編者按：福布斯記者  Gll Press 近日參加了  O‘Reilly 人工智能大會(huì)。以下是他從人工智能頂級(jí)專(zhuān)家的演講中提取出的 12 個(gè)觀點(diǎn)?；卮鹆巳斯ぶ悄苁鞘裁础l(fā)展過(guò)程遇到何種困難、對(duì)人們產(chǎn)生了什么影響、未來(lái)方向在哪等多個(gè)問(wèn)題。文章原標(biāo)題為《12 Observations About Artificial Intelligence From The O'Reilly AI Conference》，以下為雷鋒網(wǎng)老呂IO，夏睿編譯。未經(jīng)許可不得轉(zhuǎn)載。

在剛剛開(kāi)幕的 O’Reilly AI 大會(huì)上，來(lái)自 39 家機(jī)構(gòu)的研發(fā)人員和 66 位人工智能從業(yè)者對(duì) AI 行業(yè)現(xiàn)狀做了詳細(xì)陳述。其中包括聊天機(jī)器人、深度學(xué)習(xí)、自動(dòng)駕駛、表情識(shí)別、自動(dòng)化、新的商業(yè)機(jī)會(huì)和AI在醫(yī)療應(yīng)用等。

自從 1993 年創(chuàng)辦以來(lái)，O’Reilly AI 大會(huì)一直是獲取該領(lǐng)域一手資訊的最佳渠道。下面，我們就來(lái)共同分享本次大會(huì)的 12 個(gè)重要見(jiàn)聞。

1、AI 是一個(gè)黑箱：“我們不知道它將走向何方”

谷歌研究部門(mén)主管 Peter Norvig 稱(chēng) AI 與傳統(tǒng)軟件不同，這種由機(jī)器學(xué)習(xí)產(chǎn)出的事物并非簡(jiǎn)單的代碼，它更像是一個(gè)黑箱，我們大致掌握了其發(fā)展方向，但未來(lái)它將走向何方依然是個(gè)未知數(shù)。

Tim O’Reilly 在《 21 世紀(jì)重大問(wèn)題：你相信誰(shuí)的黑箱？》一書(shū)中寫(xiě)道：“大多對(duì)社會(huì)產(chǎn)生重要影響的算法都是黑箱，它們神秘到連制造者都難以理解，因此信任是發(fā)展的關(guān)鍵。我們應(yīng)該學(xué)會(huì)在不知道其工作原理的情況下對(duì)算法進(jìn)行公正的評(píng)估。

O’Reilly 為我們推薦了四種對(duì)待算法的方式，核心原則為“信任，但要檢查”的原則。它們分別是：1. 即使知道了期望結(jié)果，但旁觀者依舊可以進(jìn)行檢查；2. 我們應(yīng)該學(xué)會(huì)定義“成功”；3. 算法開(kāi)發(fā)者的目標(biāo)應(yīng)與用戶(hù)保持一致；4. 算法應(yīng)幫助開(kāi)發(fā)者和用戶(hù)做出更好的長(zhǎng)期決策。

2、AI 不是個(gè)簡(jiǎn)單活：“有時(shí)我們想要土豆，結(jié)果卻造出了紅薯”

會(huì)上還出了個(gè)搞笑的小插曲，在 Allen 人工智能研究所 CEO Oren Etzioni 準(zhǔn)備用投影做演示的時(shí)候，投影卻不爭(zhēng)氣得壞掉了。Etzioni 打趣說(shuō)道：“我們連個(gè)投影都搞不定，怎么去研究 AI 呢？”

解決了技術(shù)問(wèn)題后，Etzioni 開(kāi)始列舉研發(fā)機(jī)器的困難，其中當(dāng)然包括會(huì)展的主題——智能機(jī)器。舉例來(lái)說(shuō)，“人們需要呼吸空氣”是個(gè)簡(jiǎn)短的語(yǔ)句，但要想讓這句話(huà)從智能機(jī)器嘴里說(shuō)出來(lái)可是難上加難。

Etzioni 原本是華盛頓大學(xué)的終身教授，但最終卻毅然決然投身微軟創(chuàng)始人保羅·艾倫投資的艾倫人工智能研究所，其目標(biāo)就是能讓 AI 理解語(yǔ)言或圖片。他認(rèn)為深度學(xué)習(xí)很有用，但現(xiàn)在能力有限。另外他列出的 AI 挑戰(zhàn)清單也被著名深度學(xué)習(xí)研究人員 Yann LeCun 公之于眾。

LeCun 是紐約大學(xué)的教授，同時(shí)兼任 Facebook 的 AI 研究主管。他最擅長(zhǎng)的工作是將深度學(xué)習(xí)技術(shù)應(yīng)用在實(shí)際問(wèn)題中。LeCun 稱(chēng)每天上傳至各大社交網(wǎng)站的圖片高達(dá) 10-15 億張，而這些圖片會(huì)迅速流入兩個(gè)卷積型的神經(jīng)網(wǎng)絡(luò)。其中一個(gè)神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)識(shí)別圖中的物體，另一個(gè)則負(fù)責(zé)識(shí)別人物。視頻處理過(guò)程與之類(lèi)似。

在 LeCun 眼中，機(jī)器要想進(jìn)化出真正的智能系統(tǒng)就必須“把整個(gè)世界拷貝拷貝下來(lái)，裝進(jìn)計(jì)算機(jī)大腦。同時(shí)它還要學(xué)會(huì)控制自己的行動(dòng)，并預(yù)測(cè)行為對(duì)世界可能產(chǎn)生的影響?！币雽?shí)現(xiàn)這一目標(biāo)，機(jī)器需要理解世界運(yùn)行的邏輯并儲(chǔ)備大量背景知識(shí)，同時(shí)它還必須時(shí)刻感受世界的變化，總結(jié)原因并規(guī)劃未來(lái)。簡(jiǎn)單來(lái)說(shuō)，AI 未來(lái)必須從“監(jiān)督式學(xué)習(xí)”進(jìn)化到“非監(jiān)督式學(xué)習(xí)”（從無(wú)標(biāo)記數(shù)據(jù)中學(xué)習(xí)）。在 LeCun 看來(lái)，最關(guān)鍵的問(wèn)題就是“在不確定的條件下做預(yù)測(cè)”。

引用《Machine Learning: The high interest credit card of technical debt》一書(shū)中的概念，Peter No-rvig 解釋了為什么機(jī)器學(xué)習(xí)比傳統(tǒng)軟件更復(fù)雜。首先，因?yàn)槿狈?duì)障礙的認(rèn)知，所以機(jī)器自己在系統(tǒng)中找 Bug 便很困難。其次，由于 AI 系統(tǒng)擁有非模塊性，因此容易牽一發(fā)而動(dòng)全身，改動(dòng)一個(gè)點(diǎn)就會(huì)牽扯到所有環(huán)節(jié)。另外，AI 系統(tǒng)的非穩(wěn)定性決定了它需要不斷吸收新數(shù)據(jù)。最后，AI 系統(tǒng)的研發(fā)還會(huì)涉及隱私、安全和公平性等多種問(wèn)題。況且技術(shù)人員手上現(xiàn)在沒(méi)有合適的工具，現(xiàn)有的研發(fā)工具都是為傳統(tǒng)軟件準(zhǔn)備的?！皺C(jī)器學(xué)習(xí)能讓你大步快走，” Norvig 總結(jié)道?！暗绻叩奶?，問(wèn)題就會(huì)不斷涌現(xiàn)，那么研發(fā)進(jìn)度將受到更嚴(yán)重的影響?！?/p>

紐約大學(xué)的 Gary Marcus AI 發(fā)展時(shí)遇到的困難總結(jié)為：“有時(shí)我們想要土豆，結(jié)果卻造出了紅薯。”

3、自動(dòng)駕駛汽車(chē)將讓駕駛成為人的業(yè)余愛(ài)好

美國(guó)交通部長(zhǎng) Foxx 近日表示：“我們可能會(huì)是最后一代著急買(mǎi)車(chē)的人。”在本次大會(huì)上，英偉達(dá)副主席 Jim McHugh 稱(chēng)“首個(gè) AI 機(jī)器人就是汽車(chē)?！彼鼈兪谷祟?lèi)駕駛更安全。自動(dòng)駕駛汽車(chē)不會(huì)疲勞，它們擁有超人類(lèi)的力量。

Lux Capital 公司的 Shahin Farshchi 同樣認(rèn)為自動(dòng)駕駛車(chē)輛有利于人類(lèi)。他表示政府怠慢于開(kāi)發(fā)自動(dòng)駕駛技術(shù)可能會(huì)讓許多家庭承受陰陽(yáng)兩隔之苦。“由于大多數(shù)人駕駛技術(shù)都沒(méi)有那么好，因此我們最終可能會(huì)接受“不夠完美的自動(dòng)駕駛汽車(chē)?！彼J(rèn)為，這一天很快就會(huì)到來(lái)。

當(dāng)然，也有人持不同意見(jiàn)，Tom Davenport 就認(rèn)為“許多人寧愿被人類(lèi)開(kāi)車(chē)撞死也不愿被機(jī)器害死?！币灿腥藢?duì)自動(dòng)駕駛技術(shù)的可靠性持懷疑態(tài)度，短期內(nèi)它們可能較為安全，但未來(lái)的事情誰(shuí)又能說(shuō)的準(zhǔn)。

Peter Norvig 在演示中也拿自動(dòng)駕駛為例。他認(rèn)為 AI 在該領(lǐng)域有兩個(gè)問(wèn)題：首先，由于 AI 技術(shù)是黑箱，因此在實(shí)驗(yàn)室狀態(tài)下能安全行駛不代表在現(xiàn)實(shí)世界中也能一帆風(fēng)順。另外，我們還要考慮到“注意力問(wèn)題”，如果 AI 的準(zhǔn)確率為 50% ，那么駕駛座上的司機(jī)肯定會(huì)時(shí)刻保持緊張狀態(tài)，但如果達(dá)到了 99% ，恐怕大多數(shù)人都會(huì)懈怠。一旦出現(xiàn)了 1% 的懈怠，可能就會(huì)有 100% 的死亡率。

Norvig 表示：“我們需要?jiǎng)?chuàng)造出新的用戶(hù)界面，以便在緊急時(shí)刻‘喚醒’駕駛員?！?/p>

Oren Etzioni 則認(rèn)為“自動(dòng)駕駛”這一定義有些語(yǔ)義錯(cuò)誤，因?yàn)檐?chē)輛并不知道乘客要去哪，因此危險(xiǎn)可能就埋藏在乘客的選擇中。而且無(wú)論我們?nèi)绾胃倪M(jìn)，某些人最后都會(huì)把事情搞砸。不過(guò)，Etzioni 依然非常看好智能汽車(chē)的前景，他預(yù)計(jì)在未來(lái) 25 年內(nèi)，駕駛會(huì)成為人的業(yè)余愛(ài)好。當(dāng)然，在目的地的選擇上汽車(chē)還是得聽(tīng)乘客的。

4、AI 必須考慮文化和背景：“訓(xùn)練可以改變 AI ”

“現(xiàn)有的算法大多都針對(duì)當(dāng)?shù)靥厣M(jìn)行了本地化，”英特爾交互和體驗(yàn)研究主管 Genevieve Bell 說(shuō)道。但在對(duì) AI 進(jìn)行訓(xùn)練時(shí)，我們還是要利用各種訓(xùn)練數(shù)據(jù)，這樣的智能機(jī)器走到世界各地都能勝任，否則很容易產(chǎn)生文化沖突。

Chennapragada 表示：“訓(xùn)練可以改變 AI 的學(xué)習(xí)過(guò)程，也就是說(shuō)你教它什么它就學(xué)什么?！背宋幕瘑?wèn)題，我們?cè)谟?xùn)練時(shí)還要考慮到語(yǔ)意背景。就拿“我愛(ài)你”這句話(huà)來(lái)說(shuō)，跟家人通信時(shí)可以加在電郵末尾，但如果在訓(xùn)練企業(yè)級(jí) email 系統(tǒng)時(shí)用上了這一數(shù)據(jù)，回復(fù)電郵時(shí)就會(huì)有些尷尬了。

會(huì)上，微軟研究院的工程師 Lili Cheng 還講述了微軟在研發(fā)聊天機(jī)器人小冰和 Tay 時(shí)獲得的經(jīng)驗(yàn)教訓(xùn)。同一個(gè)公司研發(fā)得聊天機(jī)器人命運(yùn)完全不同，就是因?yàn)槲幕尘坝胁町?。東西方之間的文化差異讓兩個(gè)機(jī)器人走上了不同的學(xué)習(xí)之路。

5、AI 并非工作收割機(jī)：“我們還有太多問(wèn)題需要解決”

Tim O’Reilly 在會(huì)上列舉了 AI 不會(huì)竊取所有工作的原因：1. 人類(lèi)還有許多問(wèn)題需要解決，因此工作機(jī)遇不會(huì)完全被 AI 搶走；2. 當(dāng) AI 成為習(xí)慣，人類(lèi)勞動(dòng)就會(huì)成為新的奢侈品，就像現(xiàn)在機(jī)器化大生產(chǎn)的背景下人們更喜愛(ài)手工產(chǎn)品一樣；3. 經(jīng)濟(jì)轉(zhuǎn)型需要時(shí)間。雖然眼下亞馬遜火爆異常，但其業(yè)務(wù)量依然只能達(dá)到沃爾瑪?shù)?20% 。

同時(shí)，巴布森學(xué)院的 Tom Davenport 教授也指出，1980 年時(shí)全美銀行職員為 50 萬(wàn)人左右，但快 40 年過(guò)去了，這一數(shù)字依然維持在 50 萬(wàn)。“如果你想通過(guò)顛覆性創(chuàng)新?lián)屪叽蟛糠秩说墓ぷ?，?qǐng)先看看自己是否還年輕，因?yàn)檫@項(xiàng)工作耗時(shí)巨大?！睂?duì)于 AI ，我們不能過(guò)于悲觀，當(dāng)然也不能過(guò)于樂(lè)觀。

奧巴馬總統(tǒng)也同意這一觀點(diǎn)，他表示：“只要我們善用 AI ，它就能為社會(huì)帶來(lái)繁榮和機(jī)遇。當(dāng)然，也會(huì)有一些副作用，比如搶走人們的工作，加劇社會(huì)不公平和壓低社會(huì)平均薪資等。我們必須及時(shí)想辦法解決這些問(wèn)題?！?/p>

6、AI 并非殺戮機(jī)器：“它們將成為人類(lèi)的左膀右臂”

在 AI 系統(tǒng)的研發(fā)上，研究人員也有一些制度性的考慮。Etzioni 就認(rèn)為“ AI 系統(tǒng)的設(shè)計(jì)需要遵從人類(lèi)的法律和價(jià)值觀”，此外，我們還能開(kāi)發(fā)多個(gè) AI 系統(tǒng)，讓它們互相制衡。在大會(huì)上發(fā)言時(shí)，Etzioni 引用了 Andrew Ng 的話(huà)：“現(xiàn)階段費(fèi)勁去阻止 AI 變成終結(jié)者就像拼命阻止太空項(xiàng)目以避免火星人口超載一樣。”Rodney Brooks 則表示：“如果你害怕機(jī)器人就把門(mén)關(guān)上就好?！碑吘宫F(xiàn)在的機(jī)器人連關(guān)上的門(mén)都打不開(kāi)。Etzioni 總結(jié)稱(chēng)：“AI 并非人類(lèi)歷史終結(jié)者，相反，它們會(huì)成為我們的左膀右臂。要說(shuō) AI 帶來(lái)的最大的威脅，還是前面提到的工作崗位問(wèn)題?！?/p>

英國(guó)科學(xué)協(xié)會(huì)最近的一項(xiàng)調(diào)查顯示，36% 的英國(guó)人相信 AI 的發(fā)展將對(duì)未來(lái)人類(lèi)的生存造成威脅。在被問(wèn)到“為什么那么多受人尊敬的科學(xué)家和工程師都在抓住機(jī)會(huì)抹黑 AI ”時(shí)，Etzioni 回應(yīng)稱(chēng)“我也不知道他們的動(dòng)機(jī)，也許霍金此前說(shuō)黑洞理論太多次，想要找個(gè)有新鮮感的新話(huà)題吧?！?/p>

7、AI 雖用處極大卻并非萬(wàn)能：“有個(gè)好梯子不代表你就能登上月球了?！?/strong>

“深度學(xué)習(xí)對(duì)數(shù)據(jù)的處理更為復(fù)雜”，Naveen Rao 是 Nervana 的聯(lián)合創(chuàng)始人兼 CEO  ，他說(shuō)，“我覺(jué)得 ‘智能’就在數(shù)據(jù)中尋找結(jié)構(gòu)的能力?！?英偉達(dá) Jim McHugh 的描述則更宏觀：“深度學(xué)習(xí)就是一種新的計(jì)算模型。”

“任何人都無(wú)法取得谷歌機(jī)器這樣的成績(jī)……它完美地展示了人工智能的強(qiáng)大力量……專(zhuān)家們通常把深度學(xué)習(xí)說(shuō)成對(duì)人類(lèi)大腦的模仿。但實(shí)際上，它不過(guò)是在進(jìn)行大規(guī)模的數(shù)學(xué)運(yùn)算罷了?！監(jiān)ren Etzioni 針對(duì) Wire 上的一篇關(guān)于AlphaGo 的文章發(fā)表了自己的觀點(diǎn)。會(huì)上，Tom Davenport 補(bǔ)充說(shuō)道：“深度學(xué)習(xí)并不深刻?！?/p>

Etzioni 還說(shuō)道，建議去問(wèn)于 AlphaGo 幾個(gè)問(wèn)題：你能再跟我玩一次嗎？（不能，除非有人按動(dòng)開(kāi)關(guān)）；你會(huì)玩撲克嗎？（不能，沒(méi)有安裝這個(gè)程序）；你能過(guò)馬路嗎？（不能，這只是一個(gè)狹義的目標(biāo)程序）；你能跟我聊聊這個(gè)游戲嗎？（不能）。

Etzioni 表示，盡管這種功能狹窄的深度學(xué)習(xí)已在一系列特定問(wèn)題中成就不菲（比如語(yǔ)音識(shí)別或下圍棋），但這并不代表它在總體水平上就能超越人類(lèi)了。只有輸入大量標(biāo)簽數(shù)據(jù)，深度學(xué)習(xí)才會(huì)特別管用。別說(shuō)，現(xiàn)在想要教深度學(xué)習(xí)完成一件事，99% 的工作還是由人來(lái)完成。

Gary Marcus 是紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)教授，幾何智能（ Geometric Intelligence）聯(lián)合創(chuàng)始人兼首席執(zhí)行官，他也反對(duì)把深度學(xué)習(xí)描述為“模仿大腦”的說(shuō)法?！罢嬲纳窠?jīng)科學(xué)和我們現(xiàn)在做的模型一點(diǎn)也不一樣。大腦中可能有上千種神經(jīng)元，而深度學(xué)習(xí)中可能只有一到兩種模擬神經(jīng)元。并且大腦的真實(shí)結(jié)構(gòu)比模型要復(fù)雜得多。人們對(duì)其熱愛(ài)的如此之深，而深度學(xué)習(xí)的指令集數(shù)量卻太少，二者極不相稱(chēng)。關(guān)鍵就是人們太注重簡(jiǎn)約了。”

當(dāng)談到“為什么深度學(xué)習(xí)既廉價(jià)又有成果”Marcus 表示，他發(fā)現(xiàn)“很多聰明人都相信深度學(xué)習(xí)放哪都管用，但我不這么認(rèn)為?！彼忉尩溃疃葘W(xué)習(xí)缺乏隨機(jī)關(guān)系的表征方式、在邏輯推理表現(xiàn)上沒(méi)有清晰的方式，而且抽象知識(shí)的儲(chǔ)存量也太少?！半m然目前投入高達(dá)數(shù)十億美元，但困難依舊存在。有個(gè)好梯子不代表你就能登上月球了，”Marcus 說(shuō)。

8、AI 是增強(qiáng)智能：“它同時(shí)擁有人類(lèi)和機(jī)器的力量”

Tom Davenport 在演講中說(shuō)道，人們不應(yīng)和機(jī)器搞競(jìng)爭(zhēng)，而應(yīng)與之合作。同時(shí)，他也向相關(guān)組織提出重要建議：設(shè)置新職位——首席增強(qiáng)官（Chief Augmentation Officer），由此人負(fù)責(zé)根據(jù)特定任務(wù)選擇合適的人工智能技術(shù)，設(shè)計(jì)人和機(jī)器能夠協(xié)同合作的工作方式，并且選擇合適的員工，以便能在恰當(dāng)?shù)臅r(shí)間把工作交接給機(jī)器。

Tim O’Reilly  表示，人機(jī)合作可使人和機(jī)器都發(fā)揮所長(zhǎng)，有所進(jìn)步。

Peter Norvig 在他的人工智能安全問(wèn)題列表中談及應(yīng)怎樣把人類(lèi)專(zhuān)業(yè)知識(shí)教給人工智能系統(tǒng)，輸入到哪一部分。他表示這些都是挑戰(zhàn)。

Jay Wang 和 Jasmine Nettiksimmons 是 Stitch Fix（通過(guò)人工智能和人類(lèi)專(zhuān)業(yè)知識(shí)，將購(gòu)物體驗(yàn)個(gè)性化的創(chuàng)業(yè)公司）的數(shù)據(jù)科學(xué)家。他們談到要用人的優(yōu)勢(shì)進(jìn)一步加強(qiáng)推薦算法的好處。“機(jī)器學(xué)習(xí)中加入人的認(rèn)知，能非結(jié)構(gòu)化數(shù)據(jù)得更有效的應(yīng)用?！比祟?lèi)可以輕松理解消費(fèi)者的線(xiàn)上留言，或 Pinterest board（類(lèi)似圖片版的Twitter），之后就可以根據(jù)具體情況改善與消費(fèi)者的關(guān)系，讓算法做它更擅長(zhǎng)的技術(shù)?！拔覀兿Ｍ?lián)合人以及機(jī)器的力量，得到最好的結(jié)果”，Wang 和 Nettiksimmons 總結(jié)到。

9、AI 改變了人機(jī)對(duì)話(huà)方式，但它需要懂得人類(lèi)感情

“智能語(yǔ)音交互正在改變整個(gè)科技產(chǎn)業(yè)，我們現(xiàn)在就處在這一轉(zhuǎn)折點(diǎn)上，” Tim O’Reilly 最近寫(xiě)到。

具體來(lái)講，我們需要“重新思考語(yǔ)音導(dǎo)航的基礎(chǔ)”，微軟的 Lili Cheng 這樣說(shuō)道。“返回”鍵和“主頁(yè)”鍵在系統(tǒng)中的重要性不言而喻，但要是用語(yǔ)音實(shí)現(xiàn)，對(duì)著設(shè)備一直說(shuō)“返回，返回”，那就“真的挺怪異的”。Cheng 認(rèn)為，語(yǔ)音技術(shù)的發(fā)展“一直在前進(jìn)”，就像海浪。不過(guò)，現(xiàn)在讓用戶(hù)語(yǔ)音控制筆記本電腦還相當(dāng)困難。為了讓人工智能思考世界的方式更接近人類(lèi)，通過(guò)語(yǔ)音對(duì)話(huà)對(duì)其進(jìn)行測(cè)試也許是個(gè)不錯(cuò)的辦法。

想讓機(jī)器像人一樣理解世界，需得讓它們了解人類(lèi)的感情。為此，Affectiva 已籌建世界上最大的情感資料庫(kù)，分析了超過(guò) 470 萬(wàn)人臉和 500 億情感數(shù)據(jù)，覆蓋 75 個(gè)國(guó)家。他們的目的是使用戶(hù)在使用設(shè)備、 app 和數(shù)字體驗(yàn)設(shè)備時(shí)，能對(duì)用戶(hù)的情感進(jìn)行實(shí)時(shí)感知和分析?！叭藗儠?huì)和數(shù)字伴侶日久生情，但是這些伴侶們卻沒(méi)有任何感覺(jué)，” CEO Rana Al Kliouby 說(shuō)道。

情感在人工智能中屬于新生領(lǐng)域，但為了使普通大眾（或許也包括從業(yè)者自己？）清楚認(rèn)知人工智能現(xiàn)在的實(shí)際能力，我還是更希望大家把它稱(chēng)之為“共鳴”，而非“情感”。

10、別再用圖靈測(cè)試了，換個(gè)更智能的測(cè)試方式吧

Gary Marcus 抱怨道，人們太容易滿(mǎn)足于短期的小進(jìn)步，而忘了需要去解決“真正困難的問(wèn)題”。它在一些領(lǐng)域確實(shí)獲得了指數(shù)級(jí)的進(jìn)步，但在強(qiáng)大的、通用的人工智能領(lǐng)域，卻進(jìn)展甚微。他敦促人工智能從業(yè)人員要制定更遠(yuǎn)大的目標(biāo)——通過(guò)傳統(tǒng)圖靈測(cè)試太容易了，他斷言到。因此，他建議，應(yīng)該換做多米諾測(cè)試（The Domino’s Test）：讓無(wú)人機(jī)或無(wú)人駕駛汽車(chē)把披薩送到任意一個(gè)指定地點(diǎn)，其執(zhí)行水平應(yīng)該和一個(gè)青少年的行動(dòng)能力相同。

另外，LeCun 還提出了另一種測(cè)試“智能”或者自然語(yǔ)言理解的方法——Winograd Schema，它可衡量機(jī)器對(duì)世界的運(yùn)作方式的了解程度。Etzioni 舉了兩個(gè)例子：“大球穿過(guò)桌子是因?yàn)樗砂l(fā)泡膠制成”和“大球穿過(guò)桌子是因?yàn)樗射撝瞥伞薄删湓?huà)中“它”各指什么？這個(gè)問(wèn)題隨便一個(gè) 7 歲的小孩子都能答得出。 Etzioni 補(bǔ)充道“所以常識(shí)性知識(shí)和普通邏輯推理對(duì)理解自然語(yǔ)言極其必要?！?/p>

幾個(gè)月之前，Nuance Communications 贊助了第一屆 Winograd Schema 挑戰(zhàn)賽，結(jié)果顯示，機(jī)器在句子中代詞的理解上準(zhǔn)確率為58.33%，而人類(lèi)水平為90.9%。

11、借丘吉爾的話(huà)

Peter Norvig 說(shuō):“丘吉爾對(duì)民主的看法也可以用在機(jī)器學(xué)習(xí)上——機(jī)器學(xué)習(xí)可能不夠好，但現(xiàn)在還找不到比它更好的解決問(wèn)題的辦法。

Oren Etzioni 說(shuō)：“丘吉爾的名言稍加改變就是——機(jī)度學(xué)習(xí)既不是終點(diǎn)，也不是起點(diǎn)，甚至說(shuō)它是起點(diǎn)都有點(diǎn)勉強(qiáng)?！?/p>

12、將自己深鎖唯物主義，可能會(huì)阻礙人工智能真正發(fā)展到人類(lèi)的水平

Gary Marcus 對(duì)在神經(jīng)信息處理系統(tǒng)（NIPS）大會(huì)上展示的論文表示十分不滿(mǎn)，他說(shuō)，這些論文講的問(wèn)題都差不多，每次加個(gè)一兩層神經(jīng)網(wǎng)絡(luò)，沒(méi)有實(shí)質(zhì)性進(jìn)展。他表示，是時(shí)候出現(xiàn)天才靈感了。

當(dāng)問(wèn)到“我們什么時(shí)候才能看到人類(lèi)水平的人工智能”時(shí)，Etzioni 回答“我也沒(méi)有頭緒?！痹谒囊粋€(gè)對(duì)人工智能專(zhuān)家的調(diào)查中，他表示，“最起碼要 25 年以后?！薄拔沂且粋€(gè)唯物主義者，相信世界由原子構(gòu)成，所以我不認(rèn)為人工智能想要達(dá)到人類(lèi)水平有什么不可能的。”

剛踏入計(jì)算機(jī)時(shí)代時(shí)，Edmund Berkeley 曾在《 Giant Brains or Machines that Think》中寫(xiě)道“近來(lái)，有關(guān)機(jī)器能夠快速且高水平處理信息的報(bào)道鋪天蓋地……這些機(jī)器和人類(lèi)大腦相似，只不過(guò)它們是由硬件和電線(xiàn)組成……機(jī)器能處理信息，進(jìn)行計(jì)算、推斷以及作出決策；因此，機(jī)器是能夠思考的?！?0 年后，Marvin Minsky 的一句話(huà)成了經(jīng)典名言：“人類(lèi)大腦不過(guò)是一臺(tái)計(jì)算機(jī)，只不過(guò)由肉構(gòu)成。”

但是否恰是這種根深蒂固的唯物主義、不相信上帝，要造出類(lèi)人機(jī)器的想法最終導(dǎo)致了著名的“人工智能寒冬期”？是否只有拋下對(duì)它的固著，才有可能激發(fā)人們絕妙的創(chuàng)造力？也許我們可以猜想，大腦其實(shí)不像機(jī)器，機(jī)器也并不和大腦類(lèi)似？或許，我們可以放棄徒勞無(wú)功的追尋，放棄在計(jì)算機(jī)中復(fù)制一個(gè)達(dá)到人類(lèi)水平的人工智能的想法，而找到計(jì)算機(jī)其他的應(yīng)用方式來(lái)充實(shí)和改善我們的生活？

 via：forbes

延伸閱讀：

從谷歌TPU談起，人工智能正如何撼動(dòng)芯片市場(chǎng)？

如何看待人工智能全球大學(xué)排名Top50中沒(méi)有一所中國(guó)大陸大學(xué)？

那些年 AI 預(yù)測(cè)過(guò)的事情最后都說(shuō)對(duì)了嗎？

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。