AI现在还仅仅是“物理学出现之前的工程学”(3)

发表于:2017-10-16来源:科技评论网站作者:Kathy点击数: 标签:人工智能
需要记得的是:尽管这些深度学习系统有时候看起来很聪明,但它们仍然很愚蠢。如果有一张图片显示一堆甜甜圈放在桌子上,而程序可以自动地将其标示


需要记得的是:尽管这些“深度学习”系统有时候看起来很聪明,但它们仍然很愚蠢。如果有一张图片显示一堆甜甜圈放在桌子上,而程序可以自动地将其标示为“堆在桌子上的一堆甜甜圈”的时候,你可能觉得这个程序很聪明。但是当同一个程序看到一个女孩刷牙的照片,会将其标识为“男孩拿着棒球棒”,这时你就会发现,它对世界缺乏理解。

神经网络只是无意识的模糊模式识别器,你可以将它们集成到几乎所有类型的软件中。但是 它们蕴含的智能很有限,而且容易被欺骗。如果你更改单个像素,一个识别图像的深层神经网络可能就会完全傻掉。我们在发现深度学习的更多运用方法的同时,也在频繁发现它的局限性。自动驾驶的汽车可能无法应对以前从未见过的路况。机器也无法解析需要运用常识才能理解的句子。

从某种程度上说,深度学习模仿了人类大脑中发生的事情,但模仿的程度非常浅显 —— 这也许解释了为什么它的智力有时看起来很有限。事实上,反向传播并不是通过深入探索大脑,解读思想本身来解密思想的。它的基础实际上是条件反射实验中动物如何使用试错法的学习模式。它的很多巨大飞跃并没有纳入神经科学的一些新洞见,而是多年来在数学上和工程上积累的技术改进。我们对智能的了解,相对于我们尚不了解的部分来说,只是沧海一粟。

“物理学出现之前的工程学”

多伦多大学的助理教授戴维o杜文多(David Duvenaud)说,目前深度学习就像是“物理学出现之前的工程学”。 他是这么解释的:“有人写了一篇文章,说‘我造好了这座桥!’另一个人发了论文:‘我造了这座桥,它倒下了——然后我添加了支柱,它就立起来了。’于是柱子就成了大热门。有人想到了使用桥拱,‘桥拱很棒!’但是直到有了物理学之后,你才明白怎么造桥能不倒,为什么。”他说,直到最近,人工智能界才开始走入这个实际了解它的阶段。

辛顿认为,克服AI的局限性是建立“计算机科学与生物学之间的桥梁”。在这种观点下,反向传播是一种“生物启发的计算”的胜利。它的灵感不是来自工程学,而是心理学。现在,辛顿正探索一个新的方法。

现在的神经网络是由巨大的平面层组成的,但是在人类新皮层中,真正的神经元不仅仅是水平构成层次,而且也是垂直排列成柱状的。 辛顿认为,他知道这些柱状有什么用——比如即使我们的视角改变,也能识别出对象——所以他正在构建类似的“胶囊” ,来测试这个理论。到目前为止,胶囊还没有大大提高神经网络的表现。但是,他30年前提出的反向传播也是直到不久前才显示出惊人效果的。

“它不奏效可能只是暂时的。” 他在谈到胶囊理论时说。

原文转自:http://tech.qq.com/a/20171016/006296.htm

...