Meta AI大佬：目前大多數AI方法永遠不會(huì )帶來(lái)真正智能

　　9月26日消息，Facebook母公司Meta的首席AI科學(xué)家雅恩·勒昆(Yann LeCun)認為，目前大多數AI方法永遠不會(huì )帶來(lái)真正的智能，他對當今深度學(xué)習領(lǐng)域許多最成功的研究方法持懷疑態(tài)度。

　　這位圖靈獎得主表示，同行們的追求是必要的，但還遠遠不夠。其中包括大型語(yǔ)言模型的研究，如基于Transformer的GPT-3。正如勒昆所描述的那樣，Transformer的支持者們相信：“我們將所有東西標記化，并訓練巨型模型進(jìn)行離散預測，AI由此脫穎而出?！?/p>

　　勒昆解釋稱(chēng)：“他們沒(méi)有錯。從這個(gè)意義上說(shuō)，這可能是未來(lái)智能系統的一個(gè)重要組成部分，但我認為它缺少必要的部分?！崩绽ネ晟屏司矸e神經(jīng)網(wǎng)絡(luò )的使用，該技術(shù)在深度學(xué)習項目中取得了令人難以置信的成效。

　　勒昆還看到了該學(xué)科許多其他高度成功領(lǐng)域的缺陷和局限性。他堅持認為，強化學(xué)習永遠也不夠。像DeepMind的大衛·西爾弗(David Silver)這樣的研究人員，盡管他們開(kāi)發(fā)出了AlphaZero程序，掌握了國際象棋和圍棋，但他們關(guān)注的是“非常注重行動(dòng)的”程序，而勒昆觀(guān)察到，“我們的大部分學(xué)習并不是通過(guò)采取實(shí)際行動(dòng)來(lái)完成的，而是通過(guò)觀(guān)察來(lái)完成的”。

　　現年62歲的勒昆有很強的緊迫性，他必須直面自己認為許多人可能正在奔向的死胡同，并試圖引導其所在領(lǐng)域朝著(zhù)他認為應該走的方向前進(jìn)。勒昆說(shuō)：“我們看到了很多關(guān)于我們應該做些什么來(lái)推動(dòng)AI達到人類(lèi)智能水平的說(shuō)法，我認為有些想法是錯誤的。我們的智能機器甚至還沒(méi)有達到貓的智能水平。那么，我們?yōu)槭裁床粡倪@里開(kāi)始呢？”

　　勒昆認為，不僅是學(xué)術(shù)界，AI行業(yè)也需要深刻的反思。他說(shuō)，自動(dòng)駕駛汽車(chē)群體，如Wayve這樣的初創(chuàng )公司，認為他們只要向大型神經(jīng)網(wǎng)絡(luò )“拋出數據，就可以學(xué)到幾乎任何東西”，這似乎“有點(diǎn)兒過(guò)于樂(lè )觀(guān)了”。

　　勒昆稱(chēng)：“你知道，我認為我們完全有可能在沒(méi)有常識的情況下?lián)碛蠰5級自動(dòng)駕駛汽車(chē)，但你必須在設計方面做出努力?！彼J為，這種過(guò)度設計的自動(dòng)駕駛技術(shù)將會(huì )像所有被深度學(xué)習淘汰的計算機視覺(jué)程序一樣，變得脆弱不堪。他說(shuō)：“歸根結底，將會(huì )有一種更令人滿(mǎn)意、可能也更好的解決方案，它涉及到更好地理解世界運行方式的系統?！?/p>

　　勒昆希望促使人們重新思考有關(guān)AI的基本概念，他說(shuō)：“你必須后退一步，然后說(shuō)：‘好吧，我們建造了梯子，但我們想去月球，而這個(gè)梯子不可能把我們帶到那里?！乙f(shuō)的是，這就像制造火箭，我不能告訴你我們如何制造火箭的細節，但我可以提供基本原則?！?/p>

　　勒昆認為，AI系統需要能夠推理，而他所提倡的過(guò)程是將某些潛在的變量最小化。這使得系統能夠計劃和推理。此外，勒昆認為應該放棄概率框架，因為當我們想要做些事情，比如捕捉高維連續變量之間的依賴(lài)性時(shí)，這很難處理。勒昆還主張放棄生成模型，因為系統將不得不投入太多的資源去預測那些很難預測的事情，可能會(huì )消耗太多的資源。