著名作曲家史蒂芬·施瓦茨(Stephen Schwartz)在琴鍵上看到了色彩，傳奇歌手多莉·艾莫絲(Tori Amos)說自己的歌曲是光怪陸離的圖像，法國詩人阿瑟.里姆堡德(Arthur Rimbaud)將顏色與元音聯(lián)系在一起。這些人都有聯(lián)覺——一種感覺混合的狀態(tài)。聯(lián)覺者可以品嘗顏色、聽見材質(zhì)、聞到形狀。這種情況鼓舞了研究感覺和知覺之關聯(lián)的工作者。

[[313706]]

了解知覺工作的機理后，研究者可以更好地理解人類如何感知語言、“有意識”是什么意思，以及大腦如何處理感覺。理解感覺與知覺之間的聯(lián)系能幫助AI研究者建立更精準的AI模型，用更少的數(shù)據(jù)執(zhí)行更復雜的任務。這也是“感知機器”或“有意識的機器”的基礎性研究。

據(jù)估計，僅在美國至少就有約4%的人有聯(lián)覺。聯(lián)覺有50多種不同形式。有趣的是，報告顯示許多成年后不具有這種“混合”感覺的人，幼兒時期卻有這種經(jīng)歷。研究證明，在嬰兒的大腦里有一種“模糊”狀態(tài)，里面的感覺區(qū)域有許多交叉激活的神經(jīng)連接。

很多人在嬰兒時期可能都有聯(lián)覺體驗，但長大后卻失去了這種能力。研究表明，在大腦發(fā)育成熟時，人類的感知會更加具體。

另外，在有聯(lián)覺經(jīng)歷的成人的大腦里，感覺處理區(qū)域的物理連接比常人更多。大多數(shù)人在成年時期沒有聯(lián)覺經(jīng)歷，可能只是因為這種能力隨著成長被遺棄，這一部分能力因此受到抑制。

如何感知語言

現(xiàn)在，說起語言研究，人們經(jīng)常想到語義學或?qū)ψ衷~句以及符號的含義解釋。但有聯(lián)覺的人卻能經(jīng)常看到特定顏色的字母。語言可以激發(fā)強烈的特定情緒和聲音。有聯(lián)覺的作家常在其作品中使用非常強烈的隱喻，因為這些隱喻在他們的真實生活中確實經(jīng)歷過。

語義上衍生出來的隱喻幫助有聯(lián)覺的人儲存記憶并產(chǎn)生更多聯(lián)想。研究表明，這些人學習語言的速度更快。

目前，AI系統(tǒng)，尤其是自然語言處理系統(tǒng)的主要關注點是語義。但語義并不是語言學習的全部內(nèi)容。一個可以理解隱喻的系統(tǒng)不論在連接語言概念還是推理附加含義方面都很強大。

何謂“有意識”?

維基百科對“意識”的定義是：“對內(nèi)部或外部存在的感知或意識”。一直以來哲學家和心理學家對“意識”都抱有極大趣味。大部分學習是在人有意識的情況下發(fā)生的。而自我感知意識強烈的人往往生活得更好。

說起AI領域中的“意識”，人們通常關心機器能否發(fā)展意識，以及意識能否幫助機器更好地學習。

其中一個研究領域是圍繞意識的神經(jīng)關聯(lián)展開的(或者說找到體驗與大腦活動之間的關系)。一些技術如EEG(腦電圖)和fMRI(功能磁共振成像)能夠檢測這種關系。研究聯(lián)覺者與非聯(lián)覺者之間的差異，可以揭示負責大腦高低層間動態(tài)交互的定位和網(wǎng)絡。

如果可以識別出意識間的神經(jīng)關聯(lián)，理解機器能否發(fā)展意識以及意識能否真正幫助人類更好學習便有更大可能性。

聯(lián)覺者將甜味識別為“紅色”，他們對紅色和甜味的體驗都與非聯(lián)覺者不同，其中可能涉及不同的神經(jīng)相關性。這種差異為探索意識的潛在機制打開了大門。

認知如何幫助人類學習?

聯(lián)覺的相關研究表明，聯(lián)覺者的學習方式與非聯(lián)覺者不同。前者在分類方面更為優(yōu)秀。例如，聯(lián)覺者可能這樣描述他們的生活：如“藍色星期一”、“黃色星期二”等。這些描述取決于活動本身以及相關的情感。將生活分為這些大類后，他們可以記住一些細節(jié)，如星期一上芭蕾課以及當時的情緒等。

這種學習方式可以是有意識行為，也可以是無意識行為。使用聯(lián)覺作為學習策略常發(fā)生在有創(chuàng)造力的學習者身上以及更強烈的語言認知和視覺認知方面。研究表明，聯(lián)覺者能否學會使用這種學習策略取決于其“混合感覺”，他們可將這種學習策略應用于他們所面臨的其它問題上。

對AI的影響

聯(lián)覺者通過分類以及將事物與符號相關聯(lián)的學習方式與神經(jīng)符號AI相似。神經(jīng)符號AI(Neuro-symbolicAI )不是一個新概念。20世紀50年代到80年代，符號AI是AI研究的主流。AI研究被視作形成世界的內(nèi)在符號表征、創(chuàng)造并應用規(guī)則以處理概念。它基于邏輯。神經(jīng)符號AI的一個例子是SIR(SemanticInformation Retrieval，語義信息檢索)。這是一種能從少量邏輯陳述中學習并形成結(jié)論的系統(tǒng)。

將神經(jīng)網(wǎng)絡與神經(jīng)符號AI的力量相結(jié)合是下一代AI的發(fā)展方向。通過將世界分解為符號，神經(jīng)網(wǎng)絡可以幫助符號AI系統(tǒng)變得更智能。而符號AI算法有助于將常識與專業(yè)知識融入到深度學習中。

這使AI執(zhí)行復雜任務成為可能，如無人駕駛以及用極少量數(shù)據(jù)進行自然語言處理。

結(jié)論

通過探索神經(jīng)符號AI和深度學習的交叉點以向更復雜的AI系統(tǒng)發(fā)展時，理解聯(lián)覺者如何感覺、感知和學習將塑造新一代AI。