近日，meta 首席人工智能科學(xué)家楊立昆（Yann LeCun）在接受 ZDNet 的一次采訪中，提出了一個重要觀點。他表示：“今天的人工智能方法永遠(yuǎn)不會帶來真正的智能。所有人工智能都面臨某些基本問題，特別是如何衡量信息。”
關(guān)于AI的發(fā)展走向，學(xué)術(shù)界和業(yè)界都需要進(jìn)行深刻反思
今年 6 月，楊立昆在 Open Review 上發(fā)表了一篇名為《一條通往自主機器智能的道路》（A Path Towards Autonomous Machine Intelligence）的論文[1]。
在這篇文章中，他總結(jié)了過去幾年 AI 的發(fā)展?fàn)顩r，提出了一種構(gòu)造自主智能體的體系結(jié)構(gòu)和訓(xùn)練范式，并表明這是一種能在機器上實現(xiàn)人類水平智能的方法。不過，這也暗示了如今大部分 AI 項目都不能實現(xiàn)如人類般的智能。
在與 ZDNet 的對話中，楊立昆表示：“我對目前深度學(xué)習(xí)領(lǐng)域最成功的許多研究途徑，都持有極大的懷疑態(tài)度。”
深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支，其通過學(xué)習(xí)給定數(shù)據(jù)存在的內(nèi)部規(guī)律，實現(xiàn)對文字、語音、圖像等內(nèi)容的感知、識別和控制。近年來，借助深度學(xué)習(xí)，研究人員在自然語言理解、數(shù)據(jù)挖掘、個性化推薦等領(lǐng)域取得了顯著成果，而基于深度學(xué)習(xí)的大模型也成為實現(xiàn) AI 的主流選擇。
不過，對于諸如 GPT-3、BERT 這類備受關(guān)注的 Transformer 模型來說，楊立昆有著另外的看法。他認(rèn)為：“它們是必要的，但并非是充分的，這可能是未來智能系統(tǒng)的一個組成部分。”
他看到了該學(xué)科快速發(fā)展背后存在的缺失，指出目前進(jìn)行的大部分強化學(xué)習(xí)，都僅通過觀察而非實際行動完成。
此外，他還表示，除了學(xué)術(shù)界以外，產(chǎn)業(yè)界也需要認(rèn)真考慮 AI 的發(fā)展走向。
如今，很多自動駕駛公司正在借助高級駕駛輔助系統(tǒng)（Advanced Driving Assistance System，ADAS）來增強汽車的自動駕駛能力。憑借搭載在車上的各類傳感器，該系統(tǒng)可以完成駕駛中的數(shù)據(jù)搜集、偵測、識別、追蹤等工作，幫助駕駛者及時察覺潛在危險，增強駕駛的安全性和舒適度。
楊立昆提到了 Wayve 這類試圖運用 AI 來主導(dǎo)自動駕駛汽車的公司，覺得他們有些過于樂觀，好像只要把數(shù)據(jù)“喂”給大型神經(jīng)網(wǎng)絡(luò)，就能學(xué)到幾乎任何東西。
他說：“這種過度設(shè)計的自動駕駛技術(shù)，將與所有因深度學(xué)習(xí)而過時的計算機視覺程序一樣脆弱易碎。”
在研究自動駕駛時，需要創(chuàng)建一個幫助汽車在自動駕駛過程中不傷害他人的演示程序，在這個過程中，會產(chǎn)生許多邊緣情況，且不管接下來的數(shù)據(jù)訓(xùn)練如何加倍，這些邊緣情況都不可能被完全解決。但是，如果想讓汽車完成每 2 億公里發(fā)生一次致命事故的指標(biāo)，應(yīng)該如何做呢？
針對這個問題，楊立昆提出了兩個解決方向。一是運用自監(jiān)督學(xué)習(xí)方法，減少系統(tǒng)學(xué)習(xí)所需的數(shù)據(jù)量，這本質(zhì)上是通過預(yù)訓(xùn)練來獲得更好的性能。二是進(jìn)行端到端的訓(xùn)練，設(shè)計一些能夠處理邊緣情況的系統(tǒng)，通過強化控制來解決問題。
他相信，未來會有一種可以更加有效額系統(tǒng)作為運行方式來理解世界，幫助減輕現(xiàn)在自動駕駛技術(shù)所存在的脆弱性。
一場有關(guān)兩位人工智能專家的激烈交鋒
值得一提的是，在采訪中，楊立昆還對人工智能領(lǐng)域知名學(xué)者、紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)名譽教授加利·馬庫斯（Gary Marcus）進(jìn)行了批評，他認(rèn)為后者只是個心理學(xué)家，而從未對 AI 做出任何貢獻(xiàn)。
相關(guān)采訪發(fā)出后的第二天，馬庫斯就以《楊立昆的“新”想法有多新穎?》為題，發(fā)表了為自己辯護(hù)的文章。
他以七個例子為證，指明楊立昆在采訪中的闡述的觀點皆來自于其在2018 年發(fā)表的，以《深度學(xué)習(xí)：批判性評估》（Deep Learning：a Critical Appraisal）為題的論文[2]。
馬庫斯說：“沒有人比昨天的楊立昆更緊密地重申我的觀點了。我不會指責(zé)他抄襲，因為我認(rèn)為他可能是非常誠實地得出這些結(jié)論的。這對我來說巨大的勝利，一個如此杰出的人來到了我很久前就已選定的位置。”
在文章的最后，馬庫斯表明，他已在推特上要求楊立昆給出相關(guān)解釋，但直到發(fā)文之前，其并未作出回應(yīng)。
