来源:华尔街新闻
摘要:科学家们一直致力于创造一种像人类一样思考的机器,但经过一段时间的探索,这一进程遇到了阻碍,他们基本上已经暂停了模仿“人脑”,转而研究已有发现的应用。
科学家们一直致力于创造一种像人类一样思考的机器,但经过一段时间的探索,这一进程遇到了阻碍,他们基本上已经暂停了模仿“人脑”,转而研究已有发现的应用。剩下的仍在孜孜不倦地追求“超智能机器”的人中,图灵奖获得者Judea Pearl提出了通往智能机器的新路线图。
“人脑”模仿受挫
卡内基梅隆大学计算机科学系主任Andrew Moore在接受Axios采访时表示,尽管现在的AI在可视化、语音和困难游戏方面有令人惊叹的能力,但它仍然“没有魔力”。“我们不再试图复制人脑,我们专注于设计制造(已经发明的东西)”,他说。
Moore的观点与人工智能界日趋强烈的疑问一致——现有的方法真的可以实现所谓”人工智能”吗?去年九月,AI领域最受尊敬的先驱之一Geoffrey Hinton称,研究者们需要重新开始。
1986年,Geoffrey Hinton与他人合著了一篇论文,这篇论文在30年后成为了引爆人工智能的核心。该论文提出了反向传播理论方法,这是如今人工智能所依赖的主要方法,图像分类、Siri交谈能力的进步都仰仗该方法。然而去年九月,Geoffrey Hinton在一场多伦多举行的AI会议上直言自己提出的突破性方法应该被舍弃。
反向传播算法的核心工作机制是用“标签”或“权重”代表类脑神经层中的图像或声音,权重可以逐层调整,直到该神经网络能够在最少错的情况下执行智能功能。如今Geoffrey Hinton对这个算法深表怀疑,他不认为这是大脑的工作方式,因为“我们显然不需要所有标记的数据。”他说,“我的看法是抛弃一切,重新开始”。
通往“智能机器”的新路线
尽管许多AI科学家停下了对“超智能机器”的追求,但还是有研究者在坚持寻求突破。其中Judea Pearl提出了通往智能机器的新路线——“因果推理”。
Judea Pearl是计算机科学领域最高奖项图灵奖的获得者,也是人工智能领域畅销书 “The Book of Why”的作者。他把他提出的新路线称为“因果推理”,即推断情况的原因和方式的能力。
Judea Pearl指出新路线虽然并不涉及人工智能本身,但“因果推理”是终极路径,因此将标志一场“小型革命”,他告诉Axios。Pearl认为当下机器学习囿于相关性和关联性,缺乏真正的思维。比如,如果一个人工智能程序每天都看到公鸡在太阳升起前打鸣,它就会认为是公鸡打鸣导致了太阳升起,这就是人工智能所依赖的相关性。而“因果推理”就是希望能超越相关性,让因果解释成为机器智能的基石。
“我所预测的迷你革命将把机器学习从目前的不透明,健忘和缺乏可解释性的困境中解放出来,” Judea Pearl说。“此外,它还可以让机器学习我们真正关心的问题的答案,而不仅仅是相关性。”例如,一辆装备了“因果推理”的自驾车即使遇到一个没有数据的情况,也能立即进行调整。这样的自驾车可以思考是什么导致了它遇到的事故,而不仅仅是与事故相关的事物,前者才是人类真正关心的。
值得一提的是,Geoffrey Hinton也与他的谷歌同事一起提出了全新的AI理论体系——“Capsule”。这是他们对未来人工智能形态的探索。Capsule的提出受到了神经解剖学、认知神经科学、计算机图形学的启示,旨在实现反向传播无法实现的“无监督学习”,这能让神经网络摆脱“标签”,依靠自身变得智能。
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”