「認知之輪」解鎖之日，會是人類滅亡之時嗎？

現在我們在討論人工智慧的時候，大都把卷積神經網路奉為圭臬。因為這種演算法，號稱是「平移不變的人工神經網路」，說人話就是人腦的高仿。通過模擬人類腦皮層神經元的網狀結構，能夠提取和識別各種物體的特徵，永不停機地進行學習，比最乖的人類小孩還要讓人省心。

而且一旦訓練好了，就能比人類做的更快更好。拳打九段棋手、腳踢世界冠軍，是毫無問題的。因此，卷積神經網路正在被大量地應用於各種AI系統上。似乎只要假以時日，就該「封神」了。

但，這是不可能的。

儘管看起來，這一波AI熱正在讓人類處於被廣泛替代的危險境地，不過距離機器超越人類的那一天，其實還是非常遙遠。

為啥呢？說來你可能不信，關鍵原因還是在卷積神經網路身上。送分題都不會，你怎麼回事小老弟？上古時代，流傳著這樣一道送分題：要把大象裝冰箱，總共分幾步？

如果讓一個人類小孩來回答，他會分分鐘告訴你標準答案——把冰箱門打開，把大象塞進去，把冰箱門合上。

但是如果讓一個卷積神經網路機器人（我們就稱呼它為「小卷」吧）來挑戰呢？它會先假設，某個叫做「塞」的動作能夠將大象轉移到冰箱里。於是立即行動，卻發現怎麼也塞不進去。可憐的「小卷」，遺漏了物理體積不匹配這個重要條件。

我們給它升級一下，讓「小卷二號」能夠識別大象和冰箱的個體特徵對任務有何影響。它在任務開始前努力推演，正當它算出大象的皮膚顏色對完成任務不會有任何幫助，準備推算下一個特徵的時候，大象已經不耐煩地跑走了，任務失敗。

我們再升級一下，教它學會分辨哪些因素與任務是相關的還是無關的，「小卷三號」誕生了。但是，它一屁股坐冰箱旁邊不動了，掏出一個小本本，開始記錄千千萬萬個被確定與任務無關的東西，直到時間的盡頭……

前面我們提到過，這種深度學習的神經網路是在模擬人類神經元系統的操作方式。不同演算法都只為了完成一個目標：就是像人一樣，忽略該忽略的信息，並在遇到重大的反常情況是保持足夠的警覺。

如何能夠在集中注意力的同時獲得合理忽略的能力呢？科學家們只能將一切變化多端、無窮無盡的生活經驗壓縮並生成一個「框架」，其中包含了一個內容豐富、細節詳實的腳本綱要，所有現實世界的問題及事物之間的聯繫都囊括其中。

當機器想要解決一個問題時，就可以在「框架」中對某些特徵加以注意，對那些偏移框架的重大誤差保持警覺。

如果這個神經網路框架被建構得足夠好、足夠龐大，它可以展現出無窮大的能力。比如DeepMind用5000台TPU培育出來的AlphaZero，無需其他干預，就能在4個小時之內成為世界象棋冠軍。

但是，在某些人類日常生活中需要用到的反應模型中，卷積神經網路的智商卻和昆蟲差不多。

D. Dennett在他的論文《AI的框架問題》中舉了一個例子：製作午夜快餐。

一個肥宅半夜餓醒，想給自己做點吃的，於是他想到了冰箱裡面有些剩下的雞肉片，麵包，還有一瓶啤酒。於是他很快就想出了一個完美的計劃：查看冰箱，拿出需要的材料，做一份三明治，就著啤酒，美滋滋。哦，還需要帶上刀、盤子和酒杯。

人類之所以能順利完成這項任務，是因為我們已經了解了大量的知識。包括雞肉加在麵包里不會掉下來（摩擦力），啤酒如何倒入杯子（重力），甚至是左手拿著麵包就不能再用來拿刀了。

這些「知識」或經驗是人類「生而知之」的，我們自己或許都不知道是如何學會這些事情的，卻能讓我們不需要思考就輕鬆搞定一個又一個基本生活問題。

但對於任何事情都要從頭學起的AI來說，如果這些大量而平凡的經驗不能引起足夠的注意，它就根本不可能完成這些不斷出現的新任務。

當然，我們也可以選擇給機器餵養世界上所有的知識，讓它成為一個無所不知的百科全書。這樣它就能和人一樣具備這種彈性的思維能力了嗎？

答案顯然是否定的。

首先，讓AI記住大量微不足道的細節中，遇到問題時再從中搜索和抽取出有用的那一部分，實在是太極端太超負荷了，人類就不需要記住「麵包比太平洋小」「刀子接觸麵包時不會融化」這種知識。

而且，機器固然可以用一百萬年解決任何問題，但這既不智能，對人類來說也沒有任何價值。如果不能在有限的時間內可靠高效地給出解決方案，我要這祖傳AI有何用？

既不能窮盡一切答案，又不能快速找出最佳方法，這就是目前限制AI智商的「框架問題」。

卷積網路：我不生產智商，我只是人腦的搬運工

一代代研究者都致力於讓機器模仿人類的心理機制和認知結構。但是，科學家們真的完全掌握了人類的思考之鑰嗎？

從機器智能遭遇的困境來看，顯然不是。

「框架方法」，本身就對思維套路有著極強的依賴，只能依靠人類預先觀察並解決機器可能遇到的所有框架型問題。

然而人類思索「如何把鋼琴搬上樓」這樣有一定難度的新問題時，恐怕不會拿出筆來畫一張邏輯清晰的思維導圖。更常見的做法是，用一種無意識的快速反應直接指向了答案，甚至來不及詳細觀察推理過程，比如「什麼三段論使我相信鋼琴可以被抬起來」之類的。

一些思維模式是可以被明確化、系統化的，但更多的心理推理過程是抽象的、內省的，就像是被魔術師掩蓋起來的奧秘，至今沒有誰能看出端倪。

這種不用思考的 「內省」式經驗，是讓人類能夠「先思而後行」的關鍵，也是機器無法模仿的。

時至今日，還沒有人能夠提供什麼切實可行的證據來充分而精準地描述出，人類的內省式經驗是如何指導他生成思維框架或編寫腳本的。

因此，哪怕，從簡單的語義到末梢神經元，卷積神經網路已經對人類的「認知之輪」模仿的惟妙惟肖，那些都是建立在能夠被描述和形成計算機映射的認知過程上。

AI從整體效果上對認知的各個層級進行模擬，與我們尚未發現的人類大腦的真實活動方式，有可能完全不同。

既然「人類如何思維」還無法被解釋，那麼給AI一個「高仿大腦」就更是不可能實現的事情了。那麼，今天被廣泛使用的機器智能構造體系，還靠譜嗎？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！