哈萨比斯导师：人工智能媲美人类或需两百年，神经学是条出路

来源：澎湃新闻

概要：从围棋到智能驾驶，深度学习缔造了眼下这一波人工智能热潮。

在深度学习最热的两大关键词“AlphaGo”和“自动驾驶”，托马索·波吉奥（Tomaso Poggio）都有声名卓著的学生，分别是DeepMind天才创始人戴密斯·哈萨比斯(Demis Hassabis)和Moblieye首席执行官Amnon Shashua。

“深度学习：从炼金术走向化学”，在《麻省理工科技评论》与DeepTech深科技1月28－29日主办的全球新兴科技峰会上，MIT人工智能实验室教授托马索·波吉奥抛出了这个演讲标题，显然是对前段时间深度学习界那场口水战的某种回应。

激辩深度学习是否“炼金术”

2017年年底，人工智能顶级学术会议NIPS因为一份获奖演讲风云突变。在这个本该充满套路的环节，当届经典论文奖得主、谷歌工程师Ali Rahimi意外向深度学习开枪，提出深度学习是“炼金术”。

从围棋到智能驾驶，深度学习缔造了眼下这一波人工智能热潮。其本质是通过大量匹配的输入和输出数据训练计算机，使其自动提取相关特征，建立联系，免去了人类设计特征。但也因如此，计算机给出结果的逻辑是一个“黑匣子”，无法为人类所知。

AlphaGo下赢了柯洁，但它为什么落这一子？制造AlphaGo的DeepMind工程师们也不知道。

Ali Rahimi由此提出炼金术的比喻。炼金术“管用”，催生了冶金、纺织和现代玻璃制造工艺，但不是科学。他希望世界能建立在严谨、周密、可验证的知识之上，而不是“炼金术”。

Facebook科学家、深度学习三巨头之一Yann Lecun迅速对这一比喻进行了驳斥。他归纳道：“在科技史上，工程产品总是要先于理论一步：镜片和望远镜先于光学理论问世，蒸汽机先于热动力学问世，飞机先于飞行空气动力学问世，无线电和数据通讯先于信息论问世，计算机先于计算机科学问世。”

面对这场口水战，波吉奥虽未直接站队，但抛出“炼金术”的比喻，已隐隐站在了MIT校友Ali Rahimi的一方。波吉奥是计算机视觉领域的泰斗级人物，将认知科学与深度学习结合建立模型，模拟人脑看到物体后的反应。他见证了深度学习和人工智能的发展，但他也承认“炼金术”问题：人类需要去了解智能的整体架构，以及智能背后的科学原理。

MIT人工智能实验室教授托马索·波吉奥

他告诉澎湃新闻（www.thepaper.cn），虽然Yann Lecun归纳的科技发展史并没有错，事件通常会先于理论产生，但却不是一定的。“比如深度学习就是这样一种情况，它不一定。”

深度学习非常依赖数据，但人类却不是这么学习的——人类通过与家长、监护人的频繁互动进行学习。所以，现在的机器学习其实是比较“笨”的。

正因如此，波吉奥对人工智能的发展速度预判较为悲观，可能需要200年才能拿到媲美人类的水平。“如果要达到人类的智能助手水平，可能只需几年或者十几年。但如果要这样的一个助理除了规划人类出行之外，也能够玩游戏、打比赛，像人们一样谈论一切，我认为要有更长的时间。”

比爱因斯坦更聪明的大脑

那么，深度学习要如何从“炼金术”中走出来？人工智能要如何真正地学习？波吉奥认为还是要回归理解人类智能，即脑科学和神经科学。人脑智能如何产生，是科学需要解决的元问题。在这点上，波吉奥显然又站在了Yann Lecun的对立面。尽管深度学习的基本架构最早受到上世纪60年代猴脑视觉系统的启发，但Facebook的首席人工智能科学家多次在公开场合强调，现在的卷积神经网络其实与大脑神经网络已无可类比之处。人工智能绝非“仿生学”，就像此前人类模仿鸟类制造飞行器，但发展出空气动力学后，才知道翅膀的振动并不必要。

而波吉奥认为，从60年代的猴脑视觉系统到现在的计算机视觉，从脑科学到深度学习，这些架构在本质上都是一脉相承的。

人工智能的下一个突破口，波吉奥相信会来源于神经科学。目前，他的团队正在研发的基于人类和猿猴视觉系统的新架构，其核心功能是综合性地生成日常流程。这个过程并不需要对机器进行预先的训练。不像现在的AlphaGo，虽能在棋坛封神，但如果下棋的房间着火了，它都意识不到。