有比“深度學習”更聰明的人工智能嗎？

　　一提到人工智能，人們就會想到“深度學習”。然而，“深度學習”也有限度嗎?是否有比“深度學習”更好的人工智能技術。《紐約時報》近日撰文對此進行了討論。

　　文章全文如下：

　　在過去的五年里，人工智能領域最熱門的一個分支就是所謂的“深度學習”。簡單來說，這種稱為“深度學習”的統計技術為計算機提供了一種通過處理海量數據來進行學習的方法。通過深度學習，計算機可以輕松識別人臉和人類口語，使機器獲得其他形式的人類智能成為可能。

　　谷歌、Facebook和微軟等公司已經為“深度學習”的研究進行了大量投資，這一領域也涌現出許多創業公司，他們試圖用這項技術來解決從癌癥治療到后臺自動化等一切問題。這一技術的感知和模式匹配能力正在應用于新藥開發和自動駕駛汽車等領域。

　　但是，現在有一些科學家提出了質疑：“深度學習”是否真的如此深刻。

　　在最近的一些對話、在線評論和長篇論文中，越來越多的A.I.專家發出這樣的警告：對“深度學習”的迷戀可能會讓開發者短視和過度投資，并在以后產生幻滅。

　　“那里沒有真正的智能。”美國加州大學伯克利分校的教授邁克爾·喬丹(Michael I. Jordan)說。邁克爾·喬丹在今年四月份發表的一篇論文中為研究者對A.I的崇高期望潑了冷水。“我認為，對這些高級算法的過度信任是一種錯誤的信仰。”

　　一些專家警告說，危險在于A.I.將遇到技術壁壘，并最終面臨普遍的反彈。

　　“深度學習”算法利用一批相關數據(如人臉圖片)對軟件進行訓練，然后提供越來越多的數據，從而不斷提高軟件的模式匹配精度。雖然這種技術已經取得了成功，但其應用主要局限于可以獲得大量數據集并且任務已經被很好定義的領域，如標記圖像或語言翻譯。

　　這項技術在更加開放的智能領域——意義、推理和常識知識——則沒有什么進展。雖然深度學習軟件可以立即識別數百萬單詞，但它對“正義”、“民主”或“干預”等概念毫無理解。

　　研究人員已經發現，具有“深度學習”能力的神經網絡很容易被愚弄，例如，它可能會將3D打印的烏龜識別為步槍，將停車標志識別為冰箱。

　　在今年年初發表于科學論文網站arXiv.org上的一篇文章中，紐約大學教授加里·馬庫斯(Gary Marcus)提出了這樣一個問題：“深度學習是否已經快要撞墻?”他寫道：“就像我們常常看到的那樣，通過“深度學習”提取的模式比最初出現的模式更膚淺。”

　　如果“深度學習”是有限度的，那么我們現在可能為之投入了太多的金錢和聰明的大腦，艾倫人工智能研究所(Allen Institute for Artificial Intelligence)首席執行官奧倫·伊佐尼(Oren Etzioni)說，“我們是在冒險，因為我們原本可以去推進A.I.領域其他重要概念和技術。”他說。

　　一些研究團隊、初創公司和計算機科學家對那些解決“深度學習”弱點的人工智能技術表現出更多的興趣。艾倫人工智能研究所在今年二月份宣布，它將在未來三年投資1.25億美元，主要用于研究如何教機器學習常識知識，該計劃名為“亞歷山大項目(Project Alexandria)”。

　　雖然各個研究團隊和公司的項目各不相同，但他們的共同目標是開發比“深度學習”應用更廣泛、更靈活的人工智能技術。這些技術需要的數據通常少得多，“深度學習”只是這些技術的一個要素。

　　“我們不是‘反深度學習’。”艾倫人工智能研究所的研究員、華盛頓大學計算機科學家Yejin Choi說，“我們正在試圖將A.I.推向更廣泛的領域，我們不是在批判工具。”

　　不同于“深度學習”的新工具通常是以新方式應用的舊技術。硅谷初創公司Kyndi的計算機科學家正在用Prolog(一種20世紀70年代出現的編程語言)開發新的工具。這種新工具是為A.I.的推理和知識表述而設計的，它可以處理事實和概念，并嘗試完成沒有明確定義的任務。

　　資深A.I.研究員本杰明·格羅索夫(Benjamin Grosof)今年五月加入Kyndi，擔任該公司首席科學家。格羅索夫表示，Kyndi正在為“將A.I.兩個分支聯合起來的新方法”而工作。

　　Kyndi首席執行官Ryan Welsh表示，Kyndi已經能夠使用非常少的數據來進行培訓，使之能夠自動生成事實、概念和推論。

　　他說，Kyndi系統可以用10到30份科學文件(每份文件10到50頁)來訓練。經過訓練之后，Kyndi的軟件可以識別概念，而不僅僅是識別文字。

　　而且，Kyndi的閱讀和評分軟件工作速度很快。Ryan Welsh稱，人類分析師平均需要花費兩個小時才能閱讀一篇科學文獻，一年內可能閱讀1000篇左右，而Kyndi的技術可以在七個小時內閱讀完這1000份文件。

　　Kyndi作為一個不知疲倦的數字助理，可以識別需要人類作出判斷的文件。“目標是提高人類分析師的生產力。”威爾士先生說。

　　另一家名為Vicarious的創業公司致力于開發可以像人類一樣迅速地從一項任務轉向另一項任務的機器人。該公司去年秋天在《科學》雜志上發表了一篇論文。該公司在論文中稱，其A.I.技術可以從相對較少的例子中學習，以模仿人類視覺智能，其使用數據的效率是深度學習模型的300倍。

　　美國人工智能公司Vicarious的投資者包括伊隆·馬斯克、杰夫·貝佐斯和馬克·扎克伯格，該公司是研究A.I.新工具的杰出榜樣。

　　“‘深度學習’讓我們看到了希望之鄉，但我們還需要投資其他技術。”Vicarious共同創始人迪利普·喬治(Dileep George)說。

　　美國國防高級研究計劃局(DefenseAdvancedResearchProjectsAgency)提出了一個名為“機器常識(Machine Common Sense)”的計劃，該計劃旨在推進大學在A.I.領域的研究，并擬推出一個非商業性網絡，用于分享模擬人類常識性推理的技術創意。如果獲得批準，該計劃將于今年秋季開始實施，很可能運行五年，總投資約為6000萬美元。

　　“這是一個高風險的項目，問題比任何一家公司或研究團隊都大。”美國國防高級研究計劃局的官員大衛·蓋寧(David Gunning)說。