9月26日消息，F(xiàn)acebook母公司Meta的首席AI科學(xué)家雅恩·勒昆(Yann LeCun)認(rèn)為，目前大多數(shù)AI方法永遠(yuǎn)不會(huì)帶來(lái)真正的智能，他對(duì)當(dāng)今深度學(xué)習(xí)領(lǐng)域許多最成功的研究方法持懷疑態(tài)度。
這位圖靈獎(jiǎng)得主表示，同行們的追求是必要的，但還遠(yuǎn)遠(yuǎn)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(biāo)記化，并訓(xùn)練巨型模型進(jìn)行離散預(yù)測(cè)，AI由此脫穎而出。”
勒昆解釋稱：“他們沒(méi)有錯(cuò)。從這個(gè)意義上說(shuō)，這可能是未來(lái)智能系統(tǒng)的一個(gè)重要組成部分，但我認(rèn)為它缺少必要的部分。”勒昆完善了卷積神經(jīng)網(wǎng)絡(luò)的使用，該技術(shù)在深度學(xué)習(xí)項(xiàng)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(jiān)持認(rèn)為，強(qiáng)化學(xué)習(xí)永遠(yuǎn)也不夠。像DeepMind的大衛(wèi)·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(guó)際象棋和圍棋，但他們關(guān)注的是“非常注重行動(dòng)的”程序，而勒昆觀察到，“我們的大部分學(xué)習(xí)并不是通過(guò)采取實(shí)際行動(dòng)來(lái)完成的，而是通過(guò)觀察來(lái)完成的”。
現(xiàn)年62歲的勒昆有很強(qiáng)的緊迫性，他必須直面自己認(rèn)為許多人可能正在奔向的死胡同，并試圖引導(dǎo)其所在領(lǐng)域朝著他認(rèn)為應(yīng)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(yīng)該做些什么來(lái)推動(dòng)AI達(dá)到人類智能水平的說(shuō)法，我認(rèn)為有些想法是錯(cuò)誤的。我們的智能機(jī)器甚至還沒(méi)有達(dá)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(rèn)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)駕駛汽車群體，如Wayve這樣的初創(chuàng)公司，認(rèn)為他們只要向大型神經(jīng)網(wǎng)絡(luò)“拋出數(shù)據(jù)，就可以學(xué)到幾乎任何東西”，這似乎“有點(diǎn)兒過(guò)于樂(lè)觀了”。
勒昆稱：“你知道，我認(rèn)為我們完全有可能在沒(méi)有常識(shí)的情況下?lián)碛蠰5級(jí)自動(dòng)駕駛汽車，但你必須在設(shè)計(jì)方面做出努力。” 他認(rèn)為，這種過(guò)度設(shè)計(jì)的自動(dòng)駕駛技術(shù)將會(huì)像所有被深度學(xué)習(xí)淘汰的計(jì)算機(jī)視覺(jué)程序一樣，變得脆弱不堪。他說(shuō)：“歸根結(jié)底，將會(huì)有一種更令人滿意、可能也更好的解決方案，它涉及到更好地理解世界運(yùn)行方式的系統(tǒng)。”
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。’我要說(shuō)的是，這就像制造火箭，我不能告訴你我們?nèi)绾沃圃旎鸺募?xì)節(jié)，但我可以提供基本原則。”
勒昆認(rèn)為，AI系統(tǒng)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(tǒng)能夠計(jì)劃和推理。此外，勒昆認(rèn)為應(yīng)該放棄概率框架，因?yàn)楫?dāng)我們想要做些事情，比如捕捉高維連續(xù)變量之間的依賴性時(shí)，這很難處理。勒昆還主張放棄生成模型，因?yàn)橄到y(tǒng)將不得不投入太多的資源去預(yù)測(cè)那些很難預(yù)測(cè)的事情，可能會(huì)消耗太多的資源。
【來(lái)源：網(wǎng)易科技】
