作者 | 胡珉琦
新一屆世界人工智能大會剛剛過去 ， 在人工智能最前沿技術、產品、應用和理念的展示之下，超級智能時代何時才會到來的問題始終縈繞在人們的心里 。
從解決問題能力的提升，到會思考，直至有情感，AI 一路進化，能否真的配得上人們對未來的期待？
2016年，具有微表情的仿人外形機器人佳佳誕生在中國科學技術大學 。隨著技術迭代，她被賦予了更多類人的情感，能讀懂人類的喜怒哀樂，以至于人們在和她進行深入互動的過程中還能產生微妙的化學反應 。
基于情感交互的服務機器人 ， 未來無論是面對空巢群體、單身群體，還是新生代文化群體、需要心理干預的群體、接受教育娛樂的少年兒童 ， 都更能滿足他們內心的需要 。
中國科學技術大學計算機學院教授、機器人實驗室主任陳小平在2012年開始進行情緒智能的研究 。
最近，他在中國人民大學哲學與認知科學明德講壇 ， 分享了人工智能（AI）中的情緒研究方法和挑戰 。
他特別提到，在相關基礎研究尚未突破之前，情感機器人這種非人非物的第三類存在 ， 可能已對人類社會產生了震撼性沖擊和深遠影響 。
情緒智能研究關注什么
陳小平介紹，在AI領域，情緒研究起步相對較晚，至今不過三四十年時間 。
當前AI情緒研究的兩個主要內容，首先是對主體的情緒表現加以識別，主要包括人的表情、言語、姿態的基本情緒類型 。
說到情緒，人們最容易聯想到的就是表情，要想讓AI認識人類的情緒 ， 首先需要采集表情數據，如一段視頻，然后進行人工標注，比如高興憤怒悲傷等等 。
只不過，目前這些表情種類還比較有限，大概只有十幾個 。
有了大量的表情數據，再通過深度學習加強化學習的方法訓練AI，當它再看到其他視頻時，就能夠識別出視頻中的用戶表情了 。這就是現在的AI科學家常用的方法 。
表情只是情緒的一種外在表現，那么，這種情緒表現對應的真實的心理活動究竟是什么，AI并不清楚 。陳小平說 。
【人類情感機制 人類情感機】人類知道笑這種表情可以解讀出多種不同的心理活動，它可以代表快樂，也可以代表苦澀或者無奈 。但AI距離這樣的解讀還有十萬八千里 。
AI情緒研究的另一個重點是情緒反應 。我們關注一個情緒主體，主要看他對外界的刺激到底會產生怎樣的情緒反應 。
陳小平認為，在情緒反應方面，AI最需要的是一個情緒反應模型 ， 以便讓AI根據主體的情緒反應模型對他的情緒反應進行預測和推理 ， 從而支撐人—機情緒交互，這也是情緒研究的第三層內容 。
預測和推理越準確，在與人互動時，AI就越知道如何滿足用戶的情緒需求 。
關于情緒交互，他解釋，就是機器人和人之間的情緒互動 。
簡單說 ， 就是機器人要識別人的情緒，并給予適當的響應 。
情緒交互的實現涉及情緒識別，基于情緒反應模型 ， 做出情感預測和推理 ， 知道如果機器人做什么動作、表情，用戶的情緒反應可能是什么、是否符合情感交互的需要，最后生成自己要做出的表情 。
在這樣一系列情緒智能化研究中 ， 還存在瓶頸和短板 。陳小平坦言 。
受限于封閉性
情緒智能化到底面臨怎樣的挑戰？
陳小平認為，研究情緒智能化首先需要回答幾個基本問題：我們如何定義情緒智能化，它的內涵是什么；實證標準是什么；應用目標又是什么 。
然而，這些問題都沒有確切的答案 。
基于我們的觀察，在當前的AI研究中 ， 所謂的‘理性思維智能化’一般是以‘戰勝人’為實證標準的，AlphaGo的成功即是如此 。但這很難成為情緒智能化的實證標準，它的實證標準很可能是被人接受，受到人的認可 。
他表示，這兩種標準差距極大，由此可以看出，它們的科學內涵也截然不同 。
在談到技術層面的困難時，陳小平回答，在情緒研究中，情緒反應對科學家來說是最難的，它需要建立一個模型用于預測，在這一模型中有主體表示、環境表示、事件表示 。
這些表示是作為情緒反應機制的輸入，最后還需要有輸出，就是對某個對象的表示，主體會對該對象有一個情緒反應 。
我們把情緒反應模型看作是一種符號模型 。AI理想化觀點下的符號模型是白箱，該模型對預期應用場景的所有預測都成立 。
陳小平強調，只有當一個應用場景是封閉的，現有AI技術在該場景中才是有效的，否則不保證應用成功 。
他解釋 ， 所謂封閉性是指 ， 該問題存在一個有限、確定的模型，而且該模型與實際問題的對應也是有限、確定的；或者，該問題存在一個有限、確定的元模型，并且該問題的代表性數據集也是有限、確定的 。
可是，人類的情感機制必然是在非封閉性場景中運行的，因此，情緒智能模型也應該是非封閉的 。
在他看來，情緒反應模型的所有元素都是復合的，通常不能完全確定它們的所指 。
也就是說 ， 模型中的所有元素包括主體表示、環境表示、事件表示、對象表示和情緒反應機制 ， 都是黑箱或者灰箱 。
因此，只能適應封閉場景的現有AI技術對情緒智能化就產生了很大的限制 。
AI在情緒智能化領域遭遇的挑戰，其實是源于AI系統與人的本質不同 。陳小平認為，這種本質不同從根本上說，來源于AI系統的思維目前就是AI經典思維，是不能有效應對不確定性的，而人的思維可以 。
未來，AI要想實現從經典思維到復雜場景化的轉變，局限于傳統技術路線恐怕很難在二三十年內有突破的希望 。
差距之下，陳小平希望探索一些新的辦法、新的技術路線，也期盼與神經科學、認知科學、心理學、哲學等鄰近學科的合作 。
第三類存在物
在鄰近學科，學者們如何看待機器的情緒和人類情緒之間的距離？
廈門大學人文學院哲學系教授朱菁指出，人類的情緒和神經系統、生物化學系統及身體具有密不可分的關聯，智能機器的本質和生物體完全不同，那么智能機器產生的情緒情感不可能和人類等同 。
它只是在某一個功能層面、計算層面模擬人類的情緒反應模式，但它并不具有真正的情緒 。
這就好比我們可以在計算機系統里模擬地震、洪水、暴風雨，但是它們并不真的存在于計算機中，真正的地質、氣象災害只會在自然界中產生 。
因此，朱菁認為，心理學家、神經科學家普遍認為，要賦予機器真正的情緒情感，可能是一個無法實現的任務 。
對此，陳小平表示認同 。用傳統AI的觀點來看，人類情緒無法脫離生物學基礎，而機器人沒有人的肉身，因此盡管我們希望實現的是AI ， 可實際上我們做的還只是人造智能 。
不過，隨著能表達豐富的情感，還能精確捕捉人類的開心、驚訝、生氣、悲傷等情緒的佳佳機器人面世，陳小平團隊有了一個另類的想法 。
他說，中科大在佳佳機器人上的廣泛試驗揭示出一種新的人類經驗：用戶明確感覺到佳佳既不是人也不是物，這與早期部分用戶將AI與人相混淆是有本質上的不同的，那時仍處于人、物的二分法之中，而現在出現了非人、非物的第三種存在物的可能性 。
因此，在情緒智能化基礎研究取得實質性突破之前，它的應用有可能在10年之內或者最多15年取得重大進展，而這些進展甚至可能對人類社會產生震撼性的沖擊和深遠的影響——那就是出現第三類存在物——人—物 。
基于這種觀察，陳小平意識到，人們其實并不在乎兩類情緒在內涵上究竟有何不同，它們之間的界限是模糊的 。
由此，我們需要更加注重從接受的觀點去思考和這些情緒機器人交互的人 。如果現有情緒智能技術路線走通了，那么在商業上會滿足極為廣泛的需求 ， 它們會對這個社會產生廣泛深刻的影響 。
陳小平開始思考，盡管從科學角度我們認為它不是真正的AI，但如果社會大眾都接受了該怎么辦；當它已經成為一個新的社會現象，我們的科學研究是否需要關注這種現象；這是否意味著，除了技術視角，還要從社會學視角出發，我們所開發的情感機器人未必一定要有和人一樣的情感，重要的是怎樣讓人們能夠實實在在地接受它……
朱菁也表示，這是一個很有啟發性的問題 。他注意到，在AI產品出現時，人們就存在一種心理傾向，我們把它稱之為公眾對于AI的過度擬人化 。
當機器客觀上還不具備一些能力、功能時，人們就對它進行了擬人化的想象，這對于從事AI研究的專家來說是不存在的 。未來，對于這種心理傾向我們到底應該接受、允許，還是矯正它 。
AI科學家是應該告訴人們你們錯了，機器的情感不同于人類情感 ， 它們只是物，還是坦然接受這一現實 ， 然后以此為出發點，面向人類未知的星辰大海，應對可能面臨的來自倫理、道德、社會等方方面面的挑戰？
這個答案尚屬未知 。
（_原題為為《AI與情感》）
能造出像人一樣思考的機器嗎
作者 | 胡珉琦
如今的AI系統已經在不少具體問題的解決能力上超過了人類 ， 那么，我們究竟能否制造出像人一樣思考的機器？AI會有一天超越人類智能嗎？
brabus是什么車？brabus什么車多少價位Brabus是一個改裝汽車品牌 。巴博斯一直在開發和制造高性能的超級跑車，并將梅賽德斯-奔馳品牌的車輛轉變為德國制造的時尚獨特的汽車 。
計算型智能只是人類智能的一種類型
下圍棋是人類的高級智能活動之一，過去人們認為計算機不可能超越人類的這種智能 。
因此，下圍棋也被視為AI的圣杯 。
直到DeepMind 推出的AI圍棋程序 AlphaGo戰勝了人類 。
浙江大學神經管理學實驗室創始人、國際歐亞科學院院士馬慶國解釋，AlphaGo大放異彩，得益于蒙特卡洛樹搜索框架，加上深度學習和強化學習 。
他說，假設計算機的計算速度無限快，計算機就可以用窮舉法為圍棋棋手瞬間找到最優解（最優落子位置） 。
但事實是，每一步落子的計算量太大了，當前最快的計算機速度也根本無法完成窮舉這樣大的計算量，所以要從當前的可能的落子方案中選一些，交由不同計算機（群）去做并行計算 。
如何在當前可能的落子位置選出一組落子點（試算點）交給不同計算機（群）做并行計算？
他表示，除了利用計算機越來越快的存取速度和越來越大的存儲容量、從過去對弈的成果（不僅僅是定式）產生試算點之外 ， 還需要借助很多節省計算但盡可能選優的技術 。
蒙特卡洛樹搜索框架、深度學習和強化學習就是其中三種重要的技術（算法） 。
馬慶國認為，近10余年來，AI最顯著的進步之一發生在深度學習的領域（主要是深度神經網絡領域） 。
基于深度神經網絡的深度學習，沒有對所研究問題的環境作明確表征，也不探求因果關系（本質上是黑箱模型） 。
在基于巨量數據、完成了對一個網絡的訓練后，程序員就用這個訓練的結果模型，運行新的數據，選擇落子的走法 。
AlphaGo的核心技術是強化學習 。
強化學習的本質是實現自動決策 。機器會在沒有任何指導、標簽的情況下，嘗試行為 ， 得到一個結果，再判斷是對還是錯 ， 由此調整之前的行為，通過不斷地調整，算法持續優化 。
有人認為，強化學習的本質正在接近人類的學習，但它是否能夠實現人類大腦的智能？馬慶國的回答是否定的 。
目前，我們還沒有制造出能像人一樣思維的機器，我們只能在一些狹義領域，制造出比人類某些智能更出色的機器 。這并不奇怪，因為這些領域關注的是計算機更擅長的事——基于數學的邏輯的算法和對以往事實的快速存取 。
在馬慶國看來，計算型的智能只是人類智能的一部分 。
在這種類型的智能方面，人造的機器超過了人 。
但在理解（如，理解語言、理解社會）方面，AI與人類智能有質的差異 。
馬慶國介紹說，英國數學家和物理學家羅杰·彭羅斯曾在他著名的AI科普讀物《皇帝新腦——有關電腦、人腦及物理定律》一書中，引用了美國哲學家約翰·西爾勒的思想實驗 ——中文房間來論證計算機及算法實際上并不是理解智能 。
中文房間實驗假設一位只說英語的人身處一個密閉房間 。
假設房間里有一本回答所有問題的中文書，以及足夠的稿紙、鉛筆和櫥柜 。
寫著中文問題的紙片通過小窗口被送入房間中 。
房間中的人可以通過比對 ， 在這本書上找到這個問題的中文答案 。
然后抄寫這個答案從窗口遞出去 。
雖然他根本不懂中文，但房間外的人卻以為他理解了中文問題 ， 并用中文思考 。
計算機就是這樣工作的 。它無法理解接收到的信息，但它可以運行一個程序，處理信息，然后給出一個正確的回答，好像理解了接收到的信息一樣 。
馬慶國說，這個思想實驗證明，計算機及其算法事實上并不像人類一樣理解其所執行的任務 。
人類是如何思考的
AI要想真正實現人類智能，需要具備什么能力？馬慶國認為，人類智能的最大特點之一，就是能夠創造性地解決從未遇到過的新問題 。
他常舉的一個例子是：當一個人在過一座獨木橋時，突然之間橋斷裂了 ， 人依然可以想出很多點子來解決過河的問題 ， 找木頭搭建簡易橋或者抱著浮木游到河對岸 ， 等等 。
計算機就沒有這樣的能力，除非人事先給它設定了‘在需要過沒有橋的河時，應找木頭搭建簡易橋’ ?？墒?，如果周圍沒有可以搭建簡易橋的木頭呢？人類可以想其他辦法，計算機就無能為力了 。
在他看來，問題的癥結在于，計算機是遵守規則的機器 。在現實世界中，規則總是不可能窮盡的 。
現在的AI本身并沒有創造性 ， 當遇到舊規則不能解決的問題時，它不能像人類一樣完全根據面對的問題想出從未有過的解決辦法 。
人類的理解力從何而來
馬慶國說，以語言為例，一個孩子學會理解語言，其實也是來源于對應關系 。
當他第一次面對一個全新的詞匯時并不能理解，直到一種情景反復出現，并在這個情境中與他人互動，他就可以將這個詞匯和情景對應起來 。
越長大，可以跟這個詞匯對應的東西就越多，關于這個詞匯的理解也就形成了 。
再經過不同個體的互動和交流 ， 關于這個詞匯的共同理解也就形成了 。
RUN - > cmd 或者command就會看到DOS窗口 。不知道大家注意到那個小小的圖標沒有，在左上角 。點擊這個圖標，就會看到下拉菜單，尤其是Edit下的一些功能， 很方便
計算機只能做到有限的對應，因為真實環境太過復雜 ， 現在它對語言的理解可謂捉襟見肘 。
但這也帶來了一個問題：計算機總是在不斷進步和發展的，理論上它的對應也會越來越豐富、越來越復雜 。那么在哲學上，這一量變是否可能帶來質變？計算機也進步到可以理解詞匯了？
馬慶國認為，這個問題還沒有答案 。
不過，他對AI完全實現人類智能的前景并不樂觀 。
人腦真實的智能和AI最大的區別 ， 可能在于腦的工作方式 。
盡管計算機也叫電腦 ， 但它和人腦的工作方式完全是兩回事 。
馬慶國說，無論是存儲、計算，還是創造，大腦都是靠神經元、樹突、軸突以及突觸等相互銜接的結構和多種神經介質來實現工作的：從神經元前面來的信號 ， 到這個神經元后面出去成百上千個甚至更多的連接 。
不同的連接方式，就可能在工作中形成了不同的意識 。
對此，人們又開始對模擬人腦的AI抱有希望 。
他表示，這就需要破解哲學上的一個難題：思維是彼岸的，現實存在是此岸的，兩者之間是有鴻溝的 ， 哲學上認為這是不能跨越的 。
現在，我們希望通過腦神經研究，使彼岸的思維能夠用此岸的神經元活動來解釋 。
人類的意識本身最終能夠在神經元活動的水平上被解讀，可能需要上千年的時間 。即便解讀了，機器能夠完全模擬神經元的工作方式嗎？
作為首個提出神經管理學的學者，馬慶國坦言 ， 按照AI現有的技術路徑是難以實現的，除非未來我們能夠創造出一種完全顛覆性的理論技術體系 。
從這個角度來看 ， 擔憂AI會超越甚至取代人類 ， 根本無從談起 。
《中國科學報》 （2020-07-23 第5版 文化）
編輯 | 趙路
排版 | 郭剛
不想錯過中國科學報的推送？
關注并將我們星標吧！
方法如下 ↓
池塘里的地仙尸：竹林屋村前有一口大池塘 ， 水很深，傳說這口池塘淹不死人 。有一天來了個的古董販子胡胖子，偶然聽說了這件怪事，于是懷疑池塘里有寶物 。他花錢買通了村長，雇了四五個人，劃著小船在池塘里撒網捕撈 ?？烧盍巳?， 屁也沒撈到 。

猜你喜歡

• 人類的16種基本情緒用線條 人類的16種基本情緒
• 音樂博主頭像圖片 情感博主頭像圖片
• 十大情感主播排名 情感主播排名
• 人類的情感 人類情感學
• 人類七種基本情緒 人類的16種基本情緒
• 人類情感分類 人類情感機
• 人類的情感源于何處 人類情感學
• 人類是情感動物 人類情感學
• 人類情感分類 人類情感學
• 愛是人類最基本的情感 人類五種基本情感