這種超速AI是谷歌位于英國(guó)子公司DeepMind開發(fā)的。他們表示，與以前的AI模式相比，這套系統(tǒng)不僅可吸收新知識(shí)，還能以更快的速度應(yīng)用新的體驗(yàn)。很快，它的學(xué)習(xí)效率就能趕上人類水平。所謂深度學(xué)習(xí)，就是利用多層神經(jīng)網(wǎng)絡(luò)定位數(shù)據(jù)中的趨勢(shì)或模式。如果一層神經(jīng)網(wǎng)絡(luò)確認(rèn)某種模式，相關(guān)信息就會(huì)被傳給下一層網(wǎng)絡(luò)。這個(gè)過程會(huì)不斷持續(xù)下去，直到所有信息被收集完成。

 

　　這套AI系統(tǒng)可基于不同的變量進(jìn)行不同方式的學(xué)習(xí)，比如神經(jīng)網(wǎng)絡(luò)各層之間的連接強(qiáng)度。在某層的顯著變化可能極大地改變信息在其他層的傳遞，或?qū)W習(xí)方式。深度神經(jīng)網(wǎng)絡(luò)有許多層，為此當(dāng)出現(xiàn)變化時(shí)，學(xué)習(xí)過程可能需要相當(dāng)長(zhǎng)的時(shí)間。

 

　　然而，Google DeepMind研究院亞歷山大·普利特澤爾及其同事們似乎已經(jīng)找到解決這個(gè)問題的辦法，他們稱其為“神經(jīng)情景控制”。

 

　　普利特澤爾團(tuán)隊(duì)表示：“神經(jīng)情景控制證明，在廣泛的環(huán)境中，學(xué)習(xí)速度將被大幅改善。至關(guān)重要的是，我們的技術(shù)只要體驗(yàn)過，就能夠快速抓取非常成功的策略，而不是等待優(yōu)化許多步驟。”他們的方法模仿人類和動(dòng)物大腦中的學(xué)習(xí)過程，復(fù)制前額皮質(zhì)層發(fā)生的事情，然后在海馬體中備份。

 

　　現(xiàn)在，AI技術(shù)似乎每天都在取得進(jìn)步。從利他機(jī)器人律師到關(guān)于奇點(diǎn)的預(yù)測(cè)，AI技術(shù)已經(jīng)引發(fā)相當(dāng)多的關(guān)注。然而，我們還沒有看到“真正的AI”。沒有任何機(jī)器人的AI能夠匹配人類大腦智力。為此，盡管自動(dòng)化和AI導(dǎo)致人們失業(yè)的情況每天都在發(fā)生，但“真正的AI”還不會(huì)很快到來。然而，DeepMind的技術(shù)可能成為通往未來之路的踏腳石。

 

　　真正的AI或者說超級(jí)智能，應(yīng)該擁有人類的所有認(rèn)知能力，包括自我意識(shí)、情感和意識(shí)等人類獨(dú)有的認(rèn)知特征?，F(xiàn)在AI，往往只能專攻一個(gè)領(lǐng)域，在某一領(lǐng)域超越人類。比方說，AlphaGo可以擊敗圍棋世界冠軍，但它卻只會(huì)下圍棋。

 

　　此外，雖然科學(xué)家已經(jīng)利用AI技術(shù)建立了神經(jīng)網(wǎng)絡(luò)來模仿人類大腦理解、分析信息和構(gòu)建概念的過程，但科學(xué)家卻不懂其中的原理，神經(jīng)網(wǎng)絡(luò)為什么用這種方式來解釋東西。

 

　　從科學(xué)的角度來看，神經(jīng)網(wǎng)絡(luò)只是一堆數(shù)學(xué)和方程，用數(shù)字的形態(tài)呈現(xiàn)。但我們知道，僅僅用這些來模仿人類智慧和人類的大腦是遠(yuǎn)遠(yuǎn)不夠的。

 

　　微軟聯(lián)合創(chuàng)始人保羅·艾倫曾表示：“要讓人類到達(dá)這一奇點(diǎn)，僅僅用現(xiàn)有軟件是不夠的，我們還需要開發(fā)更智能更強(qiáng)大的軟件。開發(fā)這種高級(jí)軟件需要事先對(duì)人類自我認(rèn)知有非常深入的理解，我們現(xiàn)在只對(duì)該領(lǐng)域略知一二。”

 

　　這意味著實(shí)現(xiàn)真正AI的前提條件還未滿足：我們還無法真正理解人類智能和意識(shí)，即我們不知道，智能是什么，我們也不知道意識(shí)是什么。