深度学习目前处于什么位置
“如果不能设想替代现实并将它们与当前存在的现实进行对比,机器就无法通过微型图灵测试;它不能回答最基本的问题,使我们的人:“为什么?””明珠在最后一章写道:为什么要的书。
那么,深度学习在因果关系的阶梯上处于什么位置?
毫无疑问,尽管存在局限性和挑战,但深度学习已经为许多领域做出了巨大贡献。人工智能技术可以解决许多超出人脑能力的问题。此外,由于深度学习的进步,计算机视觉、语音识别和自然语言处理等领域取得了巨大飞跃。
但这是否意味着深度学习体现了智能?
“深度学习的成功主要是通过表明我们认为困难的某些问题或任务实际上并非如此。它没有解决继续阻止我们实现类人人工智能的真正困难的问题,”珀尔写道。
他是对的。考虑最好的国际象棋或围棋或星际争霸 AI系统。这些最先进的人工智能程序都无法像人脑那样以数据和资源高效的方式解决其环境中的复杂问题。他们都无法回答问题或解释其决定背后的原因。但他们已经证明,通过搜索和模式匹配算法的强大功能,有其他方法可以解决这些问题。
在许多方面,我们在深度学习方面取得了巨大进步,但我们的 AI 仍停留在因果关系阶梯的第一级。
“强人工智能的目标是生产具有类似人类智能的机器,能够与人类交谈并引导人类。相反,深度学习为我们提供了具有真正令人印象深刻的能力但没有智能的机器。差异是深远的,在于缺乏现实模型,”珀尔写道。
我们从这里去哪里?关于人工智能应该走什么路线存在激烈的争论,自然,许多人不同意珀尔的观点。
这方面的一个很好的读物是智能建筑师,这是对23 位人工智能和计算机科学家和哲学家的采访汇编,其中包括 Judea Pearl。在与作者 Martin Ford 的采访中,Pearl 强调需要找到将因果关系整合到 AI 技术中的方法。“因果建模并不是当前机器学习工作的前沿。今天的机器学习由统计学家主导,并且相信你可以从数据中学到一切。这种以数据为中心的理念是有限的,”他说。
在《为什么》一书中,他写道:“因果问题永远无法仅从数据中得到解答。他们要求我们制定一个生成数据的过程模型,或者至少是该过程的某些方面。”