最近，英国谢菲尔德大学进行的一项研究表明，除非人工智能系统通过机器人与现实世界相连，并使用进化原则进行设计，否则它们不太可能实现类似人类的认知。虽然围绕人工智能达到类似人类的认知水平的讨论一直在进行中，但这个探讨还有另一个值得探索的方面——人工智能发展出一种独特的、硅基认知的可能性，人类可能无法完全理解这种认知。
今天的人工智能系统，如ChatGPT，利用大型神经网络来解决复杂的问题，例如生成可理解的书面文本。这些系统从错误中吸取教训，随着时间的推移不断改进并变得更加准确。在数据处理方面，它们从人脑中汲取灵感，但必须了解它们的功能仍然与人脑根本不同。
主要区别在于它们存在的性质。人类大脑体现在一个与世界直接互动的物理系统中，但人工智能系统缺乏这种直接联系。人工智能可以学习识别和生成数据中的复杂模式，但如果没有物理体现，人工智能就会错过对周围世界的理解或意识。
其次，人类大脑由多个子系统组成，组织在一个特定的架构中，该架构随着时间的推移而演变，以克服挑战并从现实世界中学习。进化和发展之间的这种相互作用很少被考虑在人工智能系统的设计中，导致其认知过程的显著区别。
尽管存在这些差异，但人工智能在解决复杂问题方面取得了显著进展。正如谢菲尔德大学的Tony Prescott教授所说，“ChatGPT和其他大型神经网络模型是人工智能令人兴奋的发展，这表明学习人类语言结构等真正艰巨的挑战是可以解决的。”
虽然很明显，目前的人工智能系统远没有像人脑那样思考，但它们可能处于完全不同的轨道上。如果人工智能，不是发展类似人类的认知，而是正在发展一种新的认知形式，一种基于硅的、其独有的认知形式呢？这种基于硅的认知将植根于数字世界，由机器学习算法塑造，其特点是能够以人脑无法比拟的速度处理大量数据。
最近在开发用于控制机器人的人工智能系统的进展表明了这种独特认知形式的潜力。正在使用由多个反馈回路组成的循环神经网络模型来提高机器人的适应性。虽然它们与真实大脑相去很远，但这些模型标志着人工智能认知进化的重要步骤。
重要的是要考虑到，人工智能开发的认知可能不是我们完全理解的。正如我们努力理解自己大脑的确切机制一样，人工智能基于硅的认知可能仍然是一个谜，一种基于我们当前理解之外的原则运作的智能形式。
博士谢菲尔德大学的Stuart Wilson认为，人工智能的下一个突破将来自更密切地模拟真实大脑的发展和进化方式。然而，随着我们继续突破人工智能的界限，我们最终可能会创造出一种认知形式，这种认知形式对我们来说就像我们人类对人工智能一样陌生。
因此，当我们进一步探索人工智能领域时，重要的是对人工智能的认知可能无法与我们人类的认知一样这一点应该持开放态度。相反，它可能会发展出一种独特的、基于硅的认知，这种认知本质上与人类认知不同，但可能同样神奇而复杂。
论文：https://www.science.org/doi/10.1126/scirobotics.adg6014