北京物流信息联盟

人工智能与量子计算,通向黑暗世界的地狱之门?(上)

岭南天问阁 2020-11-20 10:44:30


人工智能与量子计算,通向黑暗世界的地狱之门?还是通向随机世界的上帝伊甸园?

---------从量子退火计算机与深度学习的原理看黑暗世界



大热的人工智能,重新让量子计算这个神秘的超级算力设备相关的话题热了起来。熟悉这两个领域的专家,应该都知道,无论是目前谷歌alpha go人工智能背后的深度计算,还是量子计算机里第一个做到实用的Dwave 128位量子计算机,其所依赖的都是大自然的“神秘”力量:


人们无法理解深度学习学出来的模型、更无从更改和准确控制这个模型的输出,量子退火也是依靠“大自然”来模拟大自然,并不是在人类算法控制下的精确计算。


为什么有那么多超级人类担忧甚至地址人工智能,这或许就是原因之一,甚至是根本原因。下面将通过介绍人工智能(特别是深度学习)、量子计算(以目前接近可用的量子退火计算机为例)的基本管理,解释上面这个论断的原理。


因为这两个话题实在有些专业,所以,我尽量不引用教科书,尤其是那些充满了奇怪符号的公式(其实数学公式不过是换了一种语言来表达同一个意思,如果不能用人类语言描述清楚的,公式也肯定描述不清楚)。


让alpha go屹立江湖的深度计算,并不是什么新技术,她是仿生模拟人脑的神经元计算的升级版本,在60多年的AI人工智能发展史上,是众多的研究工具中的一个,其他的方法还有(不必在意这些专有名词,你可以直接跳过去):


1 Search and optimization 搜索及优化
2 Logic 逻辑和推理
3 Probabilistic methods for uncertain reasoning 不确定推理的概率方法
4 Classifiers and statistical learning methods分类和统计学习方法
5 Control theory 智能控制
6 GOFAI and languages 符号与语言


其中,模拟人脑神经元结构是最容易想到的方法,神经元的构造高中的时候我们都学过:


神经元可以抽象成连着输入与输出的黑盒子,给定一个输入(刺激),经过黑盒子后得到一个输出(反应):


用数学描述黑盒子的功能(function,咱们课本上是一个很玄的专用翻译:函数),就是仿生人工智能要干的事:


实际的神经元模型比这个稍微复杂一点,如下:



上面的图中,a1、a2、……、an是输入,  t是输出,需要计算(机器学习)的参数有w1、w2……wn、b,以及需要选择的函数类型f。


所谓机器学习,就是在已知输入 a 的情况下,找到一个能够映射到已知输出 t 的办法(f和w)。

举个栗子,把一张猫的图片输入进去,计算出来如果不是猫,就继续迭代修改参数,直到计算出来是猫。接着再给一张猫的图片,……,直到模型越来越准确。



把大量这种黑盒子串联、并联在一起,就是大脑的模型了,大脑有300亿个神经元,所以这个模拟是很庞大的,并行的数量、和串行的深度,都非常巨大。

这就是为什么,这个模型早在1943代就由沃伦·麦卡洛克和沃尔特·皮茨提出来了,但是直到21世纪后才再次焕发的原因:需要大量的计算能力,特别是并行计算能力。



至于为什么是这一组参数和这个函数,而不是另外的,没有道理可讲,没有人类可以理解的逻辑推理。


当然实际的过程稍微复杂,比如:为什么叫深度学习(deep learning)呢?因为一层模型发现准确度很差,于是增加层数:



随着模型的复杂,增加的层数越来越多:



“学习”到的大量参数,构成了这个超级黑盒子,也就是所说的模型了,由于这些参数不是逻辑推导出来的,而是一种反馈、试错、逼近的模型,当模型完成时,牵出去溜溜,结果在执行中出错(比如把美国黑人识别成了大猩猩,别笑,我说的是真实发生的),我们无法通过修改参数、来达到控制输出的目的,因为,修改参数后的输出是不确定的(未知的),也就是我们无法当场改变他的输出,只能拉回家继续大量的学习特定知识,才有可能逐步逼近、提升准确度。这就是深度学习的全部逻辑,也就是黑暗世界的来源!


对于非致命应用无关紧要,最多吃个性别、种族歧视的官司。但是,如果是一个执行任务的机器人警察或者士兵、或者干脆是个汽车,当他们在你周围活动的时候,就让人后背发凉了。当未来的机器错杀了人,我们是无法知道直接原因出在哪里的。也许有人浪漫的说:机器人三定律,机器人永远不能杀人。怎么会出现这种情况呢?问题出在:机器人怎么知道你是人?如果他认为你是一个大猩猩呢?


我们的世界,从此变成了一个量子世界:不确定的世界……


有人可能不屑一顾。如果我们看看这个星球上最智能的物种:人类,用了多少年的代价才进入相对的文明时代,不再有全球大规模的屠杀和战争。这还是建立在人类之前的动物已经进化了数亿年基础之上!


退一步,即使不用人工智能做致命的工作,深度学习目前也还有很多局限性,除了前面提到的巨大的并行计算能力,还有就是需要大量的数据”喂“她。


在最近的 AI By The Bay 大会上,Google 的人工智能研究员 Chollet说:「目前的监督感知和强化学习算法需要大量的数据,在长远规划中是很难实现的,这些算法只能做简单的模式识别。」


相比之下,人类「从很少的案例中学习,可以进行长远规划,他们能够形成一种情境的抽象模型,并 [操纵] 这些模型实现极致的泛化。


即使是简单的人类行为,也很难教授给深度学习算法。例如我们需要学习在路上避免被汽车撞上,如果使用监督学习,那就需要巨量的汽车情境数据集,且明确标注了动作(如「停止」或「移动」),然后你需要训练一个神经网络来学习映射不同的情况和对应的行动。


如果采用强化学习,那你需要给算法一个目标,让它独立地确定理想的行动。为学习到在不同情况下躲避汽车,计算机可能需要先被撞上千次。Chollet 警告说:「仅仅通过扩大今天的深度学习技术,我们无法实现通用智能。


躲避汽车,人类只需要告知一次就行。我们具有从简单少量的例子中概括出事物的能力,并且能够想象(即模拟)操作的后果。我们不需要失去生命或肢体,就能很快学会避免被车撞上。


除了大数据的局限,在应用场景和模式上,目前得到验证的领域,主要有图像和视频中的物体识别、以及语音识别等有限场景。


对于还想继续探索的读者,再科普几个概念:卷积、人工智能处理器(TPU):



上面这个图里面,用到的计算,输入a乘以参数w,也就是数组a 乘以数组 w, 是两个数列的相乘:a1x w1 + a2 x w2 +  …… +  an x wn,如果能够同时计算多个数的乘法,就叫做并行计算(又叫做矢量计算,因为所谓矢量,就是不止一个数字,两个数字能在平面上画出一条线,线就是矢量,三个数字能够在三维空间里画出一条线,也就是三维矢量。):



数组的乘法就是矩阵乘法。


什么叫卷积呢( convolution)?

从计算形式上来说,就是按照时间推移不断的求矩阵乘法。

(下面的介绍有点晦涩,可以跳过。)


输入的刺激有可能是一个波形,也就是一个随着时间变化的函数g(t),输出就是两个函数的乘积f*g(t)。


两个函数的乘积,就好比是两艘相向行驶的船随着时间的推移逐渐开始交错、叠加、分离的过程。


画到坐标里,就好像是把g这艘船对折了过来,然后再按照时间向前推移,与相对不动的f这艘船相乘再求和。也就是先对折(con)、再求乘积的和(volve)。


表达成数学公式就是:



两个矩形函数的卷积动画示意图:


卷积完成的输出是一个三角波。


据说卷积这个词是欧拉老师最先叫的,convolution的动词convolve就是拉丁语的con + volve,也就是先接触、再按照时间向前滚动。


总上,深度学习的基本运算就是矩阵乘法、卷积。


矩阵乘法AXB


两个函数的卷积


有了矩阵乘法、卷积,人工智能处理器TPU就容易解释了:TPU就是专门用来计算矩阵乘法、卷积的处理器。


对于人工智能处理器(TPU/NPU),多啰嗦几句。因为国人只要一提到各种U(处理器,比如CPU--中央处理器)就莫名的兴奋,因为一直被西方资本主义压迫,越是得不到、就越有各路江湖神仙大显神通、发明了各种U出来,汉芯、毛泽东芯、东方红1A……,在计算机时代远去后消停了一阵子,因为手机时代已经越来越少人关注啥处理器了,最多炒一炒日本屏幕、国产猫(modem)。但是进入人工智能时代后,特别是当谷歌推出了TPU后,江湖大神又开始活跃了,人工智能CPU呀、AI指令集呀,都冒出来了。


其实,矩阵乘法、卷积运算,不是新东东,图像处理里也有大量的并行数据处理,这也就是为什么GPU(图形处理器)突然在人工智能时代火了的原因。相对GPU,TPU就更加专注了,省略了GPU里的纹理处理等单元、增大了芯片内置的memory、提升数据吞吐,因为学习过程是一个数据密集型应用。


限于篇幅和时间,量子退火计算下次介绍,不过,提前剧透一下,被各路神仙捧为超时空心灵感应的量子纠缠、恐怕是一个伪科学,至少目前还无法实现吗,因为量子科学家们用公式推导出来:信息的传播无法超越光速。既然没法超越光速,纠缠的两个量子之间的信息传递、跟拉一根电话线差不多。也就无从谈起穿越时空的神学问题了。


更多热点文章,请加本公众号。


追本溯源,刨根究底,才能找到真理的源头……

寻找历史开始的地方,是历史,更是未来……

前期热点文章链接:

(1)苍天有情自何始:地球生命起源之谜(1)

(2)地球生命起源之谜(2):大分歧,三派逐鹿俱称先

(3)天地玄黄、宇宙洪荒:宇宙大爆炸理论介绍

(4)把宇宙138亿年压缩到1年: 看完怀疑人生

(5)毁三观的不是宇宙大爆炸,而是孔子春秋笔法

(6经济撕裂与文明大冲突:下一个十年的世界大趋势

(7)处理器简史:半导体巅峰,纵横四十年--(1) CPU 起源

(8)DRAM芯片战争,跨越40年的生死搏杀


更多文章,请关注本公众号:



关注本公众号请长按下面二维码,弹出菜单中选择“识别图中二维码”