我们为什么不能只相信建立在深度学习基础上的人工智能系统
加里·马库斯(Gary Marcus)对深度学习的大肆宣传并不感冒。尽管这位纽约大学教授认为,这项技术在推进人工智能方面发挥了重要作用,但他也认为,AI领域目前对深度学习过于重视了,这很可能会反噬这项技术。
马库斯是一名训练有素的神经学家,他的职业生涯一直处于人工智能研究的前沿。从技术角度看,深度学习可能擅长模仿人类大脑的感知任务,比如图像或语音识别。但它在理解对话或因果关系等其他任务上仍有很大不足。为了创造能力更强、智能范围更广的机器,也就是俗称的通用人工智能,深度学习必须与其他方法相结合。
当人工智能系统不能真正理解它的任务或它周围的世界时,这可能会导致危险的后果。即使是系统环境中最小的意外变化也可能使其出错。已经有无数这样的例子:容易被愚弄的仇恨语言检测器,长期存在歧视的求职申请系统,以及发生撞车事故、有时导致司机或行人死亡的自动驾驶汽车。对人工智能的探索不仅仅是一个有趣的研究问题。它也具有非常现实的含义。
马库斯和欧内斯特·戴维斯(Ernest Davis)在他们的新书《重启人工智能》(Rebooting AI)中主张开辟一条新的前进道路。他们相信,我们离获得这样的通用智能还差得很远,但他们也相信,我们最终能够做到这一点。