AI仍存在局限性 复制人脑成未知

8月6日报道称，人们应用人工智能技术（AI）的所有领域，包括无人驾驶汽车、机器人医生、超过10亿中国公民的社会信用评分系统等，当前都取决于一场关于如何让AI做其不能做的事的辩论。这个曾经仅仅是学术界关切的问题，现在却关乎价值数十亿美元的人才和基础设施，以及人类的未来。

据8月4日报道，这场辩论归根结底在于目前创建AI的方法是否足够。经过一些微调和拥有足够的非理性运算能力，人们现在拥有的技术能否能够做到真正“智能”，即存在于动物或人类身上的那种智能？

报道称，这场辩论的一方，是“深度学习”的拥护者——这种方法自2012年多伦多大学三位研究人员发表了一篇具有里程碑意义的论文之后便迅速流行开来。尽管这绝非是AI的唯一方法，但是其展示出了超越以前AI技术实现程度的能力。

“深度学习”中的“深度”指的是人工神经网络中人工神经元的层数。与其生物等效物一样，带有更多层神经元的人工神经系统也能够进行更复杂的学习。

为了理解人工神经网络，想象一下空间中的一串相互连接的点，就像大脑中的神经元一样。调整这些点之间的连接强度，就粗略模拟了大脑学习时发生了什么。其结果是一个带有实现期望结果最佳路径的神经接线图，例如正确识别一个图像。

报道称，今天的深度学习系统与人们的大脑不同。充其量，它们看起来就像是视网膜的外层，在这里只有很少几层神经元对图像进行初步处理。

这样一个网络不太可能完成人类大脑有能力完成的所有任务。因为这些网络并不像一个真正智能的生物那样了解这个世界，它们很脆弱，并且容易混淆。在某种情况下，研究人员可以通过仅仅改变一个像素来“欺骗”一个流行的图像识别算法。

报道称，尽管存在局限性，深度学习推动了图像和语音识别以及机器翻译领域“金标”软件的发展，并且帮助其在棋类游戏中击败了人类。这也是谷歌的定制AI芯片和AI云服务以及英伟达公司的无人驾驶汽车技术背后的重要推动力。

AI领域最具影响力的人物之一、谷歌大脑和百度公司AI部门前负责人吴恩达说，有了深度学习，计算机应当能够完成普通人在1秒钟或是更短时间内能够完成的任何脑力工作。自然，计算机应当能够甚至比人类完成得更快。

报道称，这场辩论的另一方，是包括优步科技公司AI部门前负责人、现任纽约大学教授的加里·马库斯在内的一些研究人员。他们认为深度学习远远不足以实现人们被承诺的结果。例如，其永远不可能夺走所有白领的饭碗，或是引领我们走向一个实现完全自动化的辉煌未来。

马库斯说，获得“一般智力”（要求具有思维、自主学习和构建对世界心理模型的能力）超出了当今AI的能力范畴。

马库斯说，想要令AI更进一步，“我们需要从自然中汲取灵感”。这意味着需要提出其他类型的人工神经网络，以及在某些情况下，赋予它们内在的、预定程序的知识——就像所有生物与生俱来的本能一样。

多伦多大学机器学习专业助理教授戴维·杜弗诺说，许多研究人员都赞同这一点，并且正在致力于补充深度学习系统，以克服其局限性。一个集中研究的领域正在确定如何从一个现象的一些事例中学习——而不是深度学习系统通常要求的数百万个事例。

报道称，研究人员也试图赋予AI构建对世界的心理模型的能力，婴儿甚至在他们的第一年就能完成这样的事。因此，尽管一个曾经“看”到过100万辆校车的深度学习系统可能会在第一次看到一辆颠倒的校车时无法辨认，但是，一个对于校车构成（即车轮和黄色底盘等）有着心理模型的AI系统，将能够更容易的辨认出一辆颠倒的校车。