愛因斯坦、喬布斯等人之所以偉大，不能被AI替代，主要因為……
文︱Sridhar Mahadevan
圖︱Quora
本文作者：斯里達（Sridhar Mahadevan）
在個人簡介中，斯里達在人工智能和機器學習領域擁有30多年的研究和教學經驗，1990年取得羅格斯大學計算機科學博士學位，從2001年到至今，擔任馬薩諸塞大學阿默斯特分校教授。
發明的前提是要有高度的創造力：目前，AI/ML領域陷入了對數據深深的依賴狀態。如果你純粹依靠數據驅動，是不可能實現哪怕是一般水準的創造力，更不用說像愛因斯坦這樣的科學天才，或是像讓·米歇爾·巴斯奎特(Jean-Michel Basquiat)這樣的藝術天才了。
之前，巴斯奎特的這幅經典無題人頭骨畫在紐約市的拍賣會上以1億多美元的價格拍賣成功。這幅畫是有什麼暗示嗎？是在暗指現實？不，和所有的偉大藝術一樣，這幅畫描繪的是一個超現實的想象世界。一開始，它看起來像幼稚的塗鴉，然而，當你凝視它的時間越長，你就會意識到它隱藏的深度。與偉大的科學一樣，偉大的藝術也不會輕易表露感情。正如愛因斯坦曾經說過的:“上帝是難以捉摸的”。
簡而言之，在機器中捕捉創造力需要自動化想象力，即不以數據科學的方式去看事物本來的樣子，而是以一種違背現實的方式看到它們可能或反事實的樣子。
正是想象力成就了人類在科學、藝術、文學、詩歌和技術方面的偉大成就。
愛因斯坦深信想象力的力量。他的科學精神是整個建立在想象的基礎上的：想象出不存在的事情，但這也讓他能夠洞見宇宙最深層的真理，例如時空是一個彎曲的四維流形，重力提供了彎曲空間和時間力量。通常數據的科學實驗能完全證實愛因斯坦的理論，例如使用LIGO探測器的引力波，而在此之前的整整一個世紀，想象力的力量就已經能使愛因斯坦形成自己的見解。
愛因斯坦曾提問一個簡單的問題：如果我以光速旅行，手裡拿著一面鏡子，我會看到自己的倒影嗎？這看起來真是個幼稚的問題！然而，一旦你理解了他的狹義相對論，你就會馬上明白這個問題的答案。這種反事實的推理不是依據世俗數據科學來的，而是源於一種更高層次的創造力。要想讓人工智能實現這樣的飛躍，這個領域必須經歷一場革命。
就像愛因斯坦和玻爾等人引發了物理學革命，從牛頓的絕對時空和決定論的概念轉向了相對的時空概念和隨機的不確定概念，人工智能領域將不得不從當前的“數據痴迷”思維模式做出轉變。正如傳奇哲學家托馬斯·庫恩(Thomas Kuhn)在其經典著作《科學革命的結構》(the Structure of Scientific revolution)中指出的那樣，這樣的革命不會輕易發生，也不會經常發生。
那麼，我們如何才能建造下一代的“創造性”人工智能系統，或是說想象力機器呢？這需要開發一個全新的領域，我稱之為“想象科學”。
想象力機器：
那麼，什麼是想象科學呢？廣義上說，想象科學研究的是“如果……會怎樣？”和“為什麼？”。從本質上說，數據科學就是對“什麼是什麼？”的研究，它基於對過去數據的歷史分析。《連線》(Wired)雜誌在一篇據有先見之明的文章中指出，英國一家初創公司正努力構建一種簡單的矩陣類型，並提到：“數據是舊的，就其本質而言，它會告訴我們曾發生的事情。”
如果我們生活在一個模擬世界中，英國這家初創公司有很大概率能夠成功構建。
想象力需要一種完全不同的推理方式。史蒂夫·喬布斯(Steve Jobs)讓智能手機發生革命性變化時，他並沒有利用數據科學來製造iPhone，而是利用想象力。他有句話說的很對：“雖然你現在可能看不見未來，但在未來的某個時刻，當你驀然回首時，這個‘未來’便是你曾經所走過的點點滴滴，你的成就作為。”
同樣，當傑夫·貝佐斯(Jeff Bezos)辭去他在華爾街的高薪工作，並開始在互聯網上賣書時，他並沒有依靠數據科學來告訴他自己會做得有多好。他的大多數朋友和家人都認為他得不償失。但貝佐斯依靠的是一種更強大、更人性的能力：想象力。他對如何徹底改革圖書行業有自己的見解，人們只需看看亞馬遜(Amazon)如何徹底改變了出版業，就能理解想象力的力量。
想象力支配著我們的生活，從最早的童年時期，我們為自己發明遊戲，再到生命的盡頭，我們回顧並反思我們曾經的生活，以及我們沒有走過的道路。正如羅伯特·弗羅斯特(Robert Frost)在不朽詩篇所寫的那樣，反思我們沒有選擇的道路是想象力的核心。因為我們從中學到最多的不是依靠我們做出的選擇，而是那些我們沒有采取的選擇。
羅伯特·弗羅斯特沒有走過的路
這是想象力和強化學習（RL）之間的本質區別。RL是從我們過去所做的決定中進行學習，而想象力從沒有做出的決定中學習，甚至可能是那些我們永遠不會做出的決定。因果推理是一種強大的想象形式。即將到來的人工智能因果革命的首席設計師朱迪亞·珀爾(Judea Pearl)在Twitter上寫道:
“RL是因果推理的練習嗎？當然！儘管它是受限的。通過在培訓中部署干預措施，RL允許我們推斷出這些干預措施的後果，但也只能推斷這些干預措施的後果。”
在過去十年中，深度學習最重要的發展是生成式對抗網絡(GAN)。這是深度學習的真正貢獻，超越了1986年的所有已知貢獻。GAN本質上是一種簡單的想象機器。麻省理工學院的《技術評論》(Technology Review)對伊恩·古德費洛(Ian Goodfellow)的作品作了最華麗的描述：“GAN Father：賦予機器想象力的人”
然而，對於GAN背後所有的激烈情緒，它們作為想象的手段是非常有限的。GAN本身是不太可能像上述的巴斯奎特那樣作出傑作繪畫（儘管勇敢的企業家們正試圖將GAN藝術商業化）。
一個更有趣的嘗試是CAN模型（創造性對抗網絡），它試圖產生實際的“新穎”和“創造性”的輸出。在給定大量繪畫風格的樣本後，一個CAN模型被要求生成不同於畢加索、莫奈等風格的“新奇的”和“創造性的”藝術。
以下是由CAN製作的藝術樣品：
這些確實是了不起的，它們表明藝術上的創造力或許可以自動化，但很明顯的是我們還正處於這一努力的開端。
天才作家劉易斯·卡羅爾(Lewis Carroll)的《愛麗絲夢遊仙境》（Alice in Wonderland）仍是英語中無可爭議的經典著作之一，其中有句臺詞說得非常好:
“想象力是對抗現實的唯一武器。”
END
閱讀更多 王樹一 的文章
