Google要向我們證明,AI機器人真的能像《西方極樂園》中那樣進行自主推理
Google要向我們證明,AI機器人真的能像《西方極樂園》中那樣進行自主推理
2016.10.13 | Google

如果真的可以讓機器人如熱門影集《西方極樂園》中那樣進行「自我覺醒」,你願意賦予他們權利嗎?

而現在,我們甚至還沒來得及思考,Google的超級團隊DeepMind就再一次證明,機器人的「自主推理」時代即將到來。

《西方極樂園》-westworld_hbo_tv_show.jpg
圖/ 《西方極樂園》劇照

具備推理能力的Google AI程式

據英國衛報報導,Google的科學家們最近又在實驗裡開發出了一套新的人工智慧系統,它可以利用簡單的推理能力對地鐵線路進行自主導航。

導航任務,一款簡單的app就可以完成,但推理?或許只有靈長類生物才能做到。

除了「推理地鐵線路」,這個計算機系統也能夠圍繞一些具有邏輯性的故事片段來回答問題,甚至可以根據一張家譜來判斷一個人的家族關係。

因此,科學家們預測:在未來,同樣的方法可以塑造一個更加聰明的虛擬助手——它不僅僅可以瞬間衝入網路的海量信息中搜尋答案,還能夠在「理解」問題的層面上進行精準回答。

德國不萊梅大學的一位計算機科學家Herbert Jaegar因此表示:

「我認為這可以被描述為一種理性推理能力。機器人的任務將包括規劃及構建信息模塊並將其重新排列組合。」

儘管任務本身看起來相對簡單,畢竟任意一款智慧手機的app都可以輕鬆為你按照地鐵示意圖規劃路線。然而,這項方案獲取結果的方式卻讓人印象深刻。實際上,這是全球第一種將外部記憶裝置(就是儲存器)與深度學習技術相融合的方案之一。在此基礎上,系統完全可以在不被人類預先設定規則的前提下學習如何獨立完成任務。

神經網絡與深度學習的強勢結合

儘管普通電腦可以處理各類複雜形式的數據,但卻需要開發者手動寫程式來執行這些任務。與此同時,人工神經網絡雖然可以像大腦一樣進行學習,從數據中識別模式,但其缺少儲存架構,無法對結構化數據進行符號處理。

由此,Google的DeepMind團隊開發了一個叫做「可微分神經網絡電腦」(DNC)的AI系統,將神經網絡與一個可讀寫的外部記憶裝置結合起來,克服了神經網絡無法長期保存數據的缺陷。

但他們認為,雖然這項工作標誌著智慧機器的增量式升級,而卻不是深度學習的「完全離場」:

「對於『Google有一台可以進行推理的機器人』這種說法我們會非常謹慎。儘管我們相信,一款升級的儲存器將是機器具備推理能力必不可少的組成部分。但現在還很難與之前的技術劃清界限。」

在研究過程中,這個新專案被Google發表在《自然》雜誌上。在文章裡Google舉了若干個應用實例,譬如集成後的深度學習技術能夠自動發現兩個地鐵站之間最短的路線。如果你帶著它走一遍,它都會立刻根據「推理」喊出你要到達的目的地。

此外,如果給出一段故事,譬如「約翰正好在操場上,他拿起了足球」這個場景再隨口問出一個問題「請問足球現在在哪裡」,這對於Google的新系統來說完全是小菜一碟,但現有的電腦系統卻很難做出選擇。

這頗有一種外國學生在漢語大賽中被邏輯問題難倒的味道。也暗示未來像蘋果Siri這樣的小助手或許將被更複雜的Google虛擬助手所替代。

同樣,Graves也強調,儘管這個關於故事的小任務對於人類來說簡直微不足道,甚至一點兒都不像一個問題,但現有的計算機程式基本沒有做到這一點。而Deep Mind開發的這套新程式在回答這類問題的準確率卻高達96%。

擁有記憶的機器人是否將成為一種新的AI發展趨勢?

Prof Geoff Hinton被譽為「深度學習之父」,也是Google的頂級技術專家。這位英國科學家曾表示,深度學習的「大門」已經為世界上更複雜的任務打開,其應用的廣泛性已經遠遠超出了我們的想像:

「直到最近,人們才意識到深度學習技術的應用方式可以幫我們開發出一套具備『推理意識』的電腦系統。」

不得不說,深度學習技術在近年來迅速攻占了所有科學任務的應用策略——無論是語言翻譯、圖像與語音識別,還是大名鼎鼎的Alpha Go及各類仿真機器人,你都能看到它們的影子。

然而,直到目前為止,單看一項技術的應用似乎還不錯,但如果某項任務需要一種集成性解決方案,這些技術的整體表現仍然不盡人意(例如導航,再如無人駕駛)。

而Google這種透過添加外部記憶裝置推出的最新方案,其設計目的就在於暫時儲存那些重要的信息片段,在需要時將其挑選出來,進行各種信息組合。換句話說,「推理」的一個關鍵前提就是記憶。

其實這就好比是一個人類大腦中盛放了工作記憶的短期資料庫。當我們要做一項任務時,就會按照以往的經驗(記憶)列出做這件事的前後步驟。當然,你也可以把它當作某份食譜。

Jaegar表示,從最近AI的研發熱度來看,這些十分耗費DeepMind心力的成果應該被視為一種催化劑或一根至關重要的稻草,將引發更多後續效應。他強調,未來計算機的各項功能將不再被那些邏輯性較強的任務所束縛,人們或許會很快看到它在導航等領域的廣泛應用:

「誰說計算機先天就有一種內在性限制?實際上,每個有腦生物能夠完成的事情都可能擁有一套有跡可循的物理系統。計算機與人類行為的趨同性非常明顯,甚至已經優於人們的執行力。我只能說,剩下的僅僅是資金與時間問題:人們是否願意花費成千上百萬的資本來開發這些東西。」

然而,一些具備鮮明立場的科學家們也總是在提醒我們關於AI帶來的生存威脅。像是著名物理學家霍金甚至曾警告過:

「一旦人類開發了人工智慧,他們將以一種持續增加的速率不斷進行自我更新,並最終脫離我們的掌控。」 (不知道霍金是否看過《西方極樂園》,與其設想幾乎一致)

但DeepMind創辦人Demis Hassabis去年也曾有意弱化科學家們的這種擔憂:

「等到我們真的需要去擔憂一門新科技時,大概應該是幾十年以後吧。」

本文授權轉載自:36 氪

關鍵字: #Google #人工智慧
往下滑看下一篇文章
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點

從生成式AI訓練、推論,到代理式工作流程(Agentic Workflow)與未來的實體AI,資料流量正以指數級成長,讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出,AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力,加速「Computational Memory」等新架構興起;在這波浪潮中,深耕記憶體與儲存技術數十年的美光科技,正與關鍵夥伴展開深度協同設計,包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術,在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角,記憶體為何躍上AI舞台中央?

過去,半導體的焦點多圍繞在晶片,例如CPU、GPU跟AI加速器等,市場普遍認為,晶片運算能力是左右科技產業發展速度的關鍵,但在進入生成式AI世代後,產業逐漸發現另一個事實:真正限制AI效能的瓶頸不是運算,而是資料能否快速被存取與傳輸。

從大型語言模型訓練,到AI推論、代理式工作流程(Agentic Workflow),甚至未來的機器人與自駕車,龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求,讓記憶體產業從過去相對標準化、以價格競爭為主的市場,逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現,大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為,記憶體是突破(頻寬)瓶頸的關鍵,也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察,也正是Mike在歷經二十餘年的儲存產業資歷,加上四年半的創投生涯後,選擇加入美光的核心原因之一:在AI重塑產業結構的浪潮下,記憶體將成為這波成長最直接的動能所在。

美光 x 數位時代
美光科技全球業務執行副總裁 Mike Cordano
圖/ 數位時代

從零組件供應商到策略夥伴,記憶體共創時代來臨

AI的崛起,正在改變記憶體廠商與客戶的關係。

過去,記憶體產品多是標準化元件,客戶關注的是價格、供貨與規格;合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大,從資料中心、雲端平台到終端裝置,記憶體已經成為決定系統效能的重要關鍵,也因如此,越來越多企業將記憶體視為「策略性資產」,而非單純零組件。

Mike表示:「現在,我們跟客戶合作的時間跨度改變了,在產品正式上市前三到四年便開始合作,從系統架構階段就共同規劃未來需求。」例如,美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體,便是雙方提前多年展開深度合作(co-design)的成果。

值得特別注意的是,美光科技除從技術層面與晶片製造商等夥伴共創產品,也在需求層面與客戶進行密切合作,例如,將過去較無約束力、期限僅一年的長期協議(LTA)轉變成為期五年、條款更具約束力的策略性客戶協議(SCA),藉此掌握客戶的未來需求,進而在技術層面做更深度的合作。Mike坦言,深度協同設計是高成本的投入,美光的做法是先廣泛進行市場感知,理解不同場域的需求方向,再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向,AI浪潮重寫記憶體成長模式

除了合作模式改變,更大的典範轉移是需求的改變。

Mike解釋,過去記憶體需求跟PC、手機跟伺服器出貨量息息相關,但在AI新世代,推動記憶體需求成長的核心不再是設備數量,而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式,每一次的模型運算都需要消耗大量的記憶體跟儲存資源,這意味著,即使設備銷量成長趨緩,記憶體需求仍可能持續上升。」

更重要的是,AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域,儘管不同場域對記憶體的需求不盡相同,但是,Mike認為:所有AI裝置都存在三項共同需求:更快的速度、更大的容量,以及更高的能源效率。

正如Mike在受訪時提到的:「我們最大的挑戰,是如何與客戶和整個生態系保持高度一致,一方面創造供給與產能,另一方面持續推動技術創新。」可以預期,在接下來的五年,記憶體產業面臨的挑戰不僅僅是擴展產能,而是如何與客戶共同規劃需求、同步投入技術創新,而這也是美光科技積極經營AI生態體系的原因。

總的來說,AI帶來的改變,不只是算力提升,而是重新定義整個運算架構:過去,記憶體被視為支援運算的基礎元件;現在,則是決定AI效能、能源效率與創新速度的關鍵資源;當產業競爭從晶片性能延伸到資料流動效率,從裝置數量轉向Token消耗量,記憶體的重要性也將隨之水漲船高,對美光科技來說,這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓