[[186749]]

曾經人工智能只能在科幻小說作家和編劇的作品中出現，而現在人工智能正穩(wěn)步踏入現實世界。最近，我們看到人工智能在與人類的競爭中越發(fā)脫穎而出，從比專家更強的閱讀能力，到在撲克錦標賽上取得勝利，人工智能正不斷的戰(zhàn)勝人類。

但是，似乎所有人都在加入人工智能潮流，我們想知道這項技術到底有多先進。Cortica是一家依賴人工智能技術發(fā)展的形象識別公司，我們向Cortica的創(chuàng)始人Igal Raichelgauz提出了一個問題：為什么人工智能仍然是一個愚蠢的東西?

以下是他的回答。

人工智能一直缺乏足夠的智能，因為它獲取信息的能力并沒有現實環(huán)境的限制。人類智力受到我們的生理條件和我們自然進化過程的限制，但人工智能在理論上可以繼續(xù)發(fā)展和提升智力，而不受外界條件的限制。人工智能“智能”真正局限性在于我們的能力。盡管如此，人工智能現在可以完成多項事務的能力，遠不及人類和其他生物有機體的能力。

例如，盡管在過去五年中深度學習已經取得了顯著的進步，但這些技術完全沒有達到一個真正的人對圖像的理解能力。人工智能系統(tǒng)也會產生一些錯誤的判斷，它們無法理解上下文信息，有時也會忽略一些微小的細節(jié)。當然，也有一些方面，比如數字計算、下圍棋等，如今的人工智能已經超過了人類的能力。但事實仍然是，人工智能仍然無法完成人類最瑣碎的任務，那就是與現實世界互動，感知自然信號。這表明人工智能系統(tǒng)不過是比較強大的計算機罷了，它的名字是個具有誤導性的頭銜。

[[186750]]

對于人工智能來說，要想達到人類智能的高度，最重要的是要在人類幾千年來一直擅長的事情中脫穎而出。因此，在這個超越過程中，視覺理解和智能導航能力的提升比玩撲克更合適。在這類自然任務中，將人類智力與人工智能相匹配，將使人工智能無限接近我們的智慧。

要理解這一里程碑式的鴻溝，我們必須深入研究生物系統(tǒng)與深度學習技術之間的差異。

機器學習人工智能的創(chuàng)造者夸口說，機器可以自己學習和處理數據。但實際上，機器學習技術遵循的是一種自上而下的方法，是不允許他們自行做某事的。

在自上向下的體系結構中，人工智能首先要系統(tǒng)接受培訓，即它的算法被開發(fā)出來，并顯示出巨大的相關數據集。只有這樣，才能將這些知識應用到新數據中。深度學習系統(tǒng)被貼上訓練數據的標簽，直到他們能夠成功地輸出新數據。機器只有在成功推斷出問題的正確答案時，才會得到停止的指令。深度學習機器是利用許多層次的算法來構建的，這些算法利用許多抽象層次來處理數據。這些自上而下的系統(tǒng)已經取得了巨大的成就，但是它們對訓練的依賴使它們變成復雜的機器，而不是智能的機器。

機器模仿

人類大部分學習都是在沒有監(jiān)督的情況下進行的。從他們出生的那天起，孩子們就會不斷吸收他們所接觸到的大量信息，并學會理解這個世界，進而能夠知道如何駕馭這個世界。要擁有與人類相匹敵的智力，機器必須模仿人類自下而上的學習和理解的方式。如果沒有訓練、參數或數據集，它們的算法和結構將能夠引入數據，處理數據，并通過自己的方式來理解它。按照邏輯學習模式，智能機器是能夠進行理解和學習的，它們可以通過歸納、結合語境和利用自己的創(chuàng)造力來學習。

在合作創(chuàng)立Cortica之前，我曾加入以色列理工學院的一支神經學家和工程師團隊，目的是了解大腦皮層如何運作，并設計出一種可以模仿這一過程的機器。盡管我們在如此復雜的問題上投入大量的計算能力，但限制我們系統(tǒng)層數的決定，在構建無人監(jiān)督的學習和計算機視覺AI方面取得了成功。

如今，Cortica的系統(tǒng)可以在自己的內部區(qū)分不同的信息，并創(chuàng)造出相似的數據，然后用網絡上已經存在的信息來給它們貼上標簽。真正的智能技術的出現，將從根本上改善我們推動一些最重要的技術創(chuàng)新的方式，并使我們能夠利用看似無窮無盡的視覺數據。

如果人工智能的發(fā)展是模仿人類的過程，那么它的確可以超越人類的智力。我們沒有理由限制更先進的人工智能的發(fā)展，但我們必須給它樹立一個正確的框架。

（英文來源/newatlas編譯/機器小易 審校/雨蛋）