专栏名称: 机器之心
专业的人工智能媒体和产业服务平台
目录
相关文章推荐
爱可可-爱生活  ·  【x.infer:框架无关的计算机视觉推理库 ... ·  2 天前  
爱可可-爱生活  ·  晚安~ #晚安# -20241024224610 ·  6 天前  
宝玉xp  ·  转译:Google ... ·  6 天前  
黄建同学  ·  #未来你的同事可能是ai##科技# ... ·  6 天前  
爱可可-爱生活  ·  晚安~ #晚安# -20241023224049 ·  1 周前  
51好读  ›  专栏  ›  机器之心

观点 | 人工智能搁浅了?听一听纽约大学教授Gary Marcus怎么说

机器之心  · 公众号  · AI  · 2017-07-31 13:24

正文

选自New York Times

作者:Gray Marcus

机器之心编译

参与:路雪、黄小天


近日,Gary Marcus 在纽约时报上发表了一篇题为《Artificial Intelligence Is Stuck. Here's How to Move It Forward.》的文章,讨论了人工智能,尤其是深度学习目前存在的弊端,比如鲁棒性差,没有主动学习能力。他给出的解决方案是拥抱人工智能新范式,「自上而下」与「自下而上」的知识两手抓;并坦言,相比于学界的小型实验室和业界的公司实验室,他更欣赏欧洲核子研究中心(CERN)。他还认为,人工智能的发展应当裨益全人类,而不是沦落为少数权贵的囊中之物。



近年来人工智能被大肆鼓吹,但事实上它还有漫长的路要走。确实,人工智能现在可以玩转很多棋牌游戏,从国际象棋、围棋到危险边缘(Jeopardy)、德州扑克,但是在实际应用中,人工智能却举步维艰。机器人会在开门时摔倒,无人驾驶原型车依然需要人为干预,也从来没有一台机器的阅读能力达到六年级小学生的水平,更不要说大学生。自我学习被认为是真正人工智能的标志,但目前来看这还只是一个梦想。


即使时下流行的深度学习技术也存在弊端。比如,一些最好的图像识别系统,可成功区分不同的犬种,但它还是会犯重大错误,如把带有黄、黑色条纹的物体错误识别为校车。这样的系统既无法理解当下复杂的视觉场景(谁在追逐谁,以及为什么),也无法遵循简单的指示(阅读一个故事并作总结)。


尽管人工智能领域的小进步层出不穷,但距离人类认知水平的鲁棒性和灵活性还是很遥远。不久前,我和三岁的女儿一起坐在咖啡厅,她自发地意识到一种爬下椅子的新方法:后退,并从椅子后背和坐垫之间的空隙滑下去。我女儿之前从未见过其他人这样做,她独自发现了这种新方法,并且没有借助试错和海量的标注数据。


大概,我女儿借助了身体如何运动的内在机制,以及一个隐含的物理学理论:一个复杂的物体如何从另一个物体的空隙中穿过。这种能力可以挑战目前所有的机器人。人工智能是被动的容器,费力地从海量数据中挖掘出统计关联性;而人类则像是主动学习的「引擎」,可以发现事物的运作原理。


为了让计算机像人类一样思考,我们需要一个人工智能新范式,兼顾「自上而下」与「自下而上」的知识。自下而上的知识是直接从场景中获取的原始信息,比如光线落在人类视网膜上的模式。自上而下的知识则是世界的认知模型及其工作原理。


深度学习非常擅长自下而上的知识,比如从黄金猎犬和拉布拉多犬中识别出黄金猎犬对应的像素模式。但是当面对自上而下的知识时,深度学习就无用武之地了。如果我女儿在一碗水中看到了自己的倒影,她会知道这个图像是假的,她并没有在碗里。但是,对于一个深度学习系统来说,倒影和真实的事物之间没有区别,因为系统缺乏对世界及其运行原理的认知。整合此类知识可能是 AI 将要面对的下一个难题,也是实施更大项目的先决条件,比如使用 AI 推进机器和科学理解。


但是,恐怕现有的两种资助 AI 研究的方式(学界的小型研究实验室和业界的大型实验室)都很难成功。我是作为两种模式都经历过的人发表这个观点的,我曾以学界研究者和创业公司(Geometric Intelligence,后被 Uber 收购)创始人的身份从事 AI 研究。


学界实验室太小了。拿自动机器阅读来说,它是构建真正智能系统的关键,但是对于任意一个大学实验室来说,要解决这个问题需要大量单独的组件。全面的解决方案包括自然语言处理的发展(如将句子解析成单词和词组)、知识表示(如将句子内容和其他来源的知识融合)和推断(重建文本暗含但未写出的内容)领域的进步。每一个问题对单独的大学实验室来说都需要花费大量时间。


公司实验室,如谷歌和 Facebook 的实验室,拥有大量资源来解决大问题,但是从季报和利润来看,这些公司倾向于小问题,如优化广告位或自动筛查不良内容视频。这样的研究当然没有问题,但不太可能带来大的突破。即使是谷歌翻译,它通过挖掘具备统计关联性的跨语言句子,从而得到可用的翻译结果,并使这一策略得到推广,但谷歌翻译仍然无法理解它翻译的每个词。


我很羡慕研究高能物理学的同僚,尤其是他们能够在欧洲核子研究中心(CERN,大型国际合作组织)与数千名科学家一起工作,获得数十亿美元的资金支持。他们追求远大的、严格界定的项目(如使用大型强子对撞机发现希格斯玻色子),而且和整个世界分享他们的研究成果,而不是仅限制在单个国家或公司。但是 AI 领域最大的「开放」组织 OpenAI(拥有约 50 名雇员且由伊隆·马斯克赞助)与之相比则显得很小。


国际力量团结起来,致力于研究教机器学习阅读能够真正地改变世界,使之变得更好。AI 对公众越有益,而不是成为少数权贵的财产,这样 AI 才能对世界产生更好、更广泛的影响。 


原文链接:https://www.nytimes.com/2017/07/29/opinion/sunday/artificial-intelligence-is-stuck-heres-how-to-move-it-forward.html?mcubz=0&mtrref=t.co&assetType=opinion



本文为机器之心编译,转载请联系本公众号获得授权

✄------------------------------------------------

加入机器之心(全职记者/实习生):[email protected]

投稿或寻求报道:[email protected]

广告&商务合作:[email protected]