中国6G技术都快出来了，而我们还在渴望4G

这个关于基因编码的语言能力的理论在科学界得到了广泛的接受，但是接下来有一个不言而喻的问题，“这种普遍语法实际上看起来像什么?”勇敢的研究人员很快开始发现所有人类语言的共同特性，但对于我们天生的语言能力是什么形式，仍然没有达成共识。

可以有把握地假设，普遍语法不包括具体的语法规则，但更有可能是一种基本的认知功能。乔姆斯基假设，在人类历史的某个时刻，人类发展出了执行一种简单的递归过程的能力，称为“合并”，这是我们在人类语言中看到的语法结构的属性和约束的原因。

它有点抽象，但本质上“合并”是指获取两个对象并将它们组合成一个新对象的过程。虽然这种能力看似平淡无奇，但在精神上结合概念，并递归地这样做，却是一种令人不解的强大能力，它允许我们构建“无数种层次结构的表达式”。

这一微小但至关重要的基因飞跃不仅可以解释我们的语言交流能力，而且可以得出结论，它至少部分地在更广泛的范围内对我们的数学天赋和人类创造力负有责任。这种“融合”突变发生在我们的一个祖先身上，大约10万年前，它可能是区分人类和其他动物的关键因素之一。

人工神经网络

联系乔姆斯基教授的主要原因是，笔者想听听他对人工神经网络的看法。ANNs是机器学习模型的一个子集，它以人类大脑为模型，并以类似的方式学习(通过查看大量的例子)。这些模型只需要很少的硬编码，并且可以用相对简单的架构执行相当广泛的复杂任务(例如图像标记、语音识别、文本生成)。

这种方法的一个有益例子是谷歌开发的AlphaGo Zero模型，它学会了围棋，最终被人类世界冠军击败。最令人印象深刻的是，它被训练在没有硬编码或人工干预的情况下完成所有这些，这就是“白板”(tabula rasa)。

虽然ANNs肯定不是人类大脑的完美类比，但我问乔姆斯基教授，这些模型是否表明，我们实际上并不需要硬编码的认知结构来从分散的数据中学习。

乔姆斯基正确地指出，ANNs对于高度专业化的任务是有用的，但这些任务必须受到严格的限制(尽管考虑到现代计算机的内存和速度，它们的范围可能看起来很大)。他把ANNs比作在高层建筑上工作的巨型起重机。

尽管令人印象深刻，但这两种工具都存在于具有固定边界的系统中。这一推理思路与我的观察相符:我所目睹的所有深度学习突破都发生在非常特定的领域，我们似乎没有接近人工普遍智能之类的东西。

乔姆斯基还指出，越来越多的证据表明，人工神经网络不能准确地模拟人类的认知，大脑的计算系统是相对丰富的，涉及的内容甚至可能扩展到细胞水平。

如果乔姆斯基是对的(就其价值而言，我认为他是对的)，那么深度学习研究的进展意味着什么?归根结底，人类的大脑并没有什么神奇之处。它只是一种由原子组成的物理结构，因此完全有理由相信，在未来的某个时刻，我们可能能够创造出一种具备一般智能能力的人工大脑。

尽管如此，目前的神经网络只提供了这种认知的模拟，而根据乔姆斯基的逻辑，如果我们不首先提高对有机神经网络运作方式的理解，我们就不可能到达下一个前沿。

（编辑：宣城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!