譯者：李凌
概要：要讓電腦像人類一樣思考，我們需要一個新的人工智能模型，一個將“自上而下”和“自下而上”獲取知識的方式置於平等位置的模型。
這段時間人工智能被炒的很熱，但是被掩蓋住的一個事實就是人工智能其實還有很長很長的路要走。當然，從國際象棋、圍棋到“Jeopardy”和撲克牌，人工智能系統已經掌握了一系列的遊戲技能，但是科技仍然在跟在現實世界做著鬥爭。機器人會在門被打開時摔倒，標準的無人駕駛車輛也經常性的需要人為干預操作，到目前為止，還沒有人設計出一個有著六年級小學生閱讀水平的機器，更不用說達到大學生水平了。設計出能夠進行自我教育的計算機才是真正智慧的一個標誌，但是這在現在這仍然是一個夢想。
即便在最近，經常出現的通過使用人工神經網絡來識別大量數據中複雜統計相關性的“深度學習”的潮流科技，也不能讓我們完全實現這個夢想。例如，一些優秀的圖像識別系統可以幫助我們成功地區分狗品種，但在這過程中，依然會發生一些重大的失誤，例如錯誤地將一條有著簡單黃黑條紋的圖案匹配到校車上。這樣的系統不能夠去理解複雜的視覺場景中所發生的事情（比如：“誰在追逐誰和為什麼他們要互相追逐”），也不能進行簡單的說明（比如：“通讀全文後概括大意”）。
雖然人工智能領域隨著微觀發現進步有了井噴式發展，但是在對於魯棒性和靈活性認知上的進步仍然不顯著。例如，不久前，我和我3歲的女兒坐在咖啡廳的時候，她自己發現，她是可以用新的方式從椅子上爬出來的：向後坐，然後從椅背和椅面之間的縫隙中鑽出來。我女兒就這樣以別人從來沒有見過的方式溜下了椅子; 她自己發明了它——不需要那些經過不斷嘗試和發生錯誤後所帶來的經驗，或者是大量的標記數據。
大概，我想我的女兒是依賴於一個有關她的身體如何運動的隱含理論，和另一個隱含的物理學理論——一個複雜的物體將怎樣穿過另一個物體的孔徑。我嘗試著讓其他的機器人去做同樣的事情，但總是不能夠成功。人工智能的系統往往就像是一個被動的船隻，他們通過對統計學相關性數據進行篩選，來完成任務; 而人類則是主動探尋事物是如何進行工作的。
要讓電腦像人類一樣思考，我們需要一個新的人工智能模型，一個將“自上而下”和“自下而上”獲取知識的方式置於平等位置的模型。自下而上的獲取知識是指我們直接從我們的感官得到一些原始信息，就如同光線落在我們的視網膜上的模式；自上而下獲取知識則包括我們對整個世界模式及其運作方式的認知。
深度學習非常擅長於以自下而上的方式來獲取知識，比如辨別出那些與金色獵犬相類似卻又與拉布拉多截然不同的像素模型。但是，從自上而下獲取知識的角度來看，這種模型毫無作用。一旦我女兒在一碗水中看到她的倒影，她就能夠知道這個形象是虛幻的; 她知道她實際上並不在這個碗裡。然而，對於深度學習系統，幻象和真實的東西並沒有什麼區別，因為該系統缺乏一套對於整個世界的理論的認知以及對於世界是怎樣運作的理解。學會整合對這個世界的整體認知可能是人工智能接下來會遇到的一個重大障礙，這是將是我們未來進行更廣泛的項目研究的基礎，比如：使用人工智能來提升我們對醫學和科學認識。
然而，我擔心，目前的這兩種方法都不能為人工智能的研究提供資金，學院裡的小型研究實驗室和私營企業中的大型實驗室都已經為成功做好了準備。有些人對這兩個模型都有一定的經驗，他們曾作為一名專業的學術研究人員在人工智能領域工作，同時也是最近被Uber收購的一家初創公司——Geometric Intelligence的創始人。
學術實驗室太小了。構建任何一個真正智能的系統的關鍵就是要開發自動化機器閱讀。任何一個實驗室要解決問題的話，都將需要大量的獨立的組件。一個完整的解決方案包含了自然語言處理（例如，將完整的句子解析為單詞和短語），知識表達（例如，將句子的內容與其他的知識來源整合）和推理（重建一些已經是有所暗示但並未記下的內容）這幾個方面的進步。這些問題中的其中任何一個問題都意味著我們的一所大學實驗室要花費一生時間去進行研究。
然而，像Google和Facebook這樣的企業實驗室就有著足夠的資源來解決一些大問題，但是在一個有著季度報告和資金預算的企業環境中，他們更傾向於努力縮小問題，例如優化廣告投放的位置或者是自動篩選那些令人反感的視頻內容。實際上，這樣的研究是沒有任何問題的，但同時也不太可能會有重大的突破。即使是谷歌翻譯，通過統一地將每一句話關聯到語句中的方式，然後來做出一些看似是很好的翻譯，但是這也改變不了它無法知曉它所翻譯的每一個字的含義的事實。
我羨慕那些工作在高能物理學領域的我的同齡人，特別是在歐洲核子研究委員會工作的人，那是一個大型的國際合作組織，有著成千上萬的科學家和數十億美元的資金支持。他們雄心勃勃，對每個項目都有著明確的分工（如使用大型強子對撞機發現希格斯玻色子）並與世界分享他們的研究成果，而不是僅僅侷限於某個國家或公司。相比之下，即便是像
OpenAI（有著約50名員工，並由ElonMusk提供部分贊助）這樣，努力做到最大程度上開放的公司，也是微不足道的。一個專注於教學機器閱讀的國際化人工智能任務可以在真正意義上的讓這個世界變得更好——如果它能讓人工智能成為一項公共事業，而不是成為少數特權的財產。
閱讀更多 人工智能學家 的文章
