人工智能的發(fā)展的勢頭如此猛烈，大眾和專家們對人工智能也持樂觀的預測，但歷史上，從1950年代初開始，「人工智能之春」和「人工智能之冬」之間就在上演循環(huán)往復的戲碼，誰又能預測未來的發(fā)展？

即使當今AI的突破速度似乎很快，無人駕駛汽車、管家機器人和智能對話系統(tǒng)等技術(shù)的開發(fā)卻比許多人想象的要難得多。

最近Melanie Mitchell在arxiv上發(fā)布了一篇文章，闡述了科研人員對AI的四個謬誤，這些謬論可能導致對該領域的過度自信預測。

Mitchell是一位美國計算機科學家，波特蘭州立大學教授，主要研究領域為復雜系統(tǒng)和遺傳算法以及細胞自動機。

謬論1：AI的發(fā)展是一個連續(xù)的過程

當IBM發(fā)布自動問答系統(tǒng)「沃森」時曾說，這是認知系統(tǒng)的第一步，也是計算的新紀元。

OpenAI把GPT-3語言生成器描述為邁向通用智能的重要一步。

然而， Hubert Dreyfus認為這是典型的「第一步誤區(qū)」，這就像一個猴子在爬樹，然后想著慢慢就會爬到月亮上。

AI的發(fā)展就是先找到特定任務的解決方案，再組合成通用智能，這也許不是實現(xiàn)真正AI的路。

就像許多專家預測的那樣，AI發(fā)展的道路上，有很多無法預見的障礙，連續(xù)的發(fā)展無法一帆風順。

謬論2：簡單的事有簡單的解決方案，困難的任務需要復雜的解決方案

當John McCarthy悲觀地認為「AI比想象的要難得多」的時候，明斯基解釋說，那是因為簡單的事情都是很難的。

人類在做很多事情的時候都沒有思考過自己為什么能這樣做，例如交流，走路，這些對人來說很簡單的事，對機器來說實現(xiàn)起來卻很復雜。

相反，對人來說很復雜的事，對機器來說又很簡單，例如下棋，幾百種語言之間互相翻譯等。

這也稱為「Moravec悖論」，相對來說，讓電腦在智力測試或跳棋方面表現(xiàn)出成人水平的表現(xiàn)是比較容易的，但讓他們掌握一歲孩子在感知和移動方面的技能幾乎是不可能的。

AI比我們想象的難，是因為我們從來沒有注意過，當我們感知世界時經(jīng)歷了多么復雜的一個過程。

誤區(qū)3：一廂情愿去模仿人腦

前面說過，人腦和機器對于不同的任務之間性能有很大的差距，而AI界的學者更傾向模仿人腦。

AlphaGo成功在圍棋界登頂，但沒人能從他嘴里問出來他到底是怎么想的。唯一的答案是，「AlphaGo只想著贏」。

IBM知道沃森無法閱讀或理解，DeepMind的研究人員也知道AlphaGo不知道自己在想什么。

雖然AI在很多任務上擊敗了人類，但離通用智能還有很遠的距離。

誤區(qū)4：智能都在人腦中

一般來說，智能是和人類的身體分開的。

頂尖的AI科學家把他們的想法匹配人腦的結(jié)構(gòu)，其中著名代表就是Hinton，他曾說過，若要理解人類是如何理解的，我們就需要數(shù)以億計的神經(jīng)元來模擬。

然而其他科學家也有認為我們之所以AI取得了進步，全歸功于摩爾定律，我們也不一定非要往人腦上靠。

embodied認知理論就是把情感和非理性的智能拋棄掉，做一種「純智能」，不需要考慮吃和睡來限制自己的行為。

上述四個謬誤是作者看到的當前AI發(fā)展受到的限制。

reddit網(wǎng)友表示，不知道這篇論文為什么被炒作起來了，但上述四個理論已經(jīng)是眾所周知的事。

并直言，arxiv大部分這種論文都是舊新聞炒冷飯。

還有網(wǎng)友認為這篇論文投稿肯定中不了。

你怎么看呢？