研究：人工智能专家加里·马库斯(Gary Marcus)解释了如何使人工智能迈向“新高度”

 
AI领域，特别是在深度学习领域，正处于一个转折点。我们或者要突破到另一面-深度学习变得深入理解–或继续旋转我们的集体力量，浇灌价值数万亿美元的计算，使Alexa假装它了解您的内容后提高了百分之一。说。
Robust.AI首席执行官兼联合创始人Gary Marcus表示，这只是正在发生的事情的简单总结。AI开发人员和研究人员需要在实现“稳健”人工智能的任何真正进展之前增加他们的方法。
Marcus于本周早些时候在arXiv上发表了一篇新论文，题为“人工智能的下一个十年：迈向强大的人工智能的四个步骤”。在这份长达55页的文件中，他总结了自己和Yoshua Bengio之间在2019年“ AI辩论”期间的最新论点，并进行了扩展。
Marcus所说的要点归纳为他归因于Facebook AI团队成员的单引号：
越来越多的证据表明，最先进的模型学会了利用数据集中的虚假统计模式……而不是像人类那样灵活而可概括地学习意义。
换句话说，就像一只鸡在玩井字游戏一样，人工智能没有丝毫线索。它只是修改并重复其编程要执行的任何操作，直到人们确定适当调整其行为的“参数”为止。
Marcus认为AI没有实际的了解，因为它没有世界的内部模型以及它和其中的对象如何像人类一样运作。他说，处方是一种结合了深度学习和认知模型方法的混合发展范例。他写：
我们必须重新集中精力，努力开发一种构建系统的框架，该系统可以例行获取，表示和操纵抽象知识，并使用该知识为外部世界的复杂内部模型进行构建，更新和推理。
这种方法背离了许多致力于创建“人工通用智能”或超人AI的初创公司，大型科技公司和组织的“天空之作”。
相反，Marcus提倡进行发展性重组，在我们进入超级智能机器时代之前，将可实现的中间目标与“下一个AI”结合起来。为此，他写道：
让我们将其称为健壮的人工智能新水平：虽然不一定是超人或自我完善的智能，但可以依靠它以系统和可靠的方式将其所学知识应用到广泛的问题中，从各种知识中综合知识。来源，这样它就可以灵活，动态地对世界进行推理，以一种我们对普通成年人所期望的方式，将它在一个环境中学到的东西转移到另一环境中。
问题的实质在于，深度学习并不是人类推理的很好的近似方法。曾经在正确的命令上落下来以“触发”智能扬声器的正确响应之前摸索过几种不同命令的人，都解决了AI无法“理解”的问题。
当Google Assistant或Alexa无法处理有意义的命令但未使用正确的措词时，它的反应与我们按触摸板上的错误按钮没有什么不同：那里没有感觉或智慧。
之前我们已经说过，大多数AI要么只是用于存储大量数据的输出漏斗，要么就像魔术师那样使人眼花digit乱，使它们看起来就像是他们将机器人从帽子里拉出来一样。事实是，Alexa，每个人都害怕的GPT-2文本生成器以及Telsa的Autopilot系统都是一招小马。
即使Deep Mind的AlphaGo(在可以说是世界上最艰难的游戏上击败了世界上最伟大的游戏玩家)的计算机，也将在“大富翁”或“拼字游戏”中受挫，除非有人花时间完全对其进行重新培训。
马库斯坚持认为，如果要将人造结构朝着人类层面的推理发展，我们需要“围绕持久的抽象知识构建的智力”。纵观整个历史，科学家从不相关的事件中汲取灵感的故事–据说牛顿想知道为什么苹果会掉下来，而魔术师是在工程师去远足并将蛤cock毛刺粘在裤子上后发明的，因此被认为是万能的。
关键是，人工智能没有灵感或能力来收集抽象信息，以便在未来的学习领域中进行未指定的分配。而且，直到做到这一点，我们离拥有“强大的AI”还差得很远，而距“人类级”或“超级智能”机器的距离则要远得多。