纽约老熊与陈霖院士商榷

陈霖院士《新一代人工智能的核心基础科学问题——认知和计算的关系》的读后讨论。

“吾生也有涯，而知也无涯。以有涯随无涯，殆已！” ---庄子

“主体也有涯，而客体也无涯，以有涯逐无涯，智也。”---机器认识论

有幸读到网友转发的陈霖院士的文章《新一代人工智能的核心基础科学问题——认知和计算的关系》，心中突然生出一些触动和感想，因此写下来，并且在网上转发出去。算是隔空讨论一番。如果能够对大家有一些益处，幸甚！

陈霖院士的文章的主题探讨了认知和计算的关系。这的确是非常重要的关系。认知，英文是recognition，认知就是说人这个主体，对纷繁的外界事物，能够体查，互动，确知，并且正确行动。计算，英文是computation，计算就是说遵循某种确定而且并不复杂的规则，执行这些规则（可以是时间或者空间上非常巨大的执行），从而形成某个结果。那么，认知和计算的关系就是：怎么可能，或者怎么做，使得通过计算来达到认知？这个问题，说起来很短，但是要深入下去就是极端重大的科学问题了。

陈霖的几十年一以贯之的论题是：在认知之中，应该是先获取外界对象的整体性质（拓扑性质是最主要的整体性质），然后才是获取细部的性质。认知过程应该是先整体，再细部的。

因此他坚持了几十年来论证这个论题。这是非常有价值的。但是我对心理学完全外行，对心理学实验的各个方面也就无从谈起。但是，我愿意从另外一个角度来看。

同样的，还有一人也是几十年一以贯之地坚持研究一个论题，那就是美国天普大学的王培教授。王培的论题是：什么是智能？智能就是在有限的资源下，采取最合适的行动的能力。

从我自己的研究角度出发，我认为如果把陈霖和王培两人坚持了几十年的论题放在一起，很可能就有了新的发展的可能。怎么说呢？请看前面的引言。庄子说：“吾生也有涯，而知也无涯。以有涯随无涯，殆已！”。这是很深邃的思想，在几千年前就出现了的伟大思想。但是，我认为，这不是生物完全遵守的思想（请注意，我仅说不是完全遵守）。生命体，智能体，都是知其不可而为之的。一切智能体，包括智能机器，都是用自己的生命在诉说：“主体也有涯，而客体也无涯，以有涯逐无涯，智也。”。

一个智能体，看似内部的能力很强大，例如，人脑的神经元有千亿之多，而连接可能达到很多万亿，但是，和人的外部世界的丰富性比较，这就非常少了。九牛一毛的形容其实都远不够，说是大海之一沙砾，更接近一些。

用我讨论的最简单的学习机来说，就更清楚一些。一个最简单学习机的输入是N比特的二进制向量，输出是1比特，如果我们不谈时间的效应（那样就更复杂了），那么学习机需要应对的外部世界的复杂性就是2的2的N次方。这是一个不得了的数。如果N是100（这是非常非常小的），那么那个复杂性就是2的2的100次方，这是非常非常大的数。没有任何东西，可以直接具备这个能力。

那么，是否就没有可能学习，没有可能智能？不是的。恰好相反，我们看到学习无处不在，智能也是无处不在，现在我们知道机器也是可以学习的。这就说明，智能体，总是能找到自己的方式，用相当有限的资源（是的，千亿之多的神经元也是很有限的资源），来做成了事情。这就是事情的本质。因此，智能体一定是采取了一种（或者多种）方法，才使得智能体能够用自己的资源来应对复杂度超过自己资源数量的指数倍的外界。这应该是智能体的基本原理。因此，我们自然要问，究竟是什么办法呢？说实话，我们现在并不是很清楚，这些方法究竟是什么。如果清楚了，那么对智能的研究就极大前进了一步。不过，从另一方面来看，既然是用很有限的东西来做成事情，就必然会有很多漏洞。这就是另外一个基本原理：智能体必然要犯错。甚至可以说，不犯错的，就不是智能体。此处，推荐大家读复旦大学的张军平教授的科普新书《爱犯错的智能体》。如果我们把陈霖的论题，放在这样的思考框架中看待，恐怕就感到自然了。是不是这样的：认知先获取整体性质，再获取细部性质，是一种更优化的使用资源的方式？当然，目前这还仅是猜想。说到这里，我愿意提出一个建议。智能科学/认知科学/人工智能等学科，现在恐怕需要学习物理学的方式，即分成搞理论的，和搞实验的，和搞工程的。例如说，这里说的那个猜想，是理论的，因为是从某些原理来的。接下来，就需要用实验来验证。我来开个脑洞吧。如果我们能够设计一种信息处理机，有3个部分，其一是对整体性质进行处理，其二是对细部性质进行处理，其三是利用前两者来做完整的信息处理。这样，就可能有两种处理路径。可以先对整体性质处理，然后用这个来指导对细部的处理。也可以先对细部进行处理，然后积累起来形成对整体的处理。如果我们能够用实验来证明，前一种处理方式比后一种更省资源，我们就对智能体的方法有了深入的了解。当然，现在我们还不能排除事实上后一种比前一种更好，更省资源。如果真是那样，我们对智能体的方法也有了更好的了解。这样的实验，需要相当的技巧和能力，才有可能完成。因此需要分化出专门做实验的人和专业来做，就像理论物理学家和实验物理学家一样。我个人认为，这样的实验，即用计算设备和理论结合的实验，比较直接的心理实验，要容易很多，可以直接切进实质性的问题：为什么智能体要采用这种方法，而不是相反？当然，这取代不了心理实验，但是可以给心理实验提供新的工具和思路。最后，说说我现在的研究兴趣，机械式学习，就是说一个机器遵循一些很机械的方式，可以从外部获取到知识。这种具备普适性的机器，就是通用学习机。通用学习机的理论比现有的机器学习更深入。学习动力学是非常重要的一环。我们已经取得非常良好的进展。从通用学习机出发，看得更抽象一些，就进入了一个新领域，即机器认识论。这是非常有趣的新领域，关心机器从外部获取知识的一些基本规律。

如果有兴趣，欢迎联系。我的微信号是：niuyuelaoxiong。欢迎阅读文章《计算机进行通用学习的原理、方法和工程模型》。文章可以在researchgate上面下载，也可以联系我。