DeepMind 創辦人：AI 要展現出真正潛力，得從人類智慧中獲得更多靈感

【Technews科技新報】就在不久前，AlphaGo 在圍棋上打敗了人類最後的希望，身為創造 AlphaGo 軟體的公司 DeepMind 創辦人，Demis Hassabis 可以稱得上對人工智慧（AI）「略懂一二」。

這樣的 Demis Hassabis 近日提出了一個大膽的想法，他認為要讓 AI 展現出真正潛力的唯一方式，就是得從人類智慧中獲得更多靈感。

麻省理工科技評論（MIT Technology Review）報導，目前多數 AI 系統都是基於數學層面上設計，只有非常少的細節是由人腦工作方式啟發，但在這樣的情況下，不同類型的機器學習，像是語音或圖像辨識，就得仰賴不同的數學結構進行，得出的演演算法也只能用來執行特定的任務。

其實打造出能執行一般任務、非面向特定市場的 AI，一直以來都是機器學習領域的願景，但事實上是，要將特定演演算法擴展至通用領域，是難以置信的困難。其中部分原因可能是 AI 發展仍處於起步階段，像是好奇、想像力、記憶力這些人類特徵並不存在系統中。

Hassabis 認為，要讓 AI 突破現有的界限再往上提升，就必須更了解人類智慧如何運作，並將其應用在 AI 系統。近日發布在神經元（Neuron）期刊的論文中，Hassabis 和 3 位合著者解釋了這個想法。

論文指出，了解人類大腦的運作方式，將能幫助研究人員為 AI 系統設計更好的結構及演算法；其次，在建構及測試 AI 系統時，也更能幫助人們定義什麼才是真正的智慧。

Hassabis 在論文中透過介紹神經科學與 AI 發展的歷史，來幫助人們了解兩者間的交互作用，像是許多人曾聽過的深度學習（deep learning），就是透過人造神經元了解內容並強化學習，在錯誤中學習經驗，了解這些對神經科學都有很大的幫助。

論文指出，近期 AI 的研究方向比較沒有仰賴生物學，但想要進入一般生活領域，AI 需要學習更多人性化特徵，像是對現實世界的直覺理解，以及更有效率的解決方式。

Hassabis 認為要達到這個目的，最好的解決方法就是讓「人工智慧」與「神經科學」兩個研究領域互相交流思想，來促進雙方之間良性循環。

Hassabis 並非唯一有這種想法的人。紐約大學心理學教授、Uber AI 實驗室前主任 Gary Marcus 認為，通過運用兒童認知發展的研究結果，可以讓機器學習系統更往前一步。

但是人工智慧和神經科學已經是兩個非常大的發展領域，即使是成為其中一個領域的專家都很困難，更別說同時專精兩個領域。就像 Hassabis 接受採訪時說，最終還是得由雙方專家互相「翻譯」，才有助於找到兩個領域之間的聯繫。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！