选自inverse机器之心编译参与：杜夏德、曹瑞自从人类有了意识（有人会告诉你这是在年前，有人会说在20万年前）人类学者一直在试图理解和定义意识。对意识最简单纯粹的概念描述或许是世界情境中的自我意识。但是如果不能理解意识的深层机制，那么所谓的理解不过是停留在表面。这就是为什么神经科学家通过指向大脑内的物理现象成功地介入了关于意识的持续对话。但是把形而上学与物理联系起来，仍然会产生某种准科学、准哲学的结果，反而会弄巧成拙，让外人笑话。所以我们努力理解人工智能是否具有意识也就不足为奇，也难怪图灵测试越来越无法提供我们需要的答案。因为我们无法证明人工意识，很多工程师和专家对这种观点都是都条件反射地不屑一顾。但是JürgenSchmidhuber不是这样，他很喜欢这个古怪的游戏。他今年53岁，自上世纪八十年代以来一直致力于人工智能研究，在谷歌、苹果、微软和IBM的产品中都能找到他研究成果的蛛丝马迹。作为瑞士卢加诺大学的人工智能教授、瑞士人工智能实验室IDSIA的科学主任，及致力于打造第一个实用通用人工智能的创业公司NNAISENSE的主席，Schmidhuber认为，目前的人工智能系统已经具有意识。他相信他已经做到了，这就是他为什么会让人产生自我膨胀的印象，同时他也是这个领域最具争议的人物。Schmidhuber所处的位置具有讽刺意味，如果他是正确的，他的信念将可能会被一些未来高级意识（hyperconsciousAI）验证。Schmidhuber是全球强调人工智能为数不多的人之一。所以Inverse问他在编程中是否看到了别人漏掉的什么东西，如果有，它与人类意识有什么关系。JürgenSchmidhuber在国际健康论坛，在你看来，未来人工智能的角色是什么？所谓智能—人类或人工—就是关于解决问题的能力。长期以来，我们已经尝试打造一个能解决所有问题的东西（generalproblemsolver）。这种problemsolver能基于之前学到的技能去学习新的技能，能无限制地添加新技能，变得越来越通用。当然，如果我们能成功，它将会改变一切，因为每个计算问题、每个职业都会受到影响。你说一些人工智能已经具有意识，你能解释一下为什么吗？我认为我们在25年前就已经有了一个基本的有意识的学习系统。那个时候，我就提出通用的学习系统要包括两个模块。一个是一种循环网络控制器，学习将不断接收的数据——比如视频和疼痛传感器的疼痛信号，饥饿传感器上的饥饿信号——转换为行动。例如，当电池电量低时，传感器就会传来一些负数信息。这个网络能学习将所有这些输入及时转换成能成功的行动序列。例如，电池电量低时及时到达充电站，但如果路上没有碰到障碍，如椅子或桌子，就不需要唤醒疼痛传感器。智能体（agent）一生的目的是最大限度地享受快乐，同时将痛苦最小化。这个目标简单明确，但是很难实现，因为你需要学很多东西。你看一个小婴儿它需要花上几年的时间去学习这个世界的运作，学习怎么与世界互动以实现目标。自年以来，我们的智能体一直在尝试做同一件事情，使用一个额外的循环网络—一个无监督模块，去预测将要发生什么。它看起来在执行所有的行动，所有的观察都会有，使用这种经验来学习预测将要发生什么。因为它是循环网络，它能在一定程度上用所谓的预测编码以规律的形式预测未来。例如，如果你有一条关于个落下的苹果的视频，所有的苹果总是以同一个方式落下，你就能学习预测这些苹果是怎么落下的，你也无需分别存储这些预测，也就是说你能把这个视频压缩非常小的几个字节。年的Jürgen和他的父亲JohannSchmidhuber玩象棋由于数据是从与环境的互动中得来，这种无监督模型网络——年以来我一直叫它世界模型——能随着时间学习发现新的规则或者对称性、或各种重复。它能学习去用少量计算资源编码数据，这里的计算资源指的是更少的存储或者更少的计算时间。过去学习中有意识的东西会随着时间的推移变得自动和具有潜意识。随着网络的进步，学习一个新的规律后，它可以通过查看无监督的世界模型在学会前后需要编码多少计算资源来测量其新洞察力的深度，前后的差异就是网络的「乐趣」。其洞察力的深度是一个数字，直奔第一个网络，也就是控制器，控制器的任务是将所有的反馈信号最大化，包括从各种内在的愉悦时刻（joymoment）和该网络之前没有的洞察力而来的反馈信号。愉悦时刻类似于一个科学家发现一个以前未知的新物理定律。你能帮我在我的意识和经验的范围内理解所有的处理吗？当你行走在这个世界中时，你会遇到很多张人脸，这意味着你做的一些处理工作，在大脑中构建某种循环子网络来压缩观测历史（称之为

转载请注明:http://www.aideyishus.com/lkgx/7043.html