2月17日新成果突出了当前人工智能技术的一些特点
虽然捉迷藏 AI 令人印象深刻,但我不认为它是一种突破,而是一种测试当前 AI 极限和可能性的新方法。OpenAI 的博客中可能歪曲的一个事实是“智能行为”。似乎人工智能代理正在学习使用工具和发展团队合作,就像人类数千年来所做的那样。但深度学习和神经网络,目前流行的人工智能技术,与人类大脑的工作方式截然不同。
神经网络对世界的“理解”和事物的运作方式与我们的完全不同。这就是为什么他们需要数百万次反复试验才能发现人类可以下意识推理的事情,例如在门口移动一个盒子会挡住它并阻止其他人进入,而坡道可以让你爬过墙壁和其他物体。
因此,尽管关于智能的真正定义一直存在争议,但我会警告称,不要将人工智能的行为称为“智能”。
此外,正如 OpenAI 研究人员在他们的视频中指出的那样,“这个世界远没有地球复杂。” 强化学习是用于研究和发现的良好 AI 工具。但经验表明,强化学习无法完全模拟现实世界的复杂性,适用于规则明确的场景。
关于 OpenAI 的捉迷藏项目的一个有趣事实是,它证实了关于人工智能进步历史的另一个论点。几个月前,机器学习研究员 Rich Sutton 认为,在过去的 60 年里,唯一被证明是成功的人工智能技术是那些可以利用计算能力和数据进步的技术,即搜索和学习。
与之前的 AI 模型一样,OpenAI 的成功很大程度上归功于它能够在问题上投入更多的处理和数据。
同时,人工智能的成功必然会影响计算资源这一事实也凸显了当前人工智能的一个令人担忧的事实。深度学习研究非常昂贵。OpenAI 没有发布关于捉迷藏 AI 模型的数据,但类似的研究项目很容易花费数千万美元的云资源(更不用说实验室必须支付给研究人员的巨额工资)。这将人工智能研究限制在财力雄厚的组织中,并逐渐将研究从学术机构转移到大型科技公司。
但该项目的一个非常有趣的结论是我们可以从新的角度看待人工智能。几十年来,我们在创建智能系统时一直以人脑为榜样。也许着眼于不那么复杂但同样有效的进化机制将有助于我们发现新的方法来创建能够以有效(如果不一定是智能)方式解决问题的系统。谁知道呢,也许在此过程中,它会帮助我们解开创造人类智能的难以捉摸的谜团。