返回第一卷少年游 第一百三十四章感知  燕归来首页

关灯 护眼     字体:大 中 小

加入书签 上一页 目录 下一页

请认准"下载楼"官方域名 http://www.daxingwx.net
    第一卷少年游 第一百三十四章感知 (第2/3页)

    有人说可以从视觉估计。

    “估计当然可以。那如果照片里从没出现过这种材料?”

    下面没人答。

    老师又放了一段婴儿伸手碰桌上杯子的短视频。没有声音,只有一只小手反复把杯子往前推,杯子第一次没倒,第二次转了一点,第三次掉下桌面。老师没有把婴儿和机器粗暴等同,只说一件很朴素的事:很多关于世界的知识,不是旁观得到的,而是在行动中被验证。视觉告诉你“像什么”,动作会逐渐告诉你“它会怎样”。

    原既白脑子里突然出现一个问题。

    如果一个模型只从别人留下的数据里学习,它理解的是世界,还是“别人已经行动过以后留下来的世界”?

    他在本子上写了一半。

    停住。

    这问题太大,而且现在说“理解”本身就没有定义。他把后半句划掉,只留下:

    **被动数据/行动产生的数据。**

    老师已经讲到另一层。

    行动并不天然带来更真实的知识。机器人撞一次墙,只知道某个速度、某个角度、某种材料下撞不过去;如果因此得出“所有类似颜色的平面都不可穿过”,那只是从一次经验长出一个过大的结论。行动让数据与因果更近,却仍然需要表示、泛化和反事实。一个系统不仅要记住“我做了A,随后出现B”,还要逐渐区分:B真的是A造成,还是刚好同时发生?换一个环境,A还会不会导致B?如果不做A,会怎样?

    报告厅里开始出现更多笔记声。

    这些概念已经越过普通新生课程,却没有难到无法跟。老师有意避开太多公式,真正技术边界只点到为止:部分可观测、状态估计、预测误差、探索与利用、因果干预、长期记忆。每个词后面都可能是一整门课,他不展开,只让大家看它们为什么会从“一个东西要在世界里活着行动”这个问题里自然长出来。

    原既白第一次觉得,人工智能和他过去想的有一点不一样。

    不是那些知识错。

    算法、模型、计算、优化仍然在那里。

    但如果智能只被放在屏幕里,任务已经由人定义,数据已经由人收集,输入输出边界也由人提前切好,那么很多最麻烦的问题其实被世界替你解决了。真正让一个系统进入现实,不只是给模型装上轮子和摄像头,而是让它开始面对那些原来隐藏在数据之外的东西:传感器会坏,地图会旧,人会临时改变主意,环境会变化,一个动作的结果未必可逆,某些错误不是重新运行一次就能恢复。

    他想起奶奶认错楼。

    这个念头出现得突然,以至于他几乎立刻想把它压回去。

    但它没有完全消失。

    家里贴一张六桌合照,实际上也是给奶奶的环境里增加一个可识别的线索。那张照片最初有效,后来慢慢褪色,老人也可能开始忽略。同一条回家路径,对年轻人来说几乎不需要思考,对一个记忆开始变化的人却需要完全不同的信息。所谓“环境足够清楚”,从来和谁在使用它有关。

    原既白没有在笔记里写奶奶。

    只看着台上的图。

    第三位讲者没有任何技术演示。

    她来自一个做认知与机器人交叉研究的小组,年纪大概三十多岁,上台以后第一句话是:“前面两位都在讲怎么让机器更懂世界,我想讲一个相反的问题——不要太快说它懂了。”

    她放出几段机器人完成任务的视频。

    第一段非常顺利。机器人听到“把红色方块放进左边盒子”,识别、抓取、放置,一次成功。第二段把两个盒子换了位置,仍然成功。第三段只改变桌布图案,机器人却开始连续抓错对象。

    如果只看第一段,很容易得到“它理解颜色、对象、左右和指令关系”的印象;加入几个环境变化以后,真正支撑成功的可能只是训练环境里某些人没有意识到的相关性。

    “行为成功不等于内部原因是你以为的那个原因。”

    她说这句话时,没有刻意加重声音。

    原既白却听得很清楚。

    这和考试有一点像。

    一个学生做对一道题,可能是理解,也可能是见过,也可能只是恰好猜中;一个模型在标准环境里持续成功,也可能通过完全不同的捷径实现。真正困难的是怎样设计变化,让那些捷径失效,逼出系统是否保存了你关心的关系。

    讲者又展示一个更有意思的实验。

    桌上有几种从未见过的物体,系统被要求按照一个新规则分类。第一次它错得很多,研究人员给少量反馈以后,很快学会。但当物体颜色和形状之间的相关性被打乱,准确率再次下降。讲者说,这类问题最后会不断逼向“表示”——系统内部究竟把什么当成稳定关系,什么只是一起出现。

    江遥如果在,大概会喜欢这一段。

    这个念头比刚才强。

    原既白拿手机拍了那张实验图,但没有立即发。

    讲座中途休息十分钟。

    罗野起身去看那台小车。周围已经围了七八个人,有人问电机,有人问传感器型号,也有人想知道为什么不用更好的激光雷达。罗野站到旁边听了一会儿,回来时说实验室的人很抠,这个传感器精度放到商业机器人上早该换。

    “那为什么不换?”原既白问。

    “说教学演示够。”

    原既白看了一眼那台不断积累误差的小车。

    忽然觉得“够”这个词开始变得很重要。

    过去他容易把更精确、更完整、更高性能当成自然方向。现在越来越多事情提醒他:任何系统都必须相对于目的谈“够不够”。高一时这会让他不舒服,因为目标一旦变化,标准也变化,似乎失去统一性;现在他倒越来越能接受,局部适用并不等于没有原则。

    后半场改成自由讨论。

    最先的问题还是技术:现实世界学习怎样保证安全,探索会不会撞坏设备,模拟器能不能代替真机,怎样处理稀有事件。几位老师彼此也不同意。自动化系老师更愿意先在模拟环境里把大多数危险情况跑掉,再逐渐迁移;计算机系那位老师强调模拟环境本身也是模型,最危险的恰恰可能是模拟里不存在的东西;认知方向讲者则说,安全要求越高,系统允许主动探索的空间越小,这不仅是工程约束,也会改变它能学到什么。

    一个高年级学生问:“那是不是最终一定需要一个足够完整的世界模型?”

    计算机系老师没有马上回答。

    “什么叫足够完整?”

    学生说至少要能预测行动结果。

    “预测多久?”

    “五秒?十秒?”

    “那做长期任务呢?”

    学生停了一下。

    老师继续问,如果机器人要穿过房

    (本章未完,请点击下一页继续阅读)
请认准"下载楼"官方域名 http://www.daxingwx.net

加入书签 上一页 目录 下一页