這些例子的共同點(diǎn)是,，它們都涉及“反事實(shí)信息的產(chǎn)生”,，即在沒有直接感官信息輸入的情況下產(chǎn)生對(duì)應(yīng)的感覺,。我們稱其為“反事實(shí)”，因?yàn)樗婕皩?duì)過(guò)去的記憶,、或?qū)ξ磥?lái)行為的預(yù)測(cè),，而不是正在發(fā)生的實(shí)際事件。我們還用了“產(chǎn)生”一詞,，因?yàn)樗粌H僅是信息處理,，還是一個(gè)創(chuàng)造和測(cè)試假想情景的積極過(guò)程。在感官輸入從低級(jí)別腦區(qū)向高級(jí)別腦區(qū)流動(dòng)的單向“前饋”過(guò)程中,，感官輸入會(huì)被壓縮成更抽象的感官表征,。但神經(jīng)心理學(xué)研究顯示，無(wú)論這種前饋流動(dòng)過(guò)程多么復(fù)雜,，都與意識(shí)體驗(yàn)無(wú)關(guān),。要有意識(shí)的參與，還需要從高級(jí)別腦區(qū)向低級(jí)別腦區(qū)發(fā)送反饋,。

具備了產(chǎn)生反事實(shí)信息的能力,，意識(shí)體便可從當(dāng)前環(huán)境中脫離出來(lái)，做出非反射性的行為,，如等上三秒再行動(dòng),。要想產(chǎn)生反事實(shí)信息,，我們需要建立一個(gè)掌握了外部世界統(tǒng)計(jì)學(xué)規(guī)律的“內(nèi)部模型”,，依靠該模型完成推理、運(yùn)動(dòng)控制和精神模擬等活動(dòng),。

目前的人工智能已經(jīng)有了復(fù)雜的訓(xùn)練模型,，但還要依賴人類提供的數(shù)據(jù)才能學(xué)習(xí)。若有了產(chǎn)生反事實(shí)信息的能力,，人工智能便可自己生成數(shù)據(jù),，自己想象未來(lái)可能遇到的情況,，從而更靈活地適應(yīng)之前未遇見過(guò)的新情境。此外,，這還能使人工智能擁有好奇心,。如果人工智能不確定未來(lái)會(huì)發(fā)生什么，就會(huì)親自去試一試,。

目前已經(jīng)有研究團(tuán)隊(duì)在嘗試為人工智能配備這種能力了,，并且已經(jīng)有那么幾次，人工智能似乎做出了意料之外的行為,。在一項(xiàng)實(shí)驗(yàn)中,，研究人員模擬了一套能夠駕駛卡車的人工智能系統(tǒng)。若想讓其爬上山坡,，通常需要人類將這一動(dòng)作設(shè)為任務(wù)目標(biāo),，由人工智能找出完成該任務(wù)的最佳路徑,。但具備了好奇心的人工智能系統(tǒng)卻將山坡看成一個(gè)問(wèn)題,，即使沒有人類的指令，也會(huì)主動(dòng)尋找爬上山坡的方法,。不過(guò)該發(fā)現(xiàn)還需要進(jìn)一步研究來(lái)驗(yàn)證,。

若將“回顧”和“想象”看作意識(shí)的兩大要素，我們遲早會(huì)開發(fā)出有意識(shí)的人工智能,，因?yàn)檫@兩項(xiàng)功能對(duì)任何機(jī)器都十分有用,。我們希望機(jī)器能解釋自己做事的方式和原因。而要打造出這樣的機(jī)器,，也能鍛煉我們自己的想象力,。這將是對(duì)意識(shí)“產(chǎn)生反事實(shí)信息”能力的終極考驗(yàn)。（葉子）

相關(guān)報(bào)道:

• 巨人網(wǎng)絡(luò)停牌重組 斥資305億收購(gòu)海外人工智能公司

• 外媒:中國(guó)做了美國(guó)要中國(guó)做的 卻也遭到美國(guó)指責(zé)

• 人工智能時(shí)代該如何奪回我們的“不知情權(quán)”

• 阿里云人工智能養(yǎng)豬:要求豬跑200公里 不達(dá)標(biāo)的加練