與其一味解讀，不如認它做老師？

我們對動物的了解，可能比我們知道的要少得多，因此，向它們學習，也許是現(xiàn)階段人工智能的突破點。智能相對論分析師雷宇將其稱為“獸工智能”，那么“獸工智能”到底是怎么回事？

1．動物可以幫助人工智能變得更聰明

本文預測動物行為的研究證明，當狗看到不同的物體時，身體的反應是不同的，狗能清楚地表現(xiàn)出視覺智能，能識別食物、障礙物、人類以及動物。這種不同反應我們在現(xiàn)實生活中也很常見，而既然狗能夠這么聰明地識別出不同目標，那么神經(jīng)網(wǎng)絡(luò)也能夠被訓練成同樣聰明。

因此在后續(xù)實驗中，探究人員進一步嘗試把神經(jīng)網(wǎng)絡(luò)訓練得“像狗一樣”，并讓其在不同場景中識別物體，進一步發(fā)現(xiàn)，通過這種學習方式，深度神經(jīng)網(wǎng)絡(luò)可以識別出室內(nèi)或者室外等不同場景，并且能夠理解怎樣在不同場景下行走，路線怎樣更合理，而這一學習原理顯然可以遷徙到機器人自主行走領(lǐng)域。

訓練機器讓神經(jīng)網(wǎng)絡(luò)懂得如何智能識別物體是一項艱難的任務，因為它需要大量先驗知識，這對于機器來說學習起來相當耗費時間，如今狗知道這些規(guī)則，那么人們將不必再從基礎(chǔ)來訓練神經(jīng)網(wǎng)絡(luò)，通過觀察狗的行為就能掌握這些規(guī)則。

眾所周知，如今AI技術(shù)應用上最火的是兩種，一是智能語音，二是機器視覺。但人類目前在觸覺、味覺和嗅覺領(lǐng)域這三個領(lǐng)域中的進展特別緩慢，尤其是味覺和嗅覺，屬于小眾需求，目前只有一些特殊領(lǐng)域的機器需要用到，因此整個研發(fā)投入都不足。

就機器識別而言，人是視覺動物，所以感覺視覺比較靠譜。而動物之間的識別，不一定靠視覺。嗅覺、味覺、觸覺、聽覺都有可能。比如老鼠，由于皮層無褶皺，神經(jīng)元分層也比靈長類少，視覺皮層占的比例非常小，因此只能看到鼻尖前面一點點。但它嗅覺很發(fā)達，它可以通過嗅覺來識別其他物種。

去年7月，一位尼日利亞科學家研制出了一種新型AI芯片，可以讓計算機擁有嗅覺識別能力，比如識別出爆炸物氣味等等。但是官方披露的資料的極少，至今也沒太大的動靜，估計現(xiàn)狀不容樂觀，起碼是不能做到大規(guī)模的商用。

而一旦商用，機器嗅覺將必須讓AI先看到物體這一步驟省略，直接透過現(xiàn)象窺視隱藏物體的本質(zhì)。如此一來，未來公共場合中的毒品將無處遁形。

2．動物可以開拓全新的學習機制

圖片來自公眾號視覺求索

上圖a是一只被研究人員在日本發(fā)現(xiàn)和跟蹤拍攝的野生烏鴉。它找到了堅果，需要砸碎，可是這個任務超出它的物理動作的能力。于是它發(fā)現(xiàn)一個訣竅，把果子放到路上讓車軋過去（圖b），就可以完成“鳥機交互”了。但是雖然堅果被軋碎了，但它到路中間去吃是一件很危險的事。它又開始觀察了，見圖c。最后他發(fā)現(xiàn)了紅燈停綠燈行，過馬路要走斑馬線這一邏輯復雜的機制，搞清楚之后，烏鴉就選擇了一根正好在斑馬線上方的一根電線，蹲下來了（圖d）。它把堅果拋到斑馬線上，等車子軋過去，然后等到行人燈亮了（圖e）。這個時候，車子都停在斑馬線外面，它終于可以從容不迫地走過去，吃到了地上的果肉（圖f）。

這個過程既沒有大數(shù)據(jù)訓練的，也沒有所謂監(jiān)督學習，但是烏鴉硬是解決了世界頂級科學家都解決不了的完全自主智能。這是與當前很多機器學習，特別是深度學習完全不同的機制。

那我們?nèi)绾蜗驗貘f一樣聰明呢？其實可以采用一些搜索進化算法的辦法來解決

首先我們很確定的知道，建造一個和烏鴉的腦子一樣強大的電腦是可能的——我們的大腦就是證據(jù)。但如果太難完全模擬，那么我們可以模擬出烏鴉大腦的演化過程。

這種方法叫作“基因算法”。它建立一個反復運作的表現(xiàn)／評價過程，就好像生物通過生存這種方式來表現(xiàn)，并且以能否生養(yǎng)后代為評價一樣。一組電腦將執(zhí)行各種任務，最成功的將會“繁殖”，把各自的程序融合，產(chǎn)生新的電腦，而不成功的將會被剔除。經(jīng)過多次的反復后，挑選出最接近于樣本的甚至超越樣本的電腦。

這個方法的缺點也很明顯，人類主導的演化會比自然快很多很多，演化需要經(jīng)過幾十億年的時間，而我們卻只想花幾十年時間，因此我們現(xiàn)階段具備的技術(shù)優(yōu)勢是否能使模擬演化可行還有待商榷。

電影中的杜立德博士因為動物而重拾了快樂，他們始終平等而坦誠。但現(xiàn)實生活的殘酷在于，人工智能的受益方是人，“獸工智能”也是。

文｜雷宇