人工智能和心思學(xué)范疇的兩位頂尖研討者，紐約年夜學(xué) Yann LeCun 和 Gary Marcus 就 AI 能否須要相似人類和植物的內(nèi)置的認(rèn)知機(jī)制，以完成相似人類的智能這一成績，睜開了劇烈的爭辯。爭辯的癥結(jié)在于無監(jiān)視進(jìn)修算法終究能否須要內(nèi)置的認(rèn)知構(gòu)造，假如在不須要這類構(gòu)造的情形下獲得勝利，那末 LeCun 將被證實(shí)是準(zhǔn)確的。
一輛由AI技巧驅(qū)動(dòng)的主動(dòng)駕駛汽車，能夠須要在虛擬仿真情況中撞到樹上5萬次，然后才會(huì)學(xué)到這不是個(gè)明智的選擇。然則，一只少小野山羊在峻峭的山坡上進(jìn)修攀爬，其實(shí)不須要摔逝世幾百萬次。異樣，一個(gè)三歲小孩也不須要演習(xí)有數(shù)次，能力想出若何穿過椅子爬到前面去。
在壯大的盤算資本的支撐下，如今，最早進(jìn)的AI技巧簡直可以從零開端進(jìn)修有關(guān)世界的任何內(nèi)容。比擬之下，人類和植物仿佛是天性地輿解某些概念——對象、所在和相干事物的聚集——這讓他們可以或許疾速懂得世界是若何運(yùn)作的。這就引出了一個(gè)主要的“后天vs后天”的成績：AI 的進(jìn)修能否須要像人類和植物具有的后天認(rèn)知機(jī)制那樣的某種內(nèi)置機(jī)制，能力到達(dá)相似的普通智能程度？
近日，紐約年夜學(xué)心思、年夜腦和認(rèn)識(shí)中間舉行的一場運(yùn)動(dòng)中，人工智能和心思學(xué)范疇的兩位頂尖研討者在這一成績長進(jìn)行了針鋒絕對的爭辯。
紐約年夜學(xué)盤算機(jī)迷信家、Facebook人工智能研討主管 Yann LeCun說：“我們今朝所具有的AI技巧，不管經(jīng)由過程構(gòu)造照樣經(jīng)由過程進(jìn)修，都沒法構(gòu)建世界的表象，而這是我們不雅察到的植物和人類所具有的才能。”
LeCun 是人工智能范疇深度進(jìn)修技巧的開辟者，深度進(jìn)修技巧贊助科技巨子們完成了很多熱點(diǎn)辦事的主動(dòng)化，好比 Facebook 的人臉辨認(rèn)功效，谷歌的中英互譯，等等。雖然缺少相似人類和植物的后天認(rèn)知機(jī)制，深度進(jìn)修算法使得AI可以或許完成一切這些義務(wù)了。
深度進(jìn)修算法在過濾年夜量數(shù)據(jù)的同時(shí)，逐步學(xué)會(huì)辨認(rèn)有關(guān)世界的一些特定形式——當(dāng)你具有Facebook、谷歌或微軟的年夜量盤算資本的話，它就可以在某些感知義務(wù)上任務(wù)，好比圖象辨認(rèn)。
人們分歧以為，今朝的AI技巧，好比深度進(jìn)修，依然不克不及讓AI具有與植物某人類相當(dāng)?shù)闹悄艹潭取ｋm然如斯，LeCun以為無監(jiān)視深度進(jìn)修可讓AI在通用智能方面獲得停頓。無監(jiān)視進(jìn)修清除了須要人類供給人工標(biāo)志的數(shù)據(jù)的很多請求，這些數(shù)據(jù)用于讓機(jī)械進(jìn)修。
LeCun 指出，古代人工智能的勝利很年夜水平上不是依附于構(gòu)建有關(guān)世界若何運(yùn)作的假定或構(gòu)造化概念。從這個(gè)意義上說，他偏向于最小化AI算法的構(gòu)造，以堅(jiān)持這類簡略性。他以為如許做不須要應(yīng)用人類說話學(xué)家，心思學(xué)家或認(rèn)知迷信家的常識(shí)。他說：“我尋求的是盡可能削減后天機(jī)制的部門，應(yīng)用我們現(xiàn)有的數(shù)據(jù)去進(jìn)修。”
不外，紐約年夜學(xué)研討型心思學(xué)家、Geometric Intelligence公司（如今屬于Uber的AI團(tuán)隊(duì)）的開創(chuàng)人 Gary Marcus 以為 LeCun 的尋求不會(huì)那末快完成。
他認(rèn)同無監(jiān)視深度進(jìn)修有勝利的機(jī)遇，但他也以為，算法只要具有了“更豐碩的原語（primitives）和表達(dá)方法（epresentations），而不只唯一像素”，能力在懂得世界方面獲得勝利。
Marcus 說：“我們愿望AI具有為懂得對象、實(shí)體的行動(dòng)和物理景象而構(gòu)建的表達(dá)方法和原語，就像人類嬰兒后天具有的那樣。”
Marcus 愿望看到AI研討人員“更多地自創(chuàng)認(rèn)知迷信的常識(shí)”，構(gòu)建加倍構(gòu)造化的算法來表現(xiàn)對象、聚集、地位和時(shí)空持續(xù)性等認(rèn)知概念。他援用了本身的任務(wù)，和哈佛年夜學(xué)認(rèn)貼心理學(xué)家 Elizabeth Spelke 等人的研討，展現(xiàn)了人類兒童若何可以或許在幼兒時(shí)代具有感知人、物體、聚集和地位等概念。他提出一個(gè)建議：為何不在AI中應(yīng)用相似的辦法，把一些構(gòu)造映照到相似的概念？
雖然 LeCun 本身在卷積神經(jīng)收集上的首創(chuàng)性任務(wù)就是一個(gè)很好的例子，解釋應(yīng)用更構(gòu)造化的辦法來束縛AI必需處置的信息量，可以贊助它更好地輿解世界。
Marcus說：“我以為，我們真正須要的是體系的思慮和剖析，假設(shè)我們將分歧量的后天機(jī)制嵌入到機(jī)械進(jìn)修中時(shí)，會(huì)產(chǎn)生甚么。”
LeCun 贊成AI須要一些構(gòu)造來贊助它懂得世界，但他對在生物年夜腦中能否存在“單一進(jìn)修算法、準(zhǔn)繩或法式”存疑，照樣說它更像是一種沒有根本的組織準(zhǔn)繩的有意義的“黑客”（hacks）聚集。在他看來，人工智能可以從單一的進(jìn)修準(zhǔn)繩或這類進(jìn)修準(zhǔn)繩的聚集中獲益，不論能否具有內(nèi)涵的后天認(rèn)知機(jī)制的構(gòu)造模塊，這些準(zhǔn)繩都邑發(fā)生。
“缺少的是一個(gè)準(zhǔn)繩，這個(gè)準(zhǔn)繩可讓我們的機(jī)械經(jīng)由過程不雅察世界和與世界互動(dòng)來懂得世界是若何運(yùn)作的，”LeCun說。“我們?nèi)缃袼狈Φ氖且环N進(jìn)修猜測世界的模子，在我看來，這是人工智能范疇獲得沖破性停頓的最年夜妨礙。”
LeCun說，智能的實(shí)質(zhì)是猜測的才能，由于猜測將來是一個(gè)異常特別的“填空”的場景。知識(shí)令人類和植物可以或許依據(jù)他們對世界運(yùn)作的認(rèn)知來彌補(bǔ)缺掉的信息。這就是為何人類駕駛員不須要撞5萬次樹能力認(rèn)識(shí)到撞樹是毛病的行動(dòng)；人類具有的知識(shí)讓他們曉得，假如車撞到樹會(huì)產(chǎn)生甚么事。
LeCun 愿望無監(jiān)視進(jìn)修可以或許引誘AI終究成長出一種懂得世界運(yùn)作方法的“感到”（sense），假如不是某種原始的“知識(shí)”的話，那末就從物理學(xué)的角度。“假如在我的職業(yè)生活停止之前，人工智能體系能像貓一樣聰慧，我會(huì)很高興，”LeCun說，“再否則，像老鼠一樣聰慧也行。”
關(guān)于AI進(jìn)修“后天照樣后天”的爭辯還遠(yuǎn)未停止。然則，LeCun 和 Marcus 都認(rèn)同可以依據(jù)一些癥結(jié)機(jī)能目標(biāo)來看哪一方更加公道。假如無監(jiān)視進(jìn)修算法終究須要更多相似對象、聚集、地位等等的認(rèn)知表征（cognitive representations）的構(gòu)造，那末Marcus就是這場爭辯的勝方。假如無監(jiān)視進(jìn)修在不須要這類構(gòu)造的情形下獲得勝利，那末LeCun將被證實(shí)是準(zhǔn)確的。
