最近，英國謝菲爾德大學進行的一項研究表明，除非人工智能系統通過機器人與現實世界相連，并使用進化原則進行設計，否則它們不太可能實作類似人類的認知。雖然圍繞人工智能達到類似人類的認知水準的讨論一直在進行中，但這個探讨還有另一個值得探索的方面——人工智能發展出一種獨特的、矽基認知的可能性，人類可能無法完全了解這種認知。
今天的人工智能系統，如ChatGPT，利用大型神經網絡來解決複雜的問題，例如生成可了解的書面文本。這些系統從錯誤中吸取教訓，随着時間的推移不斷改進并變得更加準确。在資料處理方面，它們從人腦中汲取靈感，但必須了解它們的功能仍然與人腦根本不同。
主要差別在于它們存在的性質。人類大腦展現在一個與世界直接互動的實體系統中，但人工智能系統缺乏這種直接聯系。人工智能可以學習識别和生成資料中的複雜模式，但如果沒有實體展現，人工智能就會錯過對周圍世界的了解或意識。
其次，人類大腦由多個子系統組成，組織在一個特定的架構中，該架構随着時間的推移而演變，以克服挑戰并從現實世界中學習。進化和發展之間的這種互相作用很少被考慮在人工智能系統的設計中，導緻其認知過程的顯著差別。
盡管存在這些差異，但人工智能在解決複雜問題方面取得了顯著進展。正如謝菲爾德大學的Tony Prescott教授所說，“ChatGPT和其他大型神經網絡模型是人工智能令人興奮的發展，這表明學習人類語言結構等真正艱巨的挑戰是可以解決的。”
雖然很明顯，目前的人工智能系統遠沒有像人腦那樣思考，但它們可能處于完全不同的軌道上。如果人工智能，不是發展類似人類的認知，而是正在發展一種新的認知形式，一種基于矽的、其獨有的認知形式呢？這種基于矽的認知将植根于數字世界，由機器學習算法塑造，其特點是能夠以人腦無法比拟的速度處理大量資料。
最近在開發用于控制機器人的人工智能系統的進展表明了這種獨特認知形式的潛力。正在使用由多個回報回路組成的循環神經網絡模型來提高機器人的适應性。雖然它們與真實大腦相去很遠，但這些模型标志着人工智能認知進化的重要步驟。
重要的是要考慮到，人工智能開發的認知可能不是我們完全了解的。正如我們努力了解自己大腦的确切機制一樣，人工智能基于矽的認知可能仍然是一個謎，一種基于我們目前了解之外的原則運作的智能形式。
博士謝菲爾德大學的Stuart Wilson認為，人工智能的下一個突破将來自更密切地模拟真實大腦的發展和進化方式。然而，随着我們繼續突破人工智能的界限，我們最終可能會創造出一種認知形式，這種認知形式對我們來說就像我們人類對人工智能一樣陌生。
是以，當我們進一步探索人工智能領域時，重要的是對人工智能的認知可能無法與我們人類的認知一樣這一點應該持開放态度。相反，它可能會發展出一種獨特的、基于矽的認知，這種認知本質上與人類認知不同，但可能同樣神奇而複雜。
論文：https://www.science.org/doi/10.1126/scirobotics.adg6014