现在我们面临一个关键问题:目前在传统的、基于人类模仿的AI真的是解决这些挑战的最佳方式(甚至是唯一方式)吗?
事实上,机器学习近年来取得成功的一些成功案例都是在模仿人类的AI领域,如计算机视觉、语音识别、游戏和机器人技术。也许我们应该继续等待,等待这些领域的更多技术进步。这里有两件事情需要注意。
首先,目前模仿人类的AI取得的成功还很有限,我们的最终愿望还远未实现。同时,在这个领域已经取得的有限进展,产生了巨大的快感,也滋生了不少恐惧,导致AI的过度繁荣和媒体的过度关注,这一点在其他工程领域是不存在的。
更重要的是第二点,在这些领域取得的成功并不足以解决重要的IA和II问题。比如自动驾驶汽车。要实现自动驾驶,需要解决一系列工程上的问题,这些问题可能与人的能力(或人力资源缺乏)关系不大。整体交通运输系统(II系统)可能更接近当前的空中交通管制系统,而不是目前普遍关注的人类驾驶员。这种系统比现有的空中交通管制系统复杂得多,特别是可以使用大量数据和自适应统计建模,为精细化决策提供信息。应对这些挑战需要关注最前沿,仅仅关注模仿人类的AI是不够的。
至于必要性,有人说模仿人类的AI愿景涵盖了IA和II的目标,因为它不仅能够解决AI的经典问题(比如图灵测试),同时也是解决IA和II问题的最佳选择。不过这种说法几乎在历史上找不到先例。以前听说过要用AI木匠或AI瓦工来搞土木工程吗?化学工程是否应该建一个AI化学家的框架?更有争议的是:如果我们的目标是建立化工厂,是否应该首先打造一群AI化学家,然后让TA们去研究怎么建?
有一种说法是,人类智能是我们所了解的唯一一种智能,因此我们应该将模仿人类智能作为第一步。但是,人类实际上并不擅长某种推理,人类有自己的失误、偏见和局限。而且,至关重要的是,人类并没能进化足以执行现代II系统必须面对的大规模决策,也没有应对II环境中出现的各种不确定性的能力。
有人可能会说,
人工智能系统不仅会模仿人类智能,还会纠正人工智能,而且这种能力可以扩展到任意规模的问题。当然,现在说的处于科幻小说的范畴,这种推测性的论点,虽然放在科幻小说中会很吸引人,但不应该成为我们面对关键的IA和II问题时采取的主要战略,这类问题已经开始出现了。我们需要根据自身的优势解决IA和II问题,而不仅仅靠模仿人类的AI。
当然,经典的人工模拟AI问题仍然很有意义。然而,目前的重点是通过收集数据进行AI研究,部署深度学习基础设施,以及模仿某些特定人类技能的系统的演示。这些研究中几乎没有涉及新的解释性原则,往往会将研究的注意力偏离经典AI领域的几个主要开放问题。
这些问题包括需要将意义和推理引入自然语言处理的系统,以应对推断和表示因果关系的需要。开发计算易处理的不确定性表示,以及开发制定和追求长期目标的系统。这些都是模仿人类的AI的经典目标,但在当前人工智能革命的热潮中,人们很容易忘记这些尚未解决的问题。
IA同样是非常重要的问题,因为在可预见的未来,计算机仍无法与人类在抽象推理真实情况的能力相比。我们需要经过深思熟虑的人机的交互来解决最紧迫的问题。我们希望计算机能够催生出人类创造力的新水平,而不是取代人类的创造力。
版权申明:本内容来自于互联网,属第三方汇集推荐平台。本文的版权归原作者所有,文章言论不代表链门户的观点,链门户不承担任何法律责任。如有侵权请联系QQ:3341927519进行反馈。