今天最強(qiáng)大的人工智能技術(shù)借助豐富的計(jì)算資源，從零開始學(xué)習(xí)世界上的一切內(nèi)容。相比之下，人類和動(dòng)物似乎能從直覺上理解某些概念，例如物體、地點(diǎn)以及一系列相關(guān)的事物，使他們能夠快速了解世界是如何運(yùn)作的。這就引出了一個(gè)重要的“天性與教養(yǎng)”的問題：人工智能的學(xué)習(xí)是不是需要內(nèi)置人類和動(dòng)物所擁有的這種先天認(rèn)知機(jī)制，才能達(dá)到類似的一般智力水平？

 

　　兩位 AI 和心理學(xué)的頂尖研究人員在昨晚紐約大學(xué)思想、大腦和意識(shí)中心主辦的活動(dòng)中對(duì)該話題進(jìn)行了針鋒相對(duì)的爭(zhēng)論。

 

　　“無論是通過結(jié)構(gòu)或通過學(xué)習(xí)，我們所擁有的 AI 技術(shù)中沒有一種可以構(gòu)造出類似動(dòng)物和人類所構(gòu)造的對(duì)這個(gè)世界的表述，” Yann LeCun 說。他是紐約大學(xué)的計(jì)算機(jī)科學(xué)家，以及 Facebook 的人工智能研究所主任。

 

　　LeCun 是人工智能領(lǐng)域深度學(xué)習(xí)的開辟者，幫助科技巨頭打造流行的自動(dòng)化服務(wù)。例如在 Facebook 上過濾朋友的面孔，或者通過 Google 翻譯進(jìn)行英語和漢語之間的翻譯。深度學(xué)習(xí)算法使人工智能在沒有人類和動(dòng)物的認(rèn)知機(jī)制的情況下，能夠執(zhí)行所有這些任務(wù)。并且，當(dāng)擁有 Facebook，Google 或微軟等公司的巨大的計(jì)算資源時(shí)，深度學(xué)習(xí)算法在過濾大量數(shù)據(jù)的過程中逐漸學(xué)會(huì)了識(shí)別世界的某些模式，這也是某些特定感知類型的任務(wù)所需的步驟，例如圖像識(shí)別。

 

　　每個(gè)人都認(rèn)同，目前的人工智能技術(shù)，如深度學(xué)習(xí)，依然無法使通用人工智能擁有與動(dòng)物或人相媲美的智力。不過，LeCun 認(rèn)為，基于無監(jiān)督的深度學(xué)習(xí)，AI 可以在開發(fā)一般智力的道路上取得進(jìn)步，無監(jiān)督學(xué)習(xí)是一項(xiàng)最近發(fā)展的技術(shù)，消除了機(jī)器對(duì)人類提供手動(dòng)標(biāo)注數(shù)據(jù)的依賴。

 

　　LeCun 指出，現(xiàn)代人工智能的成功在很大程度上并不是依賴于內(nèi)置假設(shè)，或結(jié)構(gòu)化的關(guān)于世界是如何運(yùn)行的概念。從這個(gè)意義來說，他傾向于用極簡(jiǎn)的 AI 算法結(jié)構(gòu)來維持這種簡(jiǎn)單性。并且他認(rèn)為這樣做時(shí)可以不用考慮人類語言學(xué)家、心理學(xué)家或認(rèn)知科學(xué)家的真知灼見。“我的任務(wù)是在我們所擁有的數(shù)據(jù)量的前提下，盡量減少學(xué)習(xí)過程所需的固有認(rèn)知機(jī)制，”LeCun 說。

 

　　Gary Marcus 卻認(rèn)為沒有這么快。Marcus 是初創(chuàng)公司“幾何智能”（Geometric Intelligence，已被 Uber 的 AI 團(tuán)隊(duì)收購）的一名心理學(xué)研究員。他承認(rèn)無監(jiān)督深度學(xué)習(xí)有成功的機(jī)會(huì)。但他認(rèn)為，只有這些算法用“更豐富的原語和表示形式，而不僅僅是像素”來理解世界時(shí)，才能成功。

 

　　Marcus 說：“我們想要的是孩子們也擁有的那種東西，那種用來理解物體的行為，以及世界的實(shí)體和物理學(xué)原理的表示和原語。”。

 

　　Marcus 希望看到 AI 研究者“從認(rèn)知科學(xué)中大方采納經(jīng)驗(yàn)”，通過構(gòu)建更多的可以代表認(rèn)知概念的結(jié)構(gòu)化算法，例如目標(biāo)、集、位置，和時(shí)空連續(xù)性。他引用了他自己的工作，以及同事 Elizabeth Spelke——哈佛大學(xué)的認(rèn)知心理學(xué)家的工作，來展示人類的孩子很早就具有能察覺到某些概念的能力，例如人、物體、集和位置。他建議：為什么不在 AI 中采用類似的方法，使用一些能映射到相似的概念的結(jié)構(gòu)？

 

　　即使 LeCun 自己的開創(chuàng)性工作——卷積神經(jīng)網(wǎng)絡(luò)，它可以在物體識(shí)別任務(wù)中進(jìn)行更有效的計(jì)算和處理，也是證明使用更具結(jié)構(gòu)化的方法來約束 AI 必須過濾的信息量，可以幫助 AI 更好的理解世界的一個(gè)很好的例子，Marcus 說。

 

　　Marcus 說：“我認(rèn)為，我們真正需要的是系統(tǒng)地思考和分析當(dāng)我們?cè)跈C(jī)器學(xué)習(xí)中嵌入不同數(shù)量的固有機(jī)制時(shí)會(huì)發(fā)生什么。”

 

　　LeCun 認(rèn)為，AI 需要一定的結(jié)構(gòu)來幫助它理解世界。但他想知道生物大腦中是否有“單一的學(xué)習(xí)算法、原理或程序”，或者是否更像是一個(gè)無組織原則的無意義的“黑客”集合。在他看來，人工智能可以大大受益于單一的學(xué)習(xí)原則，或這類的原則的集合，不管有沒有內(nèi)置的先天認(rèn)知機(jī)制的結(jié)構(gòu)模型。

 

　　“現(xiàn)在缺少的是一個(gè)可以讓我們的機(jī)器通過觀察，以及與世界互動(dòng)，來學(xué)習(xí)世界是如何運(yùn)作的原則，”LeCun 說。“我們目前缺少的，是一個(gè)學(xué)習(xí)預(yù)測(cè)世界的模型，在我看來，這是人工智能取得重大進(jìn)展的道路上的最大障礙。”

 

　　LeCun 認(rèn)為，智能的本質(zhì)是預(yù)測(cè)的能力，因?yàn)轭A(yù)測(cè)未來是對(duì)世界的狀態(tài)進(jìn)行“填空”的一種非常特殊的情況。常識(shí)使得人類和動(dòng)物能夠根據(jù)他們所具有的世界如何運(yùn)作的知識(shí)，來填補(bǔ)丟失的信息。這就是為什么人類司機(jī)不需要在 50000 次撞到樹之后才能意識(shí)到這是一個(gè)壞主意，人類可以直接意識(shí)到如果他們把車撞到樹上會(huì)發(fā)生什么。

 

　　LeCun 希望無監(jiān)督學(xué)習(xí)可以使 AI 最終從物理角度對(duì)世界是如何運(yùn)作的形成一種意識(shí)，而不是一些低級(jí)的常識(shí)。“如果在我的職業(yè)生涯結(jié)束時(shí)候我們有一個(gè)像貓，或者老鼠一樣聰明的機(jī)器，我就很滿意了，”LeCun 說。

 

　　關(guān)于 AI 學(xué)習(xí)最終將更多地證明“先天機(jī)制”還是“后天學(xué)習(xí)”的爭(zhēng)論還遠(yuǎn)未解決。但 LeCun 和 Marcus 對(duì)于判斷哪一個(gè)是正確的關(guān)鍵表現(xiàn)指標(biāo)達(dá)成了一致。如果無監(jiān)督學(xué)習(xí)算法最終需要更多的類似于對(duì)象、集合、位置等的認(rèn)知表示的結(jié)構(gòu)，Marcus 便可以宣稱獲勝。如果無監(jiān)督學(xué)習(xí)不需要這樣的結(jié)構(gòu)就能成功，那么 LeCun 的理論將被證明是正確的。

 

　　Marcus 說：“一點(diǎn)點(diǎn)固有認(rèn)知結(jié)構(gòu)可能會(huì)幫助你朝著這個(gè)目標(biāo)前進(jìn)一大步。”

 

　　LeCun 澄清：“一點(diǎn)點(diǎn)，沒錯(cuò)。”