一、 五年前，总部位于伦敦的人工智能公司 DeepMind 的程序员，兴奋地看着人工智能自学玩一款经典的街机游戏。他们在一项看似 「异想天开」 的任务上使用了当今最热门的技术——深度学习——掌握了 Breakout。 这是一款雅达利（Atari）开发的游戏，在游戏中，你需要用移动下方的平板，把球弹起，然后把上方的所有砖块都打消失。 深度学习，是机器进行自我教育的一种方式；你给人工智能提供大量的数据，它会自己识别模式。在这个游戏中，数据就是屏幕上的活动——代表砖块、球和玩家平板的块状像素。 DeepMind 的人工智能，一个由分层算法组成的神经网络，并不知道任何关于 Breakout 的工作原理、规则、目标，甚至如何发挥它都不清楚。编码器只是让神经网络检查每个动作的结果，每次球的弹起轨迹。这会导致什么？ 事实证明，它会掌握一些令人印象深刻的技能。在最初的几场游戏中，人工智能只是控制下方的平板四处乱晃。但是玩了几百次之后，它已经开始准确地将球弹起了。到了第 600 场比赛时，神经网络使用了一种专业的人类 Breakout 游戏玩家使用的动作，凿穿整排砖块，让球沿着墙顶不停跳跃。 「这对我们来说，是一个很大的惊喜，」DeepMind 的首席执行官德米斯 · 哈萨比斯 (Demis Hassabis) 当时说道。「这一策略完全来自底层系统。」 人工智能，已经显示出它能够像人类一样进行异常微妙的思考，掌握 Breakout 背后的内在概念。因为神经网络松散地反映了人脑的结构，所以从理论上说，它们应该在某些方面模仿我们自己的认知方式。这一刻似乎证明了这个理论是正确的。 去年，位于旧金山的一家人工智能公司 Vicorance 的计算机科学家，提供了一个有趣的现实检验。他们采用了一种类似 DeepMind 所用的人工智能，并在 Breakout 上进行了训练。 结果很棒。但随后，他们稍微调整了游戏的布局。在一次迭代中，他们将平板提得更高了；另一次迭代中，他们在上方增加了一个牢不可破的区域。 人类玩家可以快速适应这些变化，但神经网络却不能。 这个看起来很聪明的人工智能，只能打出它花了数百场比赛掌握的 Breakout 的方法。 它不能应对新变化。 「我们人类不仅仅是模式识别器，」Vicarious 的共同创始人之一、计算机科学家迪利普 · 乔治（Dileep George）告诉我。「我们也在为我们看到的东西建立模型。这些是因果模型——有我们对因果关系的理解。」 人类能够推理，也会对我们周围的世界进行逻辑推理，我们有大量的常识知识来帮助我们发现新的情况。当我们看到一款与我们刚刚玩的游戏略有不同的 Breakout 游戏时，我们会意识到，它可能有着大致相同的规则和目标。 但另一方面，神经网络对 Breakout 一无所知。它所能做的就是遵循这个模式。当模式改变时，它无能为力。 深度学习是人工智能的主宰。在它成为主流以来的六年里，它已经成为帮助机器感知和识别周围世界的主要方式。 它为 Alexa 的语音识别、Waymo 的自动驾驶汽车和谷歌的即时翻译提供了动力。从某些方面来说，Uber 的网络也是一个巨大的优化问题，它利用机器学习来找出乘客需要汽车的地方。中国科技巨头百度，有 2000 多名工程师在神经网络人工智能上努力工作。 多年来，深度学习看上去越来越好，不可阻挡地让机器拥有像人一样流畅、灵活的智力。 但是一些人认为，深度学习正在面临困境。他们说，单凭这一点，它永远不会产生广义上的智能，因为真正像人类一样的智能，不仅仅是模式识别。 我们需要开始弄清楚如何让人工智能具备常识。他们警告说，如果我们不这样做，我们将会不断地触及深度学习的极限，就像视觉识别系统，只要改变一些输入，就会很容易被愚弄，比如，让深度学习模型认为乌龟就是一杆枪。 但他们说，如果我们成功了，我们将见证更安全、更有用的设备爆炸式增长——比如在杂乱的家中自由行动的医疗机器人、不会误报的欺诈检测系统等等。 但是，真正的推理在机器中是什么样子的呢？如果深度学习不能帮助我们达到目的，那什么可以呢？ 二、 加里 · 马库斯（Gary Marcus）是纽约大学的心理学和神经科学教授，现年 48 岁，戴着眼镜，忧心忡忡。他可能是最著名的深度学习反对者。 马库斯第一次对人工智能感兴趣，是在 20 世纪 80 年代和 90 年代，当时神经网络还处于实验阶段，从那以后，他就一直在做同样的论证。 「我不只是来晚了，而且还想在派对上撒尿，」 当我在纽约大学附近的公寓遇见他时，马库斯告诉我。(我们也是私人朋友。)「深度学习刚开始爆发的时候，我就说‘方向错了，伙计们！’」 那时，深度学习背后的策略和现在是一样的。比方说，你想要一台机器来自己学习识别雏菊。首先，你需要编写一些算法 「神经元」，像三明治一样，将它们层层连接起来(当你使用多层时，三明治会变得更厚或更深——因此是「深度」 学习)。 你在第一层输入一个雏菊的图像，它的神经元会根据图像是否像它以前看到 |
免责声明：本网站内容由网友自行在页面发布，上传者应自行负责所上传内容涉及的法律责任，本网站对内容真实性、版权等概不负责，亦不承担任何法律责任。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。
京公网安备11010802031211号