按上方蓝字关注“硅星人”，带你看不一样的硅谷！
IQ 的 I ，并不是 AI 的 I
生活在一个AI“泛滥”的时代，我们几乎每天都能看到 AI 研究上的最新进展。
昨天，AI 打 DoTA 战胜人类了；今天，AI 能自己找路了；明天，AI 能假冒人类打电话了。
在担心 AI 会灭掉人类的人们眼中，AI 正像一只怪物一样野蛮生长，像一只侵略军一样从远方大跨步逼近。
然而实际上，你所看到的这些进展，只是不同的 AI 在特定方向的进步。虽然当前基于深度学习的 AI 热潮已经有五六年了，还是没有一个独立的 AI，像一个独立的人一样，能够优秀地执行多种任务。
人们在形容 AI 时，通常会用这样一种说法：这个 AI 的智商，跟三岁小孩差不多。
智商 (Intelligence quotient) 简称 IQ，是评价人类智商一个普遍接受的标准 。你有智商，我也有智商，就连三岁小孩也有智商。接下来问题来了：既然说 AI 跟三岁小孩差不多，那么它的智商到底有多少呢？
得给 AI 测测智商了。
自 AlphaGo 横空出世以来，AI 在解决一些复杂的、策略性的问题上，能力已经得到了证明。但如果想要更像“人”，AI 必须也拥有像人类一样的抽象理解能力。
而如果你小时候不幸被父母带去少年宫测过智商，应该还记得那些题吧？
比如有几个数列在一起，中间空了一位让你填的：
也有下面这种图形演进变换的：
科学不科学先不说，这些智商测试题的意图还是很明显的，主要就是为了检测小朋友在计算、逻辑推理还有抽象理解等方面的能力。
给 AI 测智商也一样。只不过现在的 AI 计算能力不用说了，推理能力也很强，所以只剩抽象理解能力了。Google 旗下的 AI 科研机构 DeepMind 认为，“基于神经网络的机器学习模型取得了惊人的成绩，但想要衡量其推理抽象概念的能力，却非常困难。”
为了搞清楚现在的 AI 在抽象理解能力上究竟实力如何，DeepMind 还真给 AI 设计了一套测试题：
（论文地址 http://t.cn/Rdd9eDZ 点文末的“阅读原文”也可以看到）
这套测试题，借鉴了人类的 IQ 测试里著名的瑞文推理测验：给定一组图片，找到符合其“演进”规律的图片。
（图片来源：DeepMind 论文）
在这种测试中，题目里并不会告诉你要找到符合什么标准的图形，而是需要我们根据日常生活中学习或掌握到的一些基本原则，来理解和分析测试中出现的简单图案。
要找到正确的答案，往往要借鉴我们从生活中明白的“演进”规律。比如小树苗长成大树，比如从 0 到1、2、3、4、5 的加法，再比如加减乘除。
以上这些，就是我们生活中所提炼出的抽象的“演进”(progression)的意义，只要上过小学，甚至没经历过系统教育的人都能够理解。这就是人类的抽象理解能力。这也是为什么你的爸妈可能在你还不太记事、懂事的时候，就带你测过智商了。
“但是，我们现在还没有找到办法，能让 AI 也可以从 ‘日常经验’中学到类似的能力。” DeepMind 在论文中说。
“不过，我们依然可以很好地利用人类的这种视觉抽象逻辑测试，来设计一个实验。在这个测试中，我们并不是像人类测试那样，考察从日常生活到视觉推理问题的知识转移。而是研究AI在将知识从一组受控的视觉推理问题，转移到另一组问题的能力。”
听不懂没关系，我们翻译一下这段话：DeepMind 先给 AI 喂一组由三角形构成的图像的视觉推理题库，等训练的差不多了，再出一组由方块构成的视觉推理题，让 AI 去回答，看它是能随机应变举一反三，还是学会了三角，换成方块就不灵了。
对于担心 AI 取代人类的朋友来说，DeepMind 的一部分实验结果确实是个好消息：他们找来的一些 state of the art（当前最优秀）的 AI 模型，在这个IQ测试中的表现得并不咋样……
我们还是拿三角和方块来举例。正如预期的那样，当训练集和测试集所采用的抽象元素相同，也就是训练三角、测试三角时，多个 AI 模型都表现出超过75%的准确率。
然而，当测试集和训练集出现变化，甚至有时候只是把黑点换成较暗的浅色圆点，AI 的表现就会像无头苍蝇一样，失去了准星。
一些知名AI模型的表现 图片来源：DeepMind 论文
上面这些都是深度神经网络领域的当红炸子鸡，测起智商来却没那么灵光了。比如 ResNet 在其中一组测试中仅仅得到22.4%的低分。
ResNet (Deep Residual Network)，即深度残差网络，它的提出曾被形容为CNN（卷积神经网络）的一个里程碑式事件，它在网络深度上比其他模型提升了n个量级，更重要的是它的残差学习方式，改良了模型的架构，因此一出现就秒杀众前辈。
而测试中表现最好的 WReN 模型，则是 DeepMind 在关系网络 (Relation Networks) 模型基础上改良的版本。它增加了对不同图像组合之间关系的分析，并可以对这类 IQ 测试的各种可能性结果进行评估。
（需要明确的是：对于这些神经网络和其作者，这个结果并不丢人——因为它们本来就不是设计用来像这样测智商的，而是解决某些特定问题的。）
不过，DeepMind 针对这个测试的逻辑，对一些模型进行改良，改良后的模型表现出明显的提升。
比如，在一些模型中，DeepMind 加入了元标记（meta-targets) 的辅助训练方法，让模型对数据集背后体现出的形状、属性（形状的数量、大小、颜色深浅等）以及关系（同时出现、递减、递增等等）进行预测，当这部分预测准确时，最终回答的准确率就明显出现提升，预测错误时，回答准确率明显下降。一些极端情况下，模型回答的准确率更是从预测错误时的32%提升至了87%。
（图片来源：DeepMind 论文）
DeepMind 表示，他们设计的这个实验，最终目的并不是为了让 AI 能够通过这种 IQ 测试。他们关注的是 AI 泛化能力的问题。
泛化是指模型很好地拟合以前未见过的新数据的能力，这是机器学习界的术语，你也可以粗暴的理解成一个 AI 模型能否在各类场景中“通吃”。AI 的泛化能力越强，离啥都能干的所谓“通用人工智能”就越近。
DeepMind 在博客最后这样说道：
研究表明，寻找关于泛化问题的普遍结论可能没有任何意义。我们测试的神经网络在某些泛化方案中表现优秀，但是其他方案下却很糟糕。
诸如所使用模型的架构、模型是否被训练从而能解释答案背后的逻辑等一系列因素，都会对泛化效果带来影响。而在大多数情况下，当需要处理过往经验从未涉及的、或完全陌生的情景时，这些 AI 的表现很糟糕。
至少现在看来，AI 还有很长的路要走啊。
（点击文末阅读原文可以查看 DeepMind 这篇论文）
在哪里，能将中美一线科技公司高管、顶级投资人、电影游戏跨界大师、AI 大牛以及区块链行内专家一网打尽？
必须是⤵️
没错，硅谷最精彩、
最有料、
最多人去的科技峰会 SYNC 又回来了！
今年，我们请来了各路中美科技和文化创新的前沿人士：
拳头游戏首席设计师/CMU教授
模拟城市、暗黑3首席设计师
等众多嘉宾。
具体演讲人资料，请访问票务网站了解：sync2018sv.eventbrite.com
或长按二维码购票（现在扫码有折扣哦！）
SYNC 2018 Decode Innovation
知名科技媒体 PingWest品玩和硅星人一同举办
主题：科技、文化、跨境、跨界
风格：干货、专业、有趣、亲切
时间：8 月 5 日
地点：Computer History Museum,
1401 N Shoreline, Mountain View, CA
抢票：sync2018sv.eventbrite.com
