為了讓機器擁有「自我意識」，之前我們可能找錯了方向

科技 08-07

摘要：讓機器發揮創造力。

創意的本質是什麼。

只有搞清楚這個問題，我們才能賦予機器人這個全新的能力。從而，我們能夠製造一個「可以製造其他的機器」的機器。

也就是說如何讓機器擁有「自我意識」？看來先進但說來也恐怖，而這個問題也是 Hod Lipson 研究了很多年的問題。

Hod Lipson 是紐約哥倫比亞大學創意機器實驗室的總監 & 工程學教授，也是非常著名的《Fabricated》和《Driverless》兩書的作者。在 2005 年加入哥倫比亞大學之前，Hod Lipson 曾在康奈爾大學擔任教授 14 年。他於 1999 年從以色列理工學院獲得博士學位，其次是布蘭迪斯大學和麻省理工學院博士後。

Hod Lipson 在「自我意識」和「自我複製機器人」方面的觀點挑戰了機器人技術的傳統觀點，並引起了廣泛的報道和討論。而在這之前，他也是先推出 3D 列印技術的許多應用方面，包括生物列印，電子列印和食品列印，以及在美國推出首款開源印表機等等。同時，他的 TED 演講關於談論自我感知機器也是 AI 和機器人技術領域最受歡迎的演講之一。

今天，他來到了來到極客公園 Rebuild 2017 · 奇點創新者峰會，為我們解讀如何讓機器擁有「自我意識」？讓機器也能夠發揮真正的創造力？

以下內容由 Hod Lipson 在極客公園 Rebuild 2017 · 奇點創新者峰會上的演講整理而成，略有刪減。

我們有一個共同的能力，也就是創造力。在亞洲這樣的文化當中，我們也會不斷地探索創新的想法、創新的產品。同時我們也是非常關注個人的價值，希望能夠有更加創新、有創意的想法。

但是到底創意的本質是什麼？

在人類起源的時候，我們就已經享受了這種能力和創意，當然其他的動物也展示出它自己相等水平的智能。有一些動物是有情感的，有一些動物是有很高的飛翔能力，人類也是一樣，有自己的創造力。現在是一個「十字路口」，我們講到了人工智慧，也提到了人工智慧發生的世界當中的一些變化，AI 感覺無所不能。但是我們所看到的大部分 AI 的這些例子，都是機器收集了大量的數據，它們的認知能力極高，可以做出決定，進行分析。

比如說看股票的市場，他通過這個歷史數據做出決定到底是買進還是賣出。或者說另一個 AI 的系統，他會去尋找所有天氣的信息，告訴你明天是變暖還是變冷。還有一些系統，這些數據是來自於實驗的數據，是尋找一種科學的規律，最終能夠找到事物的本原。還有一些系統可以追蹤你的性能和表現，你需要購買什麼？哪些不應該買。

甚至是自動駕駛，駕駛也需要求機器收集大量的數據，包括攝像頭、感測器，來決定是否要拐彎，到底是要減速還是提速。

所有都是不同類型的 AI，如果大家思考一下，會有大量的數據，同時會分析這些數據，最終做出一個決定。這種智能是我們最近非常關注的，希望能夠發揮出來的。

但其實還有一些事物是在沒有出現之前大家就已經在想像了，我們把它叫做創意或者是創造力。有一些公司想要培養一種創新的文化，單很多時候我們是想要培養這種文化，但是不知道從何下手。

比如說從任何的父母來描述一下你的孩子有什麼樣的能力，他們都會說我們的孩子很有創造力、想像力，他不會講孩子有多少分析能力，也不會講孩子能夠辨別多少世界上的事物。

你可以看到，這是兩個智能的不同形式：Analysis VS Synthesis（分析 VS 合成）

很多時候在 AI 的領域，我們也會提到是否真的能夠建立這樣的一個機器，然後這個機器是有創造力的。

我們可能找錯了方向？

這麼多年以來，我們可能找錯了方向，我們首先要了解人類的創造力是從哪兒來的，為什麼人類是有創造力的？我們把人類的創造力提取出來，寫一個代碼和編程，讓機器有創造力。

但是發現這是很難的，為什麼很難呢？因為我們自己也不知道，為什麼人類是有創造力。哪怕是最好的生物學家，最好的哲學家，也沒有人能夠告訴我們人類的創造力到底是從何而來的。

這完全是一個黑匣子的問題，但是換一個方式來思考，我們來分析一下什麼是創造力，就是自然的進化。

沒有人會質疑自然界的進化是沒有創造力的，新的大自然的解決方案是能夠應對大自然變化的挑戰的，我們也可以通過觀察大自然來了解創造力的產生，這種創造力是怎麼做的呢？如何能夠讓設備或者是讓我們機器也有這種創造力呢？

我們做了大量的實驗，通過演進的方法來設計機器人，我們設計機器人的時候都是工程的方法，有創造力的工程師，創造出來的機器能夠養一個機器人，讓它能夠去進化。

比如說有很大的物理的模擬器加在這個機器上面，它們就開始了自己的演化，加上很多的元素，包括關節、神經原，逐漸地這個機器自己也會去演進，機器可以做自己的測試。我們也是通過機器的演進，最後就能夠形成一個非常有意思的架構。

這是一個很大的計算機的物理模擬器，這麼多代以來一直沒有有意思的研究成果，但是通過了幾百代或者是幾十萬個機器人之後，我們開始看到非常有意思的一種機器人，它開始能夠在虛擬世界裡面自己進行爬行。

它也形成了自己的大腦，通過大腦有了演算法，演算法又培養了大腦，也就是從 0 開始的這種培養。

我們希望它能夠在現實生活當中發生功能，也可以看到這就是機器人在我們的實驗室地板上爬行，這是通過 3D 列印出來的，能夠真正實現現實生活當中成長的機器人。

它有自己的關節，看上去不是很自然，但是計算機的世界我們可以不斷地推進科學的邊疆，這是其中最近的一個機器人演進的項目當中，我們有一些軟材料。能夠造一種機器人，它有硬材料和軟材料，同時有點兒像肌肉的感覺，可以收縮和擴張，這就是機器為我們設計出來的，沒有從我們這兒收集任何的數據，它自己產生出了這樣的一個機器人，這就是機器人自己設計出來的一種機器人。

所以你可以看到，這種機器人是能夠有創造力的，我們可以通過這種方法來應對很多的挑戰。比如說一個電路板，我不懂什麼叫設計電路板，但是我們的演算法是可以學習這種電路板，如何設計電路板，電路板的特點，還有你也知道通過這種學習，你知道電路板哪一些元部件是可以抽出來的，哪一些元部件是必須要有的。

這是一個 NASA 所設計的天線，這是現在在太空飛船上使用的，這就是由計算機自行設計的。你可以看到，有點兒像人類設計的物件，我們剛才提到了 3D 列印，這個技術真的是可以改變我們現在做實驗的方法，我們可以讓計算機來幫助我們做設計，能夠自動地做設計。

這是一個無邊界形態的網站，如果你想要做設計的時候，計算機會給你一些各種各樣的形態，你告訴他我喜歡什麼形態，我把這兩個形拼在一起，計算機就會形成新的形態。計算機能夠幫你做設計，不是說計算機為人類帶來價值，而是計算機來幫助你，讓你發揮更好的想像力。

這是一些小的例子告訴我們如何發揮創造力。包括設計機器人和電板，還有一些物理的物件。計算機能夠創造出更高密度的創造力，能夠創造出大師級的藝術作品。

我們自己也做了一個實驗，一個畫畫機器人，他也在學習如何畫畫。他一開始畫得一點兒都不好，跟孩子畫得一樣，用不同的顏色在板子上塗來塗去，訓練了幾年以後，他畫得越來越好了，可以畫得各種各樣的圖象，這真的是我們的機器人畫出來的，就是在帆布上畫的油畫。不是畢加索級的水平，但是你可以看到畫得越來越好。

這就是這種類型的能力，如何能夠不斷地向前演進。

最後，還有一個機器人，它在形成一個自己的形象，這個機器人有四條腿，它想要知道如何學習，你會讓這個機器自己培訓，然後自己學習，自己知道如何靠四條腿來走路，這是一種傳統的機器人學習的方法。

傳統上來講，大部分的工程師會做一個機器人的模擬器，讓這個機器在模擬環節當中進行學習，我們是怎麼做的呢？我們把這個機器人用這樣的能力來創造一個新的事物，我們讓這個機器人來創造出自己的形象。你可以看到，它有四條腿、兩個感測器、四個模塊，但是它不知道自己長什麼樣，它不知道自己是蛇還是一個飛鏢，還是一棵樹，這個機器人不知道自己是什麼。它做了很多模擬，收集這些數據，他開始做自己形象的一種模擬。

它花了四天的時間，一開始的時候這個機器人根本就不知道自己長什麼樣，它根本就不知道它的身上這些方塊是如何拼起來的。兩天之後，它已經發現了它自己有四條腿，但是不知道怎麼跟自己連在一起的，只花了四天的時間，就可以知道自己長這個樣子，這也是一種想像自己的形象。

它通過自己的形象要思考，如何能夠向前走，這就是其中的一個例子。

其中的一種方式，一個創新的方式，它向前走，它認為這種方式讓它能夠向前走。這是它第一次自己往前走，而且它是基於它所創建的自我形象來決定如何往前移動的。

具有創造力這樣的能力，它不僅僅是要產生一些產品和服務，比較重要的是，我們也可以利用我們的創意來生成自我的形象。接下來可以讓我們做一些出乎意料的事情。

人工智慧發展的趨勢

最後，我要給大家介紹一下在人工智慧方面發展的趨勢，它是不斷地往前發展，而且發展得非常迅速。我想它的發展是非常穩定的，但是也是有一些波動，我們把它稱為「浪潮」。我要給大家展示一下這些發展的「浪潮」是如何形成的。

在最開始的 40 年，第一個波段是從 50 年代開始到 90 年代結束，那個時候主要是按照傳統的方式來建立 AI，按照邏輯來做。像下象棋、計算繳稅等等，都是比較好的，那時候是基於邏輯和搜索的。從 90 年代 AI 的方式就出現了改變，我們把它稱為預測性的分析工具，大數據從 90 年代到 2010 年，這樣的轉變是每個人都要對數據進行分析。

我們有了大數據，還有預測性的分析，這是從 90 年代開始的，後來把數據放在 Excel，包括零售的預測、股票市場的這些數據，都把它放在一個 Excel 表格當中，可以利用預測性的分析工具進行預測。

第三個 AI 的「浪潮」是從 2010 年開始的，我們現在能夠看到這樣的發展趨勢的影響，即 AI 的系統可以了解非結構性的數據，比如說視頻、音頻，還有自然的語言等等，還有無人駕駛車。

在進行了數十年的實驗之後，終於可以有了無人駕駛車了，因為計算機終於可以了解他們周圍有什麼，他們前面有什麼，可以進行導航。

我給大家展示了這三種 AI 的形式，它們讓我們感覺到特別震驚，但是他們並不是完全人性化的，動物也是知道它們周圍有什麼，也可以進行預測和計算，但是涉及到創造力，這是人類所獨有的。

因此，我想 AI 的第四個發展浪潮已經開始出現了，在這樣的時代當中，我們有創意的機器，它們可以更好地去理解周圍的情況。

本文由極客公園原創

轉載聯繫 wangxue@geekpark.net