AI的發展已經失去了方向？人工智能哲學學家Aaron Sloman IJCAI演講

Aaron Sloman專注人工智能哲學領域有幾十年了，這項學科認為人們應該從根本上通過概念化自然界中的物體，為AI研究打下基礎，Sloman還認為，現在的AI研究過于急躁的想要取得一些成果，卻忽略了基礎理論的研究。導致AI真正的發展不大。下面摘錄一些Sloman演講的要點。

圖靈的論文“形態發生的化學基礎”與1952年發表，2年后他就死了，但是如果他多活了幾十年，看到了自己論文中理論變成現實，會發生什么呢？

有人在提出過一種可能，它看起來同圖靈的期望相同，叫“變換形態發生”計劃：是一項極具野心、相當長遠、多學科的試圖理解和學習地球的進化中逐步形成的信息處理方式的嘗試。

在我們一知半解的那些最簡單的生物原始的化學信息處理機制和我們所了解的最先進的關于大腦化學活動的知識之間，可能有著數量遠遠超出人類科學家認知的過渡信息處理機制。或許其中一些重要的機制仍然在生物進化的過程中起著重要，而且尚未被人察覺的作用。 

而這些是怎么從最初那個毫無生機是星球演化而來的？

如果用人類設計的機器模擬一次整個進化的過程，會發生什么？一些學者試圖通過來假設單個神經元的功能與電腦中單個晶體管起到的作用是相同的來推理并回答這個問題，并且用摩爾定律（它已經失效了）來預測計算機什么時候能有同大腦相當的計算能力。

但是如果像基于化學的計算在大腦中的作用就像圖靈在那篇論文中提到的那么重要，那么在人造系統中為模擬相同等級的大腦運算需要的晶體管數可能會比神經元的數量多上好幾個數量級，花費的時間也會長很多。John von Neumann在他的書《計算機與大腦》中意識到了這種可能性。這種爭論由Tuck Newport在他的書《計算機與大腦：氨基酸vs晶體管》中做了一個總結。

1944年，薛定諤在《生命是什么》中指出，量子現象除了具有費決定論和統計屬性之外，還為現實提供了一種理論基礎。他注意到一些物理定律提供的基礎定律具有重要的信息處理能力。

進化給自然帶來了很多這樣的定律，每一條定律都是由不同的演化規律中生成的。

除了化學和物理中所有的那些具體的概念，進化還造就了抽象概念和抽象和具體的混合概念。還賦予了概念變化來組成新的概念的能力。

這次將會報告一些這方面的進展，包括這些新的概念和新的信息處理架構自我更新的概念。這可能預示著我們能建設更多種多樣的計算架構而不僅限于邱奇-圖靈理論。

目前的AI似乎并沒有試圖建立一個適當的模型或理論解釋，人們并沒有試圖去研究我們的祖先是如何發展出幾何理論和語言系統，并且后來獲得了一系列科學成就的。也沒有試圖去研究我們如何發展出了可變換認知的能力。而這些都是必要的。

我相信，AI作為一門科學，已經在過去的二三十年間（部分是因為對結果急躁和盲目的追求）失去了它的方向，在其最困難的一些問題上沒有取得任何進展，而僅在一些極窄的領域內取得了一些微小的成果，和大量工程學上的進展。

我可以舉出一些AI領域仍然未解決的問題（希望不是永遠解決不了的）

1：組建/復刻動物/人類針對復雜不規則結構的場景中運動的認知，就比如在微風中走過一個布滿了各種花草、灌木叢的花園中時視野中復雜的變化。又比如一個筑了巢的鳥不管從哪個方向，總能找到它的巢在哪里。

2：像在2500年前編寫出《幾何原本》的人們那樣，能在邏輯、形式系統、以及幾何學建立之前探索和推理出那些數學知識。

3：像尼加拉瓜的聾啞孩子們那樣學習一門手語，然后由于老師們教的表達方式無法滿足自己的需要而自己創造出這些手語更豐富的形式。

4：像一個小孩那樣即使在還沒學會語言的時候也能表達出自己學習到的東西和他們是如何使用自己所學的知識的自我延伸能力。

5：許多非人類的動物上的智能的表現形式。

6：欣賞和創造各種各樣形式，包括音樂、詩詞、舞蹈、繪畫和故事，并且擁有對其的好惡。

7：開發出新的，無論是獨立還是合作的學習能力的能力。

自從2012年退休之后，我把幾乎全部的時間都用在了研究這個上面，但是目前這個變換形態發生計劃仍然有大量的疑問和沒有得到處理。

由這個問題產生的最重要的想法就是進化始于一個由物理和化學提供的“具體基本概念集”，其中很多概念在《生命是什么》中被提到過。進化在這個概念集上加上了許多分支的，被稱為“衍生概念集”的東西。這些概念集都分別側重于同一事物不同方面的屬性。

在智能系統中足夠精確的復刻其結構，來解釋這些生物擁有的，包括歐幾里得能在世界上還沒有任何一個幾何老師之前創立幾何學的，現在的AI看起來完全沒有的智能需要幾十（或許上百）年。我們也需要將更多的注意力放在這種基礎的理論研究上面。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。