阿西莫夫与机器学习(2)

《机器人短篇系列》原书
在阿西莫夫的机器人短篇《列尼》中，我第一次注意到阿西莫夫对机器人学习的能力的思考
。列尼就是Lenny，一个在设计时被偶然混进几行无意义代码的机器人，失去本应具备的功能——作为在小行星带开采硼矿的LNE型专用机器人。Lenny刚诞生时的状态与人类的儿童十分相似，它被一位创造它的女性机器人心理学家凯文视作自己的孩子对待，并试图教它语言。但意外发生了，Lenny竟然违背了机器人第一定律，袭击了一位工人并使其断了一条手臂。凯文据理力争成功保护Lenny，而这时机器人的第一句话说出来了——
“妈咪，我要你!我要你，妈咪!”……
故事在此处戛然而止。
实际上，阿西莫夫是将普通的、用于特定用途的机器人当做了彻彻底底的“机器”。而“机器”获取“学习”的能力以后，就成为了真正意义上的“机器人”。值得强调的是，这里的学习能力是泛化
(generalization)的，即不只具有对某一个具体问题的学习能力，而能够应付千变万化的谜题。
根据NFL
(No Free Lunch)定理
，机器学习面临的最大困难在于，一个普通的学习算法不可能广泛地适用于各种各种的现实问题
。“考虑所有潜在地问题，则所有的学习算法都一样好”。
可以看出，目前的机器学习有些剑走偏锋
：人们集中于建立“模型”
，而不思考如何把“建立模型”
的能力赋予给机器，以至于产生特定算法只能适用特定场景的状况。这样的机器学习最终也能获得成功，想象一下，我们若建立了足够多的模型，以至于任何一个能想到的问题都能找到一个对应的模型，那么就根本不需要“建立模型”这种能力了。
也就是说，足够大的“模型”集，能够暴力地代替“建立模型”的能力
——这就是算法学中常说的“以空间换时间”。并且，如果从现实应用的角度来说，实际并没有那么多问题亟待解决，甚至大部分已知的问题都可以算作无关紧要的，那么建立“模型”集就更有用武之地。
说到这里，我想起“图灵测试”，几乎是一样的道理——通过人工的提问，来检验机器。对于现实中的图灵测试，这些提问无论有多少，一定是有限个，它们的排列组合也一定是有限个，那么答案的集合也必定是有限的，因此通过“以空间换时间”的手段，一定在有限的时间内能够实现机器通过现实
图灵测试
。几乎所有的现实问题都可以通过“暴力”的方式解决，同时我们离理想也就越遥远；也许只是通过初等技术的积累，就可以实现以假乱真的“人工智能”，但作为真正的探索者，又岂会甘心于此呢？
但若要谈“机器人”的“人”，人除了学习的能力，还有“人性
”的特点
。
谈到机器人的人性化，在机器人系列另一篇短篇《保证满意》里面，描述的场景令人不得不联想起英国的一部科幻剧《黑镜》（每一集讲述一个独立的科幻故事），其中有一集“Be right back”（S02E01），与《保证满意》十分相似。