GMIS 2017 GaryMarcus：人工智慧通用之路

全球機器智能峰會（GMIS 2017），是全球人工智慧產業信息服務平台機器之心舉辦的首屆大會，邀請了來自美國、歐洲、加拿大及國內的眾多頂級專家參會演講。本次大會共計 47 位嘉賓、5 個 Session、32 場演講、4 場圓桌論壇、1 場人機大戰，兼顧學界與產業、科技巨頭與創業公司，以專業化、全球化的視角為人工智慧從業者和愛好者奉上一場機器智能盛宴。

5 月 27 日，機器之心主辦的為期兩天的全球機器智能峰會（GMIS 2017）在北京 898 創新空間順利開幕。中國科學院自動化研究所複雜系統管理與控制國家重點實驗室主任王飛躍為本次大會做了開幕式致辭，他表示：「我個人的看法是再過幾年，我們 90% 的工作是人工智慧提供的，就像我們今天大部分工作是機器提供的一樣。我們知道人工智慧會給我們提供一個更美好的未來。」大會第一天重要嘉賓「LSTM 之父」Jürgen Schmidhuber、Citadel 首席人工智慧官鄧力、騰訊 AI Lab 副主任俞棟、英特爾 AIPG 數據科學部主任 Yinyin Liu、GE Transportation Digital Solutions CTO Wesly Mukai 等知名人工智慧專家參與峰會，並在主題演講、圓桌論壇等互動形式下，從科學家、企業家、技術專家的視角，解讀人工智慧的未來發展。

下午，紐約大學心理學教授、Geometric Intelligence 創始人、暢銷書作者 Gary Marcus 發表了主題為《通往通用人工智慧的道路》（The Road to Artificial General Intelligence）的演講。時下，人工智慧大潮來勢兇猛，然而人工智慧的最終實現還需要不同領域的探索和參與。對此，Marcus 針對人工智慧提出了不同的洞見，闡述了自己的解讀。

事實上，Marcus 在發表的作品、評論或是公開的演講中，都以一個嚴厲的深度學習批評者身份亮相。他相信，要想實現真正的人工智慧，光有深度學習是遠遠不夠的，還需要更多方向，應該更加認真地對待認知科學，尤其是發展心理學和發展認知科學。Marcus 曾建立了一家致力於讓人工智慧系統和代理通過使用很少的數據就能進行有效學習的創業公司 Geometric Intelligence，並於去年宣布成功開發出了一種可以使用更少的數據進行更快的機器學習的演算法 XProp。2016 年 12 月，Uber 以未披露的價格收購了這家公司，隨即便以該公司的員工為核心組建了自己的人工智慧研發團隊 UberAILabs，Marcus 也隨之加入並擔任該實驗室的主管。不過那之後僅僅過了四個月，Marcus 就離開了 Uber。（詳見 Gary Marcus：在人工智慧上取得成功的「叛逆者」）

演講一開場，Marcus 展示了吳恩達曾在推特上發表的觀點：如果一項任務只需要經人類短暫的思索就可以完成，那麼機器可能也能實現同樣的任務。對此，Marcus 認為只吳恩達說對了一半，「AI 只擅長部分人們可以在瞬間做到的事情。」

在這裡，Marcus 談到談到了大數據。人們可以輕鬆進行數據方面的分析，但是由於感知器的任務並不止是簡單的分類，這導致許多問題對於人類來說是簡單的，但是機器卻很難做到。比如人們可以輕鬆地描述出一張圖像，可是機器卻很容易因為種種原因曲解圖片中的內容、做出錯誤的判斷。

Marcus 表示，感知器（Perception）只是實現通用人工智慧的一小部分，雖然它很重要，但是人類智能裡面還有更多的元素，比如常識、推理、分析等。

另外，Marcus 也提出了對 AI 的一些擔憂，並不是說像美國電影《終結者》中出現的可怕情景，而是擔心 AI 可能會有所障礙造成止步不前。人們現在已經可以利用 AI 技術來做一些很棒的工作，比如優化搜索查詢、自動化監控、或是其他語音識別圖像識別應用等等，但是目前人們還沒有辦法構建可以治癒癌症疾病、理解人腦工作的機器或者是可以完全信任的自動駕駛汽車。

至今，人們已經花費接近有 60 年的時間進行研究，也擁有了海量數據。但是，為什麼我們還沒有達到通用的人工智慧呢？Marcus 給出了他的答案，主要有三方面。首先，雖然我們現在有相關的技術，但是由於調試、增量修改、驗證等過程存在難度，很好地將技術應用應用並不是一件簡單的事。在這裡，Marcus 推薦大家閱讀一篇關於機器學習的論文：Machine Learning：The High-Interest Credit Card of Technical Debt。其次，數據不等於知識使得機器需要經過很多的訓練才可以了解輸入背後的信息。另外，在這個領域標準的偏見就是希望所有的東西都是從頭開始來進行學習。反觀人類的演化史卻並非如此，人類需要經過幾百萬年的進化才能擁有如今的智力。岩羊也需要多次的嘗試才能到學習生存技能，這是物競天擇的結果。

隨後，Marcus 提到如何在這個領域更好地前進。「我們是要更好的做深度學習嗎？當然這能夠幫助一點，但是不能完全解決所有的問題。」人們可以把解決複雜問題的思路用到 AI 領域的前進上，採用跨領域專家合作的形式。

演講的最後，Marcus 舉了自己女兒的一個例子：他讓女兒把藝術品放進媽媽的衣櫃里，儘管他的女兒不到三歲，但是就可以想到一些指令背後的意圖，而 AI 卻只知道我們告訴它做的事情，並不會理解背後的意圖。

Marcus 也問了 Siri 同樣的問題，但是 Siri 也不知道該怎麼樣來回答這個問題。換句話說，AI 系統可能還有很多需要學習的東西，包括對這個世界進行推理。可能機器具備了這樣的能力後，真正的通用智能離我們也就不遠了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！