分类： 学术

作为一个物种，人类智能（human intelligence）正在向通用智能(general intelligence)的方向发展，不是吗？— David 9

最近看到Yann LeCun 的播客访谈，聊到人类智能，LeCun认为人类智能是非常specific的（具体的而远非“通用智能”）：

是的，为了在大自然长期生存下来，我们的祖先更关心与生存密切相关的东西。我们的视觉有盲区，行为有太多模式，我们的内在“世界模型”也不“通用”（general）。

人类经常以为自己能应对世界的复杂变化，这只是他们一厢情愿的世界观，事实上，多数情况他们只能勉强应对（在自己构建的“世界模型”的舒适区）。

但这，足以支撑普通人的正常生存（即使他们用自以为用完整通用的智能应对一切）, 原始人主要任务是擅长打猎就行(其他的复杂因素如天气可以用“神”来补充世界观):

工业时代为了生存，人类甚至可能沦为机器的奴隶：

所以，

与其说人类是通用智能，不如说我们是基于生存的智能 — David 9

David同意人类的局限是明显的，但借助外部工具如AI，人类正在变得越来越general，看到很多看不到的东西，这种人与机器的“互补智能”是未来不可估量的（有机会下次展开）。拉回到主题: 

人类智能本身, 其实也有一个秘密武器：”自监督”学习。

那么究竟什么是自监督？

首先，自监督是有监督学习！哪怕目前缺少有标注的samples，他也会想办法加上一些假的（pseudo）label ，或者用其他间接的方式得到比较可信的label。其次， 继续阅读【独家】深入了解自监督学习(self-supervised learning)，David 9的番外篇

不用担心机器没有逻辑，担心机器没有人类的逻辑 — David 9

所谓人类的逻辑思维，是一个很弱的概念，这和人类一直处于一个开放的复杂环境有关。“如果明天天气很热，我要买个大西瓜”，虽然你心里这么想，但当你明天遇到更诱人的椰子或者冰激凌，你会马上抛开这个想法。如何模拟人类这种快速迭代的弱逻辑，而在必要的时候使用强逻辑，或许是个超级难题。

但如果退一步，仅仅研究类似数独，拼图等强逻辑任务，神经网络已经提供了比以往更好的解决方案，最近卡内基梅隆(CMU) 的SATNet, 和google的PrediNet就是两个很好的例子。SATNet 和 PrediNet都已经做到了端到端的网络（神经网络的扩充）。

我们知道在强逻辑领域，数学上都可以归结为SAT（命题可满足性）问题，SAT问题中最常见的就是MAX-SAT(最大可满足问题)，如下：

无论你给上式两个变量如何赋值，命题推演后你会发现上面的命题不可能为真（True）。现实中还有更复杂的强逻辑问题，如数独：CMU的SATNet就研究了解答上述复杂SAT问题的神经网络方案。与其说是神经网络， 继续阅读【独家】深度学习可以有人类逻辑吗？如何建模逻辑思维？SATNet， PrediNet，深度学习的逻辑思维现状