有比“深度学习”更聪明的人工智能吗？

　　一提到人工智能，人们就会想到“深度学习”。然而，“深度学习”也有限度吗?是否有比“深度学习”更好的人工智能技术。《纽约时报》近日撰文对此进行了讨论。

　　文章全文如下：

　　在过去的五年里，人工智能领域最热门的一个分支就是所谓的“深度学习”。简单来说，这种称为“深度学习”的统计技术为计算机提供了一种通过处理海量数据来进行学习的方法。通过深度学习，计算机可以轻松识别人脸和人类口语，使机器获得其他形式的人类智能成为可能。

　　谷歌、Facebook和微软等公司已经为“深度学习”的研究进行了大量投资，这一领域也涌现出许多创业公司，他们试图用这项技术来解决从癌症治疗到后台自动化等一切问题。这一技术的感知和模式匹配能力正在应用于新药开发和自动驾驶汽车等领域。

　　但是，现在有一些科学家提出了质疑：“深度学习”是否真的如此深刻。

　　在最近的一些对话、在线评论和长篇论文中，越来越多的A.I.专家发出这样的警告：对“深度学习”的迷恋可能会让开发者短视和过度投资，并在以后产生幻灭。

　　“那里没有真正的智能。”美国加州大学伯克利分校的教授迈克尔·乔丹(Michael I. Jordan)说。迈克尔·乔丹在今年四月份发表的一篇论文中为研究者对A.I的崇高期望泼了冷水。“我认为，对这些高级算法的过度信任是一种错误的信仰。”

　　一些专家警告说，危险在于A.I.将遇到技术壁垒，并最终面临普遍的反弹。

　　“深度学习”算法利用一批相关数据(如人脸图片)对软件进行训练，然后提供越来越多的数据，从而不断提高软件的模式匹配精度。虽然这种技术已经取得了成功，但其应用主要局限于可以获得大量数据集并且任务已经被很好定义的领域，如标记图像或语言翻译。

　　这项技术在更加开放的智能领域——意义、推理和常识知识——则没有什么进展。虽然深度学习软件可以立即识别数百万单词，但它对“正义”、“民主”或“干预”等概念毫无理解。

　　研究人员已经发现，具有“深度学习”能力的神经网络很容易被愚弄，例如，它可能会将3D打印的乌龟识别为步枪，将停车标志识别为冰箱。

　　在今年年初发表于科学论文网站arXiv.org上的一篇文章中，纽约大学教授加里·马库斯(Gary Marcus)提出了这样一个问题：“深度学习是否已经快要撞墙?”他写道：“就像我们常常看到的那样，通过“深度学习”提取的模式比最初出现的模式更肤浅。”

　　如果“深度学习”是有限度的，那么我们现在可能为之投入了太多的金钱和聪明的大脑，艾伦人工智能研究所(Allen Institute for Artificial Intelligence)首席执行官奥伦·伊佐尼(Oren Etzioni)说，“我们是在冒险，因为我们原本可以去推进A.I.领域其他重要概念和技术。”他说。

　　一些研究团队、初创公司和计算机科学家对那些解决“深度学习”弱点的人工智能技术表现出更多的兴趣。艾伦人工智能研究所在今年二月份宣布，它将在未来三年投资1.25亿美元，主要用于研究如何教机器学习常识知识，该计划名为“亚历山大项目(Project Alexandria)”。

　　虽然各个研究团队和公司的项目各不相同，但他们的共同目标是开发比“深度学习”应用更广泛、更灵活的人工智能技术。这些技术需要的数据通常少得多，“深度学习”只是这些技术的一个要素。

　　“我们不是‘反深度学习’。”艾伦人工智能研究所的研究员、华盛顿大学计算机科学家Yejin Choi说，“我们正在试图将A.I.推向更广泛的领域，我们不是在批判工具。”

　　不同于“深度学习”的新工具通常是以新方式应用的旧技术。硅谷初创公司Kyndi的计算机科学家正在用Prolog(一种20世纪70年代出现的编程语言)开发新的工具。这种新工具是为A.I.的推理和知识表述而设计的，它可以处理事实和概念，并尝试完成没有明确定义的任务。

　　资深A.I.研究员本杰明·格罗索夫(Benjamin Grosof)今年五月加入Kyndi，担任该公司首席科学家。格罗索夫表示，Kyndi正在为“将A.I.两个分支联合起来的新方法”而工作。

　　Kyndi首席执行官Ryan Welsh表示，Kyndi已经能够使用非常少的数据来进行培训，使之能够自动生成事实、概念和推论。

　　他说，Kyndi系统可以用10到30份科学文件(每份文件10到50页)来训练。经过训练之后，Kyndi的软件可以识别概念，而不仅仅是识别文字。

　　而且，Kyndi的阅读和评分软件工作速度很快。Ryan Welsh称，人类分析师平均需要花费两个小时才能阅读一篇科学文献，一年内可能阅读1000篇左右，而Kyndi的技术可以在七个小时内阅读完这1000份文件。

　　Kyndi作为一个不知疲倦的数字助理，可以识别需要人类作出判断的文件。“目标是提高人类分析师的生产力。”威尔士先生说。

　　另一家名为Vicarious的创业公司致力于开发可以像人类一样迅速地从一项任务转向另一项任务的机器人。该公司去年秋天在《科学》杂志上发表了一篇论文。该公司在论文中称，其A.I.技术可以从相对较少的例子中学习，以模仿人类视觉智能，其使用数据的效率是深度学习模型的300倍。

　　美国人工智能公司Vicarious的投资者包括伊隆·马斯克、杰夫·贝佐斯和马克·扎克伯格，该公司是研究A.I.新工具的杰出榜样。

　　“‘深度学习’让我们看到了希望之乡，但我们还需要投资其他技术。”Vicarious共同创始人迪利普·乔治(Dileep George)说。

　　美国国防高级研究计划局(DefenseAdvancedResearchProjectsAgency)提出了一个名为“机器常识(Machine Common Sense)”的计划，该计划旨在推进大学在A.I.领域的研究，并拟推出一个非商业性网络，用于分享模拟人类常识性推理的技术创意。如果获得批准，该计划将于今年秋季开始实施，很可能运行五年，总投资约为6000万美元。

　　“这是一个高风险的项目，问题比任何一家公司或研究团队都大。”美国国防高级研究计划局的官员大卫·盖宁(David Gunning)说。