A- A+

【迎戰AI時代】模仿人腦的人工智慧 兩者有何差異?

2017/06/28 12:21:40 聯合新聞網 udn讀.書.人

文/洪裕宏

書名:《誰是我?意識的哲學與科學》作者:洪裕宏出版社:時報出版出版日...
書名:《誰是我?意識的哲學與科學》
作者:洪裕宏
出版社:時報出版
出版日期:2016年12月20日
電腦和人腦差異很大,電腦是純電子系統,有人稱之為「乾的機器」;人腦除了電脈衝之外還有化學作用,是溼的機器,所以是電化系統。在人腦中,神經細胞內的訊息傳遞是靠電脈衝,而細胞與細胞之間則靠化學作用。從上世紀五○年代起,便有些學者不認同涂林算機的原理可以發展出與人類相似的人工智慧,這個學派稱為神經網路學派,或叫作聯結論(connectionism),也有人稱之為平行分散處理模型(Parallel Distributed Processing Model, PDP)。神經網路學派試圖去模仿人腦的組織和運作方式,設計相對簡單的神經網路來模擬人類的認知行為。類神經網路的最大賣點,就在於網路設計及訊息傳送方式方面都盡量接近大腦運作的方式。

類神經網路和傳統人工智慧(涂林算機)有何不同? 傳統人工智慧用電腦程式解釋心靈,或者更簡單地說,心靈就是在大腦內跑的程式。程式可以在不同硬體上運作,並不侷限在人腦,也可在數據電腦上。因此大腦的組織結構及生理性質都不重要,因為用矽晶片做的電腦一樣可以跑心靈程式。人工智慧研究通常不會想瞭解人腦的結構和運作方式;相反地,類神經網路學派認為大腦是解開心靈奧祕之鑰匙。

大腦太複雜,我們知道的仍有限,但是可以設計人工神經網路,模擬大腦的心智作用。從五○年代起,人工智慧學者猛批類神經網路的研究,認為這是死路一條。不過,人工智慧拙於處理圖像辨識這類的問題,也沒有真正的學習能力,而這兩項正是類神經網路的強項。到了八○年代,類神經網路逐漸占上風。進入九○年代之後,腦科學受到廣泛重視,類神經網路與腦科學整合,人工智慧研究也納入類神經網路和腦科學的研究成果,例如Google 的AlphaGo,之所以那麼強,主要是因為採用了類神經網路的深層學習算程。

類神經網路從四○年代起就一直有人研究,後來受到人工智慧的影響,要到八○年代以後才廣受重視。事實上,在五○年代類神經網路與人工智慧可謂分庭抗禮。在一九六九年,敏斯基(Marvin Minsky)和派伯特(Seymour Papert)出版了《知覺器》(Perceptrons )證明兩層神經網路雖然具有學習能力,卻不能模擬某些重要功能;他們還推測,三層網路雖然可以解決兩層網路的問題,卻不具學習能力。三層網路不具學習能力的說法其實只是臆測,卻對類神經網路的研究造成打擊,人工智慧因此得到大部分的研究經費。一直到八○年代,三層網路的學習算程陸續被發現,加上人工智慧開始遇到瓶頸,終於在八○年代後期發生了一場大論戰,類神經網路取得勝利,從此再度和人工智慧分庭抗禮。

類神經網路的深層學習算程因為AlphaGo聲名大噪,事實上這只是應用八○年代所發現的三層網路學習算程而已。下圖是一個多層神經網路的示意圖。

圖/時報出版提供
圖/時報出版提供

這是一個五層網路, 包含輸入、輸出層,之外還有三個隱藏層。圖中每一個節點可以代表一個神經細胞, 或是一組神經細胞。腦皮質層由六層神經細胞構成。如果要更忠實於腦科學, 我們可以設計為六層網路。隔層神經元之間可以完全連結,也可部分連結,圖中是完全連結。

這些連結用以類比神經細胞之間的突觸連結。連結有強弱之別,用零到一之間的實數來表達,兩層之間的連結強度可以用一個矩陣來表達。當輸入層的向量值往隱藏層傳送的時候,會通過這個矩陣,也就是連結強度,得到的向量值儲存在隱藏層。同理類推,最後在輸出層得到一個向量值。此時,該向量值與目標值相減,會得到一個誤差向量值,如果二者一樣則沒有誤差。

再下來學習算程就要發揮作用了;深層學習多採用錯誤後傳學習算程,接著將誤差向量值反向傳送,一直傳到輸入層為止。學習算程的作用在於決定如何調整原先的連結強度。同樣的程序再走一遍,直到誤差值等於零,學習就告完成。以上圖為例,學習過程要調整五層神經元之間的四個連結強度(矩陣)值,深層學習因此得名。

簡單來說,神經細胞之間由突觸連結,連結有強弱之分。神經細胞之間的連結模式構成記憶或感覺、知覺和肢體運動功能。學習就是改變神經連結的強度,有的須增強、有的則減弱,甚至砍掉連結。類神經網路在哪方面勝出? 就是學習能力。理論上類神經網路電腦不需要程式,可是如果參加深層學習研習營,仍然要做程式設計,因為目前還沒有真正的類神經網路電腦,所以只能在數據電腦,也就是涂林算機上模擬類神經網路電腦,使用模擬程式來執行類神經網路的計算。如果類神經網路還需寫程式,那麼本質上還是涂林算機。

類神經網路的理論排斥涂林算機的計算原理,在計算機學界通常稱為神經網路或聯結論,在認知科學和心理學界常稱之為大量平行分散處理模型。類神經網路實驗的做法是依實驗目的,先決定網路結構—分層或不分層? 分幾層? 連結方式? 起始連結值? 再從已發現的學習算程選擇適當的學習算程,例如錯誤後傳算程。

另一個有名的學習算程是海伯法則(Hebbian Learning Rule)。配合一組大量的訓練資料及測試資料,數據化後以向量(一串零與一之間的實數值)來表達。例如構造一個偵測水雷的三層網路,需要海中各種物質的大量資料,包括魚、岩石、水草等,這些資料必須在水中以聲納取得,數據化以向量表達,再以相同做法收集一組測試資料。都準備好後便可開始讓網路學習,用錯誤後傳算程來調整連結值,直到輸入水雷向量時,網路會輸出警告,其餘則予以忽略,連結值不再更動。最後用測試組資料來檢驗,就算完成實驗。

如果有真正的類神經網路電腦,按照前面所示的程序來做即可,整個運算過程只依賴類神經網路電腦的物理性質,不需要額外的軟體,這種計算叫作類比計算(analog computation),有別於涂林算機的數據計算(digital computation)。其次,人腦的神經細胞有一千億個左右,每個都是運算單元,而且同時平行運算。運算單元和記憶體不分,記憶在神經連結矩陣中,但不像數據電腦的RAM或硬碟只是靜態的資料,記憶做為神經連結矩陣,本身也有動態的運算功能。更重要的是,因為學習算程要決定每條連結對產生的錯誤值負多少責任,以便調整連結值,採取的做法是針對神經元的激發函數做微分,因此激發函數必須是連續函數,連結值需要用到實數。

二○一五年加州大學聖地牙哥分校的物理學家狄面措(Massimiliano Di Ventra)做出了非常簡單的神經網路電腦,運算器(Memprocessor)同時也是記憶體,稱之為「記憶算機」(Memcomputer)。它的運算器與記憶體不分,神經元同時處理運算和儲存資料。狄面措宣稱可以解決在傳統電腦上無法解決的「旅行銷售員問題」和「子集合加總」(subset sum problem)。在計算複雜度理論中,這兩個問題被稱為非決定性多項式完備(NP-Complete)問題。解決這類問題所需時間多到不可思議。雖然從來沒有人證明這類問題像停機問題一樣不可解,但是在有意義的時間內(多項式時間)的解尚未被發現。

旅行銷售員問題是:假設銷售員要拜訪n個城市,每個城市只能去一次,最後回到起始城市,求最短路徑的走法。這個問題看來不起眼,計算後才知道其棘手處。傳統演算法會求所有可能路徑的里程數,加以比較求最短距離的路徑。如果只有三個城市,只有一種走法。如果有十個城市,可能的路徑就有十八萬之多,不過還在電腦輕鬆處理的範圍內。當城市增加到二十五個時,路徑總數變成24!/2,讓目前最快的電腦計算可能要費時數十年。這對人類而言形同無解。「子集合加總問題」也是一樣:

如果有一千萬個數字要處理,每個數字都要和其他一千萬個數字加加看,要做的加法總次數是十萬億,這可能也要費時數十年。狄面措宣稱用記憶算機(類神經網路電腦)來計算,可能只要費時數秒到數分鐘。在傳統電腦上沒有多項式時間解的,在記憶算機上可以輕易解決。

數據電腦需要程式,運算單元和記憶二分,不能做類比計算,大量平行運算幾乎不可能,也不能處理實數,更沒有學習能力。類神經網路電腦的確勝出,未來的關鍵挑戰是建造真正的類神經網路電腦。AlphaGo 是混種人工智慧,深層學習部分使用神經網路,其餘還是傳統人工智慧,而且它本身依舊是程式,本質上是涂林算機,仍有傳統人工智慧的侷限性。可以下結論:用傳統人工智慧原理創造的機器人不可能有心靈與意識。

看更多【迎戰AI時代】選書

●本文摘自時報出版《誰是我?意識的哲學與科學》

延伸閱讀:看更多【決戰AI世代】主題選書

作者簡介:洪裕宏

國立陽明大學心智哲學研究所教授。哲學專長領域為意識研究、心靈哲學、聯結論、神經網路、認知科學、邏輯與計算理論。致力於推行臺灣哲學學術研究國際化,為臺灣建設許多哲學學術研究軟硬體基礎設施。1992~2010年間共主辦十八場專業哲學與大眾哲學學術研討會;2008年爭取到國際最頂尖的意識科學研究學會年會主辦權,開啟建立亞洲意識哲學與科學研究社群的第一步;2009年協辦朝向意識科學年會;2010年擔任甫成立的亞洲意識學會理事會成員。

讀.書.人


我們每個人都閱讀自身及周遭的世界,俾以稍得瞭解自我與所處。我們閱讀以求理解或啟迪。我們不得不閱讀。

《閱讀地圖——人為書癡狂的歷史》

追蹤閱讀 快加入讀書吧粉絲團!


分享給好友 加入udn

相關新聞

屍屍的愛,燒融在黎明之前。

2017/09/22

賴活不如好死,當被判定「無效醫療」你只有死路一條?!

2017/09/20

「沖繩靈魂」專賣店,全日本最小書店URARA

2017/09/15

《鬼的歷史》(一)中國末代皇帝溥儀也迷碟仙?

2017/09/14

「親善交流」盛行,戰敗後的日本慰安史

2017/09/11

三度偷渡重返敘利亞,直擊困守內戰的苦難

2017/09/07

為什麼會有「恐怖主義」?關於恐怖主義的誕生

2017/08/30

離鄉背井、克盡職守,終結二次大戰的原子城女孩

2017/08/16

他們為何逃離故鄉?關於戰爭與自由的代價

2017/08/01

拒絕真相的人:人類既有認知該如何融入科學新發現?

2017/07/31

從近代史學者走向外交,揭開時代帷幕–—蔣廷黻

2017/07/31

在四季的海洋上,從小艇捕捉鯊魚的大冒險

2017/07/31

西洋名畫中的「同性之愛」

2017/07/27

山中獨處的夜晚:面對死亡、恐懼、找回寧靜沉穩

2017/07/27

當愛與黑暗吞噬了他們——劉曉波的文學與人生

2017/07/27

為何公司連年虧損、卻還能替創辦人和投資人帶來鉅富?

2017/07/27

近代紳士的整容提案──「梳整頭髮、刮鬍、美容」之必要

2017/07/26

人類為何開始穿內褲——愈是隱藏,反而愈提高價值?

2017/07/18

面對暴權酷刑 劉曉波為何宣稱:「我沒有敵人」?

2017/07/15

留不住文化資產?老屋、古蹟總難逃「自燃」下場

2017/07/13

加薩女記者的日常:當記者被家人都瞧不起、示威沒戴頭巾被賞巴掌

2017/07/04

遇上她們,哲學家叔本華、尼采、蘇格拉底都沒轍!

2017/07/03

【迎戰AI時代】模仿人腦的人工智慧 兩者有何差異?

2017/06/28

【迎戰AI時代】機器人取代了你,你就被開除了!

2017/06/28

蘭心慧質美韶容:台灣近代「女學生」/「新女性」的誕生

2017/06/26

【迎戰AI時代】如果今日知識已經客體化、又何必集中在一個空間聽取?

2017/06/21

【迎戰AI時代】當數位給社會帶來第三次革命、「拇指世代」成為一種新人類

2017/06/19

【迎戰AI時代】世界的根本存在是什麼?萬物源於「訊息」

2017/06/16

【迎戰AI時代】越來越趨近於人類、人工智慧的各種「學習」模式

2017/06/16

【迎戰AI時代】機器學習的終極演算法 將如何改變我們的未來

2017/06/16

【迎戰AI時代】無所不在的演算法支配著你的生活、取代記憶

2017/06/16

【迎戰AI時代】AlphaGo打敗頂尖棋手,為何google選擇圍棋作為AI最前線?

2017/06/15

【迎戰AI時代】人工智慧的可怕,在於預測的精確度

2017/06/15

【迎戰AI時代】「人工智慧」征服人類,只是瘋狂科學家的劇本嗎?

2017/06/15

【迎戰AI時代】世紀初的經典人機大戰——會思考的電腦「華生」

2017/06/15

【迎戰AI時代】科幻成真,科學家預言機器人將具有自己的意識

2017/06/15

聖經譴責的是雞姦儀式,並非同性之間的愛情

2017/06/07

用「毛皮交易」撐起新興政權的狩獵民族——女真

2017/06/07

活在黑色幽默生活網?中國網民發明「替代品」易如反掌

2017/06/05

不完美又怎樣?成為一個「壞掉的」女性主義者吧!

2017/06/05

熱門文章

身為母親,「自私一點」會帶來什麼樣的結果?

2017/10/06

舌尖上的中國/綿長的呼蘭河之味

2017/10/06

舌尖上的中國/辣椒:火紅色的激爽與熱烈

2017/10/13

如何學台語?從唱歌開始

2017/10/11

成為父親,不是容易的事 ──《索爾之子》

2017/10/12

欲望與謊言驅動的市場:揭開華爾街金融界的駭人內幕

2017/10/16

寫作。就把事實寫出來。

2017/10/16

一個人的京都秋日祕境之旅

2017/09/28

十年胭脂無顏色 ── 念張國榮與梅豔芳

2017/09/25

他們並非嚴格意義下的病人,只能說是上帝惡作劇—也可能是失手—的產物。

2017/10/03

靜謐深情的山茶花文具店

2017/09/29

愛上了威士忌,便能懂得威士忌挑戰味蕾與嗅覺的姿態。

2017/10/02

高達:再見語言,走向語言

2017/10/02

尋找新寫實──簡莉穎X于善祿:漫談台灣小劇場

2017/10/05

在豪華郵輪工作很浪漫?揭開郵輪底層工作的真相

2017/09/21

五分鐘的暫停,讓冒煙的巫婆媽媽,從當機恢復正常。

2017/09/22

《大觀紅樓》重回紅樓心靈現場,觀照人性深刻實相

2017/09/25

原來K-POP音樂是這樣紅起來的!成功因素大解密

2017/09/27

台灣鬼仔古:台灣史上最知名借屍還魂事件

2017/09/19

《空臉》現在,你看起來比較接近恰當的人。

2017/09/20

屍屍的愛,燒融在黎明之前。

2017/09/22

賴活不如好死,當被判定「無效醫療」你只有死路一條?!

2017/09/20

商品推薦

贊助廣告

留言