作为第一代永生数字人是种什么样的感受?

来自通约智库
跳转至: 导航搜索

首页>条目>数字人

原创 Jack Ma (DigiSoul) 来自公众号:数字意识 2020-12-16

在前一篇文章(拿人手机就是夺人之魂?大哲学家怎么这么说话?)里,我们提到一部分意识能够作为大脑中央意识在头颅之外的扩展,那能否将这个中央意识也完全搬到大脑之外呢?或者说自我意识能否摆脱生物基质的束缚、作为一个纯粹的数字化的人?

说到这,我还真忍不住踢了脚边黑乎乎的铁疙瘩般的电脑机箱两脚。这以后住这儿会舒服吗?以前还笑话老几辈人喜欢早早造好自己的棺材放堂屋(这里脑补一下老几辈抚摸、把玩自己棺材的画面),咱们倒好,从家里到办公室都给自己置了好几套了。

现在问题来了,怎么把脑袋里的那点东西搬到脚边的铁疙瘩里去?这几十厘米的距离,可能就是世界上最遥远的距离了。

玩笑归玩笑。这还真有可能。不过难度有点高。还要解决两个问题,一个是怎么搬进去,第二个是怎么确保搬进去的那个“谁”是你。

咱们先来解决第二个问题。为啥?如果孙悟空费了老鼻子劲搬家最后发现里面被六耳猕猴占了,你说这是啥滋味?

怎么办?咱得学孙悟空请尊大神过来开聊。

01、有保证的意识再生

这次又请来哲学家查莫斯(David Chalmers)。为啥呢?这老小伙长得帅,一头长发相当潇洒,跟太上老君一样说话和气(笑)。当然,主要这查莫斯是意识领域的大拿(其实是刁难者),著名的“意识的困难问题”的提出者。对他来说,解决火星探索等问题都是意识的小儿科,难的是你得证明人工意识能体验到爽、痛等等的感觉。 很多人工智能意识的吹鼓手拿了各种高科技来找他理论,就是被他一板斧给劈回去了:你这玩意儿是很厉害,但证明给我看看它知道爽起来的滋味吗。这不是标准一个杠精嘛?没法,你杠不过他,全世界大部分哲学家都默默站在他这一边呢。

怎么对付杠精呢?解铃还须系铃人。你姿态放低点,学孙猴点头作揖不就行了?大拿们就这点毛病,太上老君乐意孙猴把他的狮子精收服了吗?话归正题,查莫斯果然出来对付这个六耳猕猴的问题了。他一眼看出来,你的做法次序有问题,你先复制再搬家,当然就会出现两个真假难辨的美猴王。他的方案是:别一次搬,用蚂蚁搬家的方法分多次搬,比如每次用一个硅神经元替代脑子里的一个生物神经元。一个进一个出。中间还要反复测试保证意识没有啥变化。等替换完了,这不具有原来所有的意识了吗?

我们姑且不论这技术上的可能性,起码这么一个人工意识的刁难者,也同意人类意识是有可能生存在硅基物质上的。

当时采访他的罗伯特·库恩(《他改变了中国》的作者)抖了个机灵,问查莫斯如果每次替换的时候偷偷摸摸复制了一个一摸一样的硅神经元,等你换完了,我这也有了一个意识复制品(奸笑中),你承认他有意识吗?查莫斯当时只好同意可以颁发两个意识证明,不过那个复制品跟我无关,要过来分我的房子,抢我的女旁友,那可没门。

你看,这查莫斯不仅对意识转录到硅基芯片上有信心,而且还起了戒心。

为什么我们首先要搬出哲学家来验证一下到底该怎么转录意识?就是要给出一个技术路径遴选的可靠标准。像基督教大护法,哲学家普兰丁格(Alvin Plantinga)的《有保证的信仰》,按照分析哲学的模态逻辑来证明上帝的存在和其无所不能的力量。

他那套拗口的东西我看一眼就头痛,更没那空儿整明白。但是抬眼一看,各路大佬,连内格尔(Thomas Nagel)都对他赞不绝口。怎么办?绕着走,再也不要对别人瞎BB了。可以想象原来有些被达尔文拽得左摇右晃的基督徒们自然信心倍增,临终不惑,放心去了就对了。

所以呢,没有一个有保证的信念,所有意识转录技术手段都是沙堆上的大厦。整出来的任何一个看起来、听起来、动起来都像是人的东西可能不过是哲学上的僵尸,即使它通过了图灵测试。

有了查莫斯这个标尺揣在怀里,各位就好评价市面上哪个技术路径最能够接近于实现这个意识的转移。

02、纳米级神经元

首先让我们看看查莫斯自己所说的这个纳米级的硅神经元替换手术。科学家们已经能够在体外培养动物神经细胞,并将它们和芯片相结合,做出纳米级硅基-碳基小生化人。早在2004年时,这种神经芯片已经能结合25000个老鼠神经元和60个电极。可惜目前这类产品还暂时未能植入大脑中。

如果纳米级的替换还尚有困难,那我们看看有没有功能级的替换。

03、全脑扫描

最容易能够想到的就是整脑替换了。依葫芦画瓢,将大脑复制一份不就行了?这事儿还真有人干了。瑞士在2005年启动了蓝色大脑工程(Blue Brain Project)。想法直截了当,这神经元不就是组织中的一个打工人嘛?虽然几百亿数量挺多,但架不住我那高精尖机器一顿扫。来来来,先念个定身术,让他们别动,再把大脑这个几十万层的高楼从楼上到楼下层层扫,背个相机把每个打工人的定位、样貌扫描出来。 项目进展了十多年,已经将整个老鼠的大脑扫描完了。下一步就是要研究这些打工人每天和谁聊、说啥话、想啥事、干啥活,继而推测拥有几百亿打工人的巨大网络组织怎么运转,最后还要研发出数字人来替换这打工人。

这后面剩下的每一步都非常不容易,比方说如何理解、重构神经元之间的生化电子互动反应等。早在1986年的时候,就有人给秀丽隐杆线虫做了全脑扫描,并建立了完整的连接体图谱,还获得了诺贝尔奖。但是直到现在,人们还没办法模拟出这个仅具有302个神经元的线虫的脑子。

全脑扫描也有一个好处,就是它能一次性将大脑中的记忆、情感、逻辑推理等等全部提取出来。你基本上啥也不用干,只要等到要提取的那一天,往那一躺,做一次这样的扫描就OK了。

不过,全脑替换还是躲不开查莫斯说的“意识僵尸”坑。新老大脑没有一个交接的过程,一下子全换了自然无法验证它是否具有意识。

最后,目前这个定身法是通过冷冻固化技术来实现的,所以做一次这个扫描基本上是没命了。

04 、模块化置换

纳米级更换和全脑更换都还离现实太远,那能不能逐步地把一些意识模块移植到一个新的介质上?这个新的介质就像是一张白纸,能够实现原来模块的功能。这么做就要考虑:1、用什么材料来做这张白纸?2、转录意识的哪一部分内容?3、怎么转移意识?4、如何验证这部分意识还是我的一部分?。

这里我们将大脑看成一个黑箱。意识只有在有刺激、有意愿的时候才同意输出那么一点点,相当于是盲人摸象,但是,如果摸象的盲人足够多,那所有的盲人的信息整合起来就能形成完整的意识的镜像。比方说我们的视网膜,虽然每个视感光细胞只能感受那么一点点图像,但1亿多个感光细胞在大脑的整合下,就能形成完整的图像。所以转录意识就是要尽可能地促使大脑将它储存的信息输出到记录设备上来。

下面我们看看这几种白纸系统怎么导出意识。

05、通用人工智能系统

有的人说,我的脑袋我做主,把我毕生绝学全写出来不就行了。确实,古人就这么干了,写的就是回忆录,文学、哲学思考、还有干巴巴的工作总结等等。直到今天这些古老的手艺还真是比大多数花里胡哨的东西顶用,就是你得要会写、有时间写。

另外,这写出来的东西都是静态的内容,无法和别人互动,离我们想象的自我意识差得太远。

有些懂计算机的脑科学家就琢磨了,我脑中的知识不就是一些程序嘛?编个程,把逻辑整理出来不就行了。这就是意识的计算模型的起源。目前比较流行的通用人工智能系统(Artificial General Intelligence)包括了如SOARACT-ROpenCog等等系统。这些系统就是根据我们想象的大脑如何工作来模拟的。比如说工作记忆、长期程序记忆、语义记忆等等。

通用人工智能计算模型

这个原理是不是简单又直观?没错,就是太难干了。我们要将总结出来的思考规则灌输给它;或者要像教小孩一样调教它。写书已经够难了,这在写书的基础上再编成程序;或者把一个人工意识从0岁到60岁给拉扯大,你说费不费力?所以发展到现在,它们的智能水平在专门的商业应用场景下还无法跟其它机器学习算法相比。

06、巨型神经网络

说到这里,我们又回到深度神经网络这上面来了。神经网络三教父之一辛顿(Geoffrey Hinton)对人工意识的看法相当简单粗暴:给我一个支点,我就能把地球撬起来;给我足够大的神经网络向量数组,我就能造出人工意识来。[3]辛顿早年在数量上吃老亏了,因为几十年前计算机太弱鸡,无法支持足够数量的神经元训练,神经网络在人工智能领域表现很菜。多亏了无数沉湎于游戏的网吧少年拉了他一把,让他在快退休时总算翻了盘。正是他们在显卡上的烧钱,使得显卡计算力不断提升,神经网络的神经元数量越来越多,什么下围棋、打麻将、打游戏各种碾压人类。辛顿对深度神经网络自信心爆棚,坚信大就是硬道理。

辛顿在访谈中断定人工智能会超过人类

神经网络不像别的,它是一张白纸,需要数据训练。拿什么训练?你总结出来的那一套逻辑、规则它根本不看,也看不懂。它要的是原始的数据。也就是说,你原来几十年间脑袋里的东西是你加工过了的,对它来说没用。那怎么办?要和你一起学习,一起干。然后还要模拟你对记录的事件的感受。这些感受可以通过脑机接口或者其它接口来感知。

比方说,上面提到的写回忆录来保存意识的记忆片段,如果用神经网络来干,那它就要将你的感官日志(照片、视频、音频、文字、气味等等)全部读进去,在和你一起观看图片的时候,通过脑机接口记录你看图片的大脑的反应,分析里面的人际关系,判断你是喜欢、厌恶、兴奋还是厌倦,然后在每片段影像上打上标记。这样就形成了一个巨大的数据库,里面记录着事件的时间、地点、人物、语言、情绪波动等等信息。

光是记录还远不够,大脑还要反复互动验证这些意识片段。比如大脑想要回忆一段你的初恋经历,可以从脑机接口发出指令,调出某年、某月、某事、某人的影像、知觉等等信息,然后数据库迅速检索出来,通过脑机接口的电化反应装置在大脑中播放当时的记忆和情绪(这播放器杠杠的)。这样和我们生物大脑的记忆进行比对。如果有偏差,那么就可以将数据库中的数据修正。

这个修正的过程就是一个学习、比对、验证的过程,最后“啪”地盖个章,得到我们意识颁发的一张认可证。

近20年前微软进行过我的数字生命(MyLifeBits)项目,研究者们通过挂在脖子上的连续拍摄的数码相机(SenseCam),记录了上百万张个人照片。很多人在回看这些照片时,每次都能发现全新的体验。证明了精确的机器意识对人的意识有巨大辅助效应。

07、量子意识

如果我们大脑运转没有量子效应参与,那么这个意识模型确实是可以完全由一个算法给模拟出来,例如辛顿的巨大向量神经网络。

但是2020年诺贝尔物理学奖获得者彭罗斯(Roger Penrose)觉得没有量子效应参与的人工意识都是伪意识,因为只有量子效应才有可能提供人类最为宝贵的“自由意志”。你想吧,如果什么都是算法计算出来的,活在机械决定论和宿命论的世界里还有啥意思?所以老爷子对此深恶痛绝:你矩阵、向量再大也不过是个僵尸。当然他这个微管量子理论只是停留在猜测上,到现在还没有人观测到,更别提做出一个产品。原来中科大的校长朱清时也有类似的量子意识的想法。这些玄论我们以后再展开讨论。

08、其它机器学习算法

机器学习系统远不止神经网络一家,还有很多,如强化学习、支持向量机等等,都能提供一部分专用人工智能。和神经网络一样,它们被训练出来后都变得高度专门化。就是说,一次只能干一件事情,干到极致。这里就不赘述了。

09、人工意识整合与意识接口

我们上面提到的这些人工意识系统各有优缺点。比方说通用人工智能比较务虚,能跨多领域,但没几件事情能干得很精;神经网络和其它机器学习智能相反,单干下棋、视觉识别等等一个领域很行,跨领域就懵了。那我们将它们整合起来使用不就行了嘛,把它们都接入意识接口,甚至将来可以整合尚未问世的人工量子意识。

我们听的最多的意识接口就是脑机接口。它被马斯克弄得好像很前沿,但事实上已经有很多年成熟的应用。比如说人工耳蜗,全世界有220,000多人靠它恢复了听力。

侵入式脑机接口使用起来效果真是不错。几十年前侵入式接口就能够让失明的人重新获得视觉,甚至可以驾驶汽车。但是使用起来还是很麻烦,像免疫反应、持久性、植入手术等等很多工程方面的难点需要解决,所以目前还无法普及,毕竟没太多人愿意把这东西插到脑袋里面。

非侵入式的脑机接口效果偏弱,只有侵入式的几百分之一,用起来能得到的可靠信号偏少。

普通人连这些都没有该怎么办呢?别着急,其实我们都有一些功能强大的简化版意识接口,那就是手机和可穿戴设备。虽然差那么点火候,但也还能凑合用,总比没有好啊。手机如何作为意识接口?这个我们以后再展开讨论。

10、信念的飞跃Leap of Faith

为什么说我们是第一代数字意识永生之人?在地球上碳基生命出现之后,还从未演化出其它基质上的生命。在我们这一代人之前,也没有哪一个生物具有那么多的数字技术、数字痕迹。我们生逢其时,智能设备大大地延展了我们的意识空间,使得向那最后一步跨越成为可能。许多科学家对此有着无比的信心,包括谷歌总工程师库兹韦尔(Ray Kurzweil)、认知科学家明斯基(Marvin Minsky),和物理学家加藤道雄(Michio Kaku)等等。

如何永生是一个恒久的话题。就好比是从很高的地方往下跳。边上的人都告诉你下面绝对安全、有保障,跳下去的人都很舒服、很自在的过上了美好的生活,只要你跳。可是你往下一看,我的个妈呀!啥也看不见,漆黑一片。更让人发毛的是已经跳下去的人连个响都没有,一句话也没传上来。这个时候你跳还是不跳?这就需要一个信仰的飞跃。大部分的宗教都是这个说法。另外,像身体冷冻、全脑扫描等等技术也需要飞跃,一旦错了就没有回头路。

数字意识永生的方案所采用的方法,就不需要这一跳,而像是一级一级下楼梯,虽然麻烦点,但每下一层楼,你还能有所收获,发现点新东西,比如在自己的碳基生物躯体上扩展自己心智、意识的能力,提升人生质量。

虽然往下探望也一时看不到头,但我们起码知道能在“非碳基”躯体上获得有保证的象征性的意义延续。而且随着科学的进步,在我们有生之年,部分自我意识大有可能永久地超越我们的生物极限。

这就是我们有保证的信念。

参考:

[1] T.B. DeMarse& K.P. Dockendorf: Adaptive flight control with living neuronal networks onmicroelectrode arrays, 2005

[2] White JG et al.,Thestructure of the nervous system of the nematode Caenorhabditis elegans, 1986

[3] Karen Hao, AI Godfather Geoffrey Hinton: Deep Learning Will Do Everything, MIT TechnologyReview 2020