【观点】人工智能陷入瓶颈，它将会如何继续发展
原文作者：Gary Marcus
译者：李凌
概要：要让电脑像人类一样思考，我们需要一个新的人工智能模型，一个将“自上而下”和“自下而上”获取知识的方式置于平等位置的模型。
这段时间人工智能被炒的很热，但是被掩盖住的一个事实就是人工智能其实还有很长很长的路要走。当然，从国际象棋、围棋到“Jeopardy”和扑克牌，人工智能系统已经掌握了一系列的游戏技能，但是科技仍然在跟在现实世界做着斗争。机器人会在门被打开时摔倒，标准的无人驾驶车辆也经常性的需要人为干预操作，到目前为止，还没有人设计出一个有着六年级小学生阅读水平的机器，更不用说达到大学生水平了。设计出能够进行自我教育的计算机才是真正智慧的一个标志，但是这在现在这仍然是一个梦想。
即便在最近，经常出现的通过使用人工神经网络来识别大量数据中复杂统计相关性的“深度学习”的潮流科技，也不能让我们完全实现这个梦想。例如，一些优秀的图像识别系统可以帮助我们成功地区分狗品种，但在这过程中，依然会发生一些重大的失误，例如错误地将一条有着简单黄黑条纹的图案匹配到校车上。这样的系统不能够去理解复杂的视觉场景中所发生的事情（比如：“谁在追逐谁和为什么他们要互相追逐”），也不能进行简单的说明（比如：“通读全文后概括大意”）。
虽然人工智能领域随着微观发现进步有了井喷式发展，但是在对于鲁棒性和灵活性认知上的进步仍然不显著。例如，不久前，我和我3岁的女儿坐在咖啡厅的时候，她自己发现，她是可以用新的方式从椅子上爬出来的：向后坐，然后从椅背和椅面之间的缝隙中钻出来。我女儿就这样以别人从来没有见过的方式溜下了椅子; 她自己发明了它——不需要那些经过不断尝试和发生错误后所带来的经验，或者是大量的标记数据。
大概，我想我的女儿是依赖于一个有关她的身体如何运动的隐含理论，和另一个隐含的物理学理论——一个复杂的物体将怎样穿过另一个物体的孔径。我尝试着让其他的机器人去做同样的事情，但总是不能够成功。人工智能的系统往往就像是一个被动的船只，他们通过对统计学相关性数据进行筛选，来完成任务; 而人类则是主动探寻事物是如何进行工作的。
要让电脑像人类一样思考，我们需要一个新的人工智能模型，一个将“自上而下”和“自下而上”获取知识的方式置于平等位置的模型。自下而上的获取知识是指我们直接从我们的感官得到一些原始信息，就如同光线落在我们的视网膜上的模式；自上而下获取知识则包括我们对整个世界模式及其运作方式的认知。
深度学习非常擅长于以自下而上的方式来获取知识，比如辨别出那些与金色猎犬相类似却又与拉布拉多截然不同的像素模型。但是，从自上而下获取知识的角度来看，这种模型毫无作用。一旦我女儿在一碗水中看到她的倒影，她就能够知道这个形象是虚幻的; 她知道她实际上并不在这个碗里。然而，对于深度学习系统，幻象和真实的东西并没有什么区别，因为该系统缺乏一套对于整个世界的理论的认知以及对于世界是怎样运作的理解。学会整合对这个世界的整体认知可能是人工智能接下来会遇到的一个重大障碍，这是将是我们未来进行更广泛的项目研究的基础，比如：使用人工智能来提升我们对医学和科学认识。
然而，我担心，目前的这两种方法都不能为人工智能的研究提供资金，学院里的小型研究实验室和私营企业中的大型实验室都已经为成功做好了准备。有些人对这两个模型都有一定的经验，他们曾作为一名专业的学术研究人员在人工智能领域工作，同时也是最近被Uber收购的一家初创公司——Geometric Intelligence的创始人。
学术实验室太小了。构建任何一个真正智能的系统的关键就是要开发自动化机器阅读。任何一个实验室要解决问题的话，都将需要大量的独立的组件。一个完整的解决方案包含了自然语言处理（例如，将完整的句子解析为单词和短语），知识表达（例如，将句子的内容与其他的知识来源整合）和推理（重建一些已经是有所暗示但并未记下的内容）这几个方面的进步。这些问题中的其中任何一个问题都意味着我们的一所大学实验室要花费一生时间去进行研究。
然而，像Google和Facebook这样的企业实验室就有着足够的资源来解决一些大问题，但是在一个有着季度报告和资金预算的企业环境中，他们更倾向于努力缩小问题，例如优化广告投放的位置或者是自动筛选那些令人反感的视频内容。实际上，这样的研究是没有任何问题的，但同时也不太可能会有重大的突破。即使是谷歌翻译，通过统一地将每一句话关联到语句中的方式，然后来做出一些看似是很好的翻译，但是这也改变不了它无法知晓它所翻译的每一个字的含义的事实。
我羡慕那些工作在高能物理学领域的我的同龄人，特别是在欧洲核子研究委员会工作的人，那是一个大型的国际合作组织，有着成千上万的科学家和数十亿美元的资金支持。他们雄心勃勃，对每个项目都有着明确的分工（如使用大型强子对撞机发现希格斯玻色子）并与世界分享他们的研究成果，而不是仅仅局限于某个国家或公司。相比之下，即便是像
OpenAI（有着约50名员工，并由ElonMusk提供部分赞助）这样，努力做到最大程度上开放的公司，也是微不足道的。一个专注于教学机器阅读的国际化人工智能任务可以在真正意义上的让这个世界变得更好——如果它能让人工智能成为一项公共事业，而不是成为少数特权的财产。
本文系网易新闻&网易号“各有态度”特色内容
原文链接：https://www.nytimes.com/2017/07/29/opinion/sunday/artificial-intelligence-is-stuck-heres-how-to-move-it-forward.html
长按图片，识别二维码，关注“天津大学神经工程与康复实验室”！