局面越來越清楚：
靠增加算力、更多數(shù)據(jù)，并不能解決AI面臨的挑戰(zhàn)。
NeurlPS 2019上，多位專家討論到AI的未來，認(rèn)為深度學(xué)習(xí)算法的瓶頸已經(jīng)出現(xiàn)。
有人覺得深度學(xué)習(xí)方法可以進(jìn)化，有人則期待新的方法出現(xiàn)。
相通的是，專家都紛紛把目光轉(zhuǎn)向生物，希望能在自然智能身上獲得靈感。
深度學(xué)習(xí)的局限
來自谷歌的Aguera y Arcas說：
我們有點像趕上班車的狗
他表示，深度學(xué)習(xí)已搞定了AI方面的一些長期挑戰(zhàn)，但是，還有許多存在的挑戰(zhàn)，目前無法解決。
涉及推理或社會智能的問題，比如，想用AI來衡量潛在雇員，仍然遙不可及。
而且目前所有訓(xùn)練的模型只是通過一個測試，或者贏得一個有評分的比賽。但是人類這樣的智能可以做的事情遠(yuǎn)遠(yuǎn)超出這種有規(guī)則的模式。
深度學(xué)習(xí)三巨頭之一、圖靈獎得主Yoshua Bengio在接受Spectrum采訪時表示：
現(xiàn)在的深度學(xué)習(xí)還無法達(dá)到一個兩歲孩子的智商，完成一項任務(wù)需要很多的數(shù)據(jù)，而且還會犯很多愚蠢的錯誤。
從公司落地的層面而言，對于技術(shù)實現(xiàn)的預(yù)測也表現(xiàn)得謹(jǐn)慎起來。
Google對自動駕駛出租車實現(xiàn)的預(yù)測，已經(jīng)改變了原來的樂觀態(tài)度，變得充滿克制。
Facebook的AI副總裁Jerome Pesenti最近表示，他的公司和其他公司不應(yīng)該期待僅通過開發(fā)具有更多計算能力和數(shù)據(jù)的更大的深度學(xué)習(xí)系統(tǒng)來繼續(xù)在AI方面取得進(jìn)步。
對創(chuàng)新的呼吁
面對這一現(xiàn)狀，人們提出了自己的建議。
Arcas和Bengio都希望與會者多考慮自然智能的生物學(xué)根源。
Arcas展示了一項模擬細(xì)菌的試驗。這些細(xì)菌通過人工進(jìn)化的方式進(jìn)行覓食和交流。
而Yoshua Bengio認(rèn)為深度學(xué)習(xí)這個方法行得通，他正在往工具箱里增加更多的東西。
他在會議上做了主題為從深度學(xué)習(xí)系統(tǒng)1到深度學(xué)習(xí)系統(tǒng)2的演講，提出軟注意力和深度強(qiáng)化學(xué)習(xí)方式能夠促進(jìn)解決推理、計劃、捕獲因果關(guān)系等問題。
他的新方法受到了自然智能的啟發(fā)。根據(jù)意識的先驗性進(jìn)行相關(guān)假設(shè)，許多高級依賴關(guān)系可以通過稀疏因子圖近似地捕獲。軟注意力機(jī)制構(gòu)成了一個關(guān)鍵因素，它可以一次將計算集中于幾個概念（“意識思維”）。
蒙特利爾大學(xué)副教授Irina Rish則希望能夠出現(xiàn)新想法：
深度學(xué)習(xí)很棒，但是我們需要一個不同的工具箱。
他回憶起2006年的一次非正式深度學(xué)習(xí)研討會，比喻就像“宗教聚會”，組織者拒絕接受邊緣的技術(shù)想法。
雖然在今年的大會上，深度學(xué)習(xí)是主流，他希望自己的發(fā)言能夠支持新的想法出現(xiàn)。
元學(xué)習(xí)
新的出路也被談及。
Uber研究員Jeff Clune已經(jīng)表示明年會加入Open AI 。他還是新興領(lǐng)域元學(xué)習(xí)metalearning的成員。這一領(lǐng)域希望實現(xiàn)AI自己設(shè)計學(xué)習(xí)算法。
在演講中，他介紹了POET成對結(jié)合開放式開拓者，讓AI掌握自我進(jìn)化來變得更聰明。這一方法的靈感之一是自然進(jìn)化。他給了一個例子，動畫中的一雙腿可以自動學(xué)習(xí)在更復(fù)雜的地形上走路。
場景的多樣性和復(fù)雜度會自動增加
最終可以自己學(xué)會下樓梯
不知道你有沒有想過，AI的發(fā)展將怎樣實現(xiàn)下一個突破呢？
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
