编译丨谷歌研究员解读人工智能面临的三个最大挑战

2016-01-27 16:01 来源:国脉物联网
浏览量: 收藏:0 分享

  在谷歌的很多应用中,人工智能都扮演了非常重要的角色,无论是翻译、图像识别还是垃圾邮件过滤。毫无疑问,谷歌研究人工智能的脚步绝不会停止,也不会只停留在这些领域。在第三财季财报会议上,谷歌首席执行官孙达尔·披猜宣布他们正“重新考虑”让旗下所有产品拥有更高级的人工智能同时采用一项被称之为“机器学习”的技术。采用这些技术的产品将拥有怎样的表现,让我们拭目以待。

  没有人知道人工智能的最终疆界是什么,身为科技大佬的谷歌也不例外。在接受Tech Insider网站采访时,谷歌的3名研究人员解读了人工智能研究员在研制超高智能机器时面临三个最大挑战。

  挑战一:让机器像人类一样感知世界

  在感知世界方面,人类无疑是所有生物中的“佼佼者”。如果无法感知世界,我们便无法生存下去。数百万年的进化不断打磨人类的感官能力,例如视觉、听觉和触觉,因为这些都是一个物种的生存所必需的。此外,感官能力也是智能的一个重要组成部分。在利用机器学习的道路上,人工智能研究人员正在大踏步前进,但他们仍有很长的路要走。

  谷歌研究负责人、现代人工智能研究教科书《人工智能:一种现代方法》合著者彼得·诺尔维格表示,让电脑像人类一样感知世界能够解决人工智能研究人员长久以来面临的规划和推理方面的问题。他在写给Tech Insider网站的邮件中指出:“我们拥有非常出色的数据收集和算法研发能力,利用收集的数据进行推理,但这种推理能力建立在数据的基础之上,也就是说我们距离感知真实仍有一段距离。”如果能让电脑进一步感知真实,它们的表现就会更出色。

  诺尔维格说:“随着我们研发可持续感知世界并与之进行互动的系统,我认为电脑的推理能力将不断提高。相比之下,学习系统只是被动地观察和分析他人选择的信息,例如网页上的数据或者照片。”

  挑战二:让电脑在没有人类教师的帮助下学习

  成长过程中,我们通过很多不同的方式了解世界。小的时候,父母或者老师会指着某些东西,然后告诉我们它们的名字。不过,童年时代的很多学习经历也是一个隐性学习过程,即根据以前学到的知识进行逻辑推理的能力,以填补知识空白。

  然而,电脑并没有这种能力。迄今为止最成功的机器学习方式被称之为“监督式学习”,方式与老师指着某个东西然后告诉我们名字非常相似。每次学习一项新任务时,系统基本上都要从头学起,需要人类在很大程度上进行长时间参与。

  谷歌研究员萨米·本希奥指出机器需要具备在没有人类太多监督和指令的情况下进行学习的能力。他在写给Tech Insider网站的邮件中说:“我们需要在持续学习方面进行更多研究。也就是说,我们无需在每次输入新数据或者测试算法时都从头训练我们的模型。这是一项非常艰难的任务,需要我们进行很长时间的研究才能有所进展。”

  挑战三:不完全照搬人类智能 避免电脑走岔路

  谷歌著名研究员杰弗里·希尔顿对Tech Insider网站表示研制拥有类人智能的电脑时面临的一个最大挑战是如何避免电脑进行不必要的思考,或者说“不走岔路”。长久以来,意识被视为真实智能的一个不可或缺的组成部分。但希尔顿认为这种对思维的思考方式已经过时。他在写给Tech Insider网站的邮件中说:“‘意识说’是一种古老并且非常原始的理论,通过诉诸无法直接观察到的本质特征的方式解释一个非常复杂的计算系统的独特之处。这种观念的实际意义还比不上用‘因为有动力’来解释汽车为何能够移动……根本没有对具体的工作方式作出任何解释。”

标签:

投稿人:admin
在线客服