“性智”，分别侧重逻辑思维和抽象思维，他认为科学研究与艺术创造都需要两种思维交织使用。人工智能和认知科学领域的先驱赫伯特・西蒙认为机器智能可以通过逻辑与抽象的融合来实现创造性，从而满足对创新思维的需求[5]。要让机器领悟“艺术”的真谛，假设猜想法和中西思维融合法是两种可行方法。其一，假设猜想法是一种启发式的思维策略。机器智能根据对色彩、光影、线条、形状、节奏、频率等艺术特征的初步理解生成多个假设方案，然后从艺术理论、作品风格、创作意图等角度评估这些方案，最终选择一组最优的方案。其二，中西思维融合法是整合东西方各优势思维的方法。东方思维是宏观的、整体的，注重元素之间的关系，通过随机性和变异来模拟直觉和灵感；西方思维是精确的、细致的，注重逻辑思维和推理分析，通过大量的实验和反馈迭代。结合二者优势，不断增强机器智能对于艺术的理解。

“完美的陷阱”是指机器智能陷入了求全面求完美的陷阱。全局最优化旨在寻找最佳解决方案，计算复杂度高，资源消耗大，有些问题甚至不存在最优解。反观人类解决问题，虽然也是面向最优，但更注重特定条件下的满意解。特定条件下的满意解是在给定的约束下，找到一个足够好但不一定是最优的解决方案，特点是效率更高、速度更快、灵活性更强。

人类智慧是有限理性的局部最优而不是无限理性求全局最优。“有限理性”是由经济学家赫伯特·西蒙提出的概念，指的是在面对复杂多变的信息环境时，人们由于时间和精力等资源的限制，无法总是做出绝对最优的选择，而是倾向于寻找“足够好”的解决方案。这种思想强调了实践性与效率的平衡，即在现实条件下追求相对合理的结果，而非理想化的完美状态。

避免“完美的陷阱”，有限理性局部最优是方法。完美的事物是不存在的，闭门造车更不可取。乔布斯始终以用户体验为中心进行产品设计和创新，而非追求技术上的绝对完美，设计出了深受喜爱“苹果”系列产品。前Google高级资深研究员、畅销书作家吴军在其著作中提到：“对于机器智能不能跟风追求最先进的技术和完美的方案，而应结合实际应用场景，找到能够解决当前问题，创造价值的局部最优解。”综上，有效的策略应该是：首先，让机器在特定区域内进行优化，减少搜索空间，提高效率，快速获得可行解，尽管可能不是最优的；其次，通过用户和市场的反馈不断调整方案，使其更符合实际需求；最后，增加其应对不确定性和模糊性的能力，使解决方案更加灵活和鲁棒。

“统一的执念”是指硅基生命偏执于构建统一化的规范体系。即机器智能为了高度整合与协同一致，一心追求建立在架构、模式、算法和接口等各方面结构化、标准化的规范体系。但现实世界是异构的、多样化的。机器智能对“统一”的执念面临三个问题：一是用户和需求是多样的，难以统一满足；二是数据是多样的，来源、结构、格式各异，难以统一处理；三是环境是多样的，不同的物理和网络环境对系统的性能和稳定性有不同要求，难以统一实现。

人类智慧是异构多元发展而不是统一一体化发展。人类智慧强调的是多样性对于促进创新和社会进步的价值。不同的文化背景、思维方式和个人经历可以带来不同的视角和方法，有助于发现新问题、提出新观点。异构化的发展模式鼓励多样性的存在和发展，形成“百家争鸣、百花齐放”的效果，避免单一化可能带来的僵化和局限性，从而为社会整体提供更加丰富和灵活的发展路径。

摒弃“统一的执念”，异构多元差异发展是途径。机器学习泰斗迈克尔・乔丹认为人工智能的本质是集体，而不是个人[7]。谷歌大脑团队杰夫・迪恩等将不同类型神经网络架构、不同算法、不同类型数据处理方式相结合，极大提高了模型性能和泛化能力[8]。这体现了一种异构多元的思想，即通过不同个体或元素之间的协作与互动来实现更强大的智能，而不是追求单一的、统一的智能模式。中国人常说“三个臭皮匠顶个诸葛亮”，结合系统工程思想，综合集成可以事半功倍，让不同的技术、模型、算法等相互配合，发挥各自的优势，做到术业有专攻，调度协同高效顺畅，实现“1+1>2”。

美国计算机科学家、工程院院士雷蒙德·库茨魏尔预测：“机器智能将在2029年左右达到人类智力的水平，到2045年将远远超过人类智慧。[9]” 与之相对，埃隆马斯克则多次表达了对于机器智能的担心：“人工智能是人类文明存在的根本风险。”[10]可见，机器智能抵达智慧彼岸的过程是充满争论与担忧的。本文围绕制约机器智能发展的四个问题，即 “硅基的忽视”、“艺术的缺失”、“完美的陷阱”和“统一的执念” 探讨了如何借鉴人类智慧的生成经验，从基础、关键、方法和途径等方面，实现机器智能“1到i”的跨越，抵达“机器智慧”。最后，我们相信“机器智慧”不仅体现在提升机器的智力水平和协同合作上，更体现在如何更好为人类服务，促进社会安全、和谐与发展。

 欢迎关注中国指挥与控制学会媒体矩阵