自從人工智能的概念大火之后，關(guān)于人工智能究竟具不具備與人類類似的認知能力的爭論就一直沒有停過。當(dāng)?shù)貢r間 10 月 5 日晚上，在紐約大學(xué)心智、大腦和意識研究中心 (Center for Mind, Brain and Consciousness) 舉行的一場活動上，兩位人工智能領(lǐng)域的權(quán)威——紐約大學(xué)計算機科學(xué)家、Facebook 人工智能研究總監(jiān) Yann LeCun 和紐約大學(xué)研究心理學(xué)家、Uber 旗下的創(chuàng)業(yè)公司 Geometric Intelligence 創(chuàng)始人 Gary Marcus 就這一問題又展開了激烈的討論。

在人們的印象中，人工智能與人類在學(xué)習(xí)上還是有很大的不同。就像一輛由 AI 驅(qū)動的自動駕駛汽車可能需要模擬 5 萬次的撞樹之后，才能知道這種做法是錯誤的。但在現(xiàn)實世界中，野外的羚羊面臨生存的威脅可沒有那么多的試錯機會，人類的嬰兒從咿呀學(xué)語到奔跑活動也不需要經(jīng)過上百次的嘗試。

這其中的重要區(qū)別在于，在強大的計算能力的幫助下，人工智能技術(shù)幾乎可以從零開始學(xué)習(xí)任何的東西。而人類和動物卻不是這樣，我們具備天生的認知能力，可以直觀地理解很多概念，包括對象、地點或相關(guān)事物的集合，從而直接迅速地發(fā)現(xiàn)世界是如何運轉(zhuǎn)的。那么問題來了：隨著技術(shù)的發(fā)展，人工智能是否需要擁有和人類類似的認知能力呢？

作為深度學(xué)習(xí)技術(shù)的權(quán)威，LeCun 認為：“從利用大腦重構(gòu)世界這方面來講，我們擁有得天獨厚的優(yōu)勢，而這是人工智能不論通過設(shè)計還是學(xué)習(xí)都無法達到的。”

圖丨Facebook人工智能研究總監(jiān)Yann LeCun

不過 LeCun 相信，基于非監(jiān)督學(xué)習(xí)技術(shù)，人工智能可以在通用人工智能方面取得進展。近期，非監(jiān)督學(xué)習(xí)的發(fā)展使得機器不再需要大量帶標簽的數(shù)據(jù)來進行訓(xùn)練。

LeCun 還指出，當(dāng)前人工智能的成功在很大程度上正是得益于預(yù)先沒有提供關(guān)于世界運行方式的假設(shè)或概念。也就是說，我們不需要使用語言學(xué)家、心理學(xué)家或認知科學(xué)家提供的知識就可以實現(xiàn)人工智能。因此，他傾向于用最簡單的人工智能算法結(jié)構(gòu)來維持這種簡約性。他說：“我的任務(wù)是盡量減少先天機制的設(shè)置數(shù)量，更多地使用我們可以獲得的數(shù)據(jù)讓人工智能進行學(xué)習(xí)。”

然而，Gary Marcus 卻不這么想。他承認，非監(jiān)督的深度學(xué)習(xí)有可能獲得成功。不過他認為，只有通過“比像素更豐富的基本元素和表達方法”來理解世界，非監(jiān)督的深度學(xué)習(xí)才有可能成功。

圖丨Gary Marcus

Markus 表示：“我們希望人工智能可以像孩子一樣，擁有為了理解世界上對象、實體和物理機制而建立起的表達方法和基本元素。”

Markus 期望人工智能科學(xué)家更多地借鑒認知科學(xué)的知識，開發(fā)更具結(jié)構(gòu)化的算法、表達對象、集合、地點以及空間連續(xù)性等認知概念。他引用了自己以及同事、哈佛大學(xué)認知心理學(xué)家 Elizabeth Spelke 的研究成果，證明人類的孩子很早就有能力去感知人物、對象、集合和地點等概念。他的建議是：為何不在人工智能研究中利用同樣的方法，通過某種結(jié)構(gòu)去映射類似的概念？

實際上，LeCun 在卷積神經(jīng)網(wǎng)絡(luò)上的突破性貢獻從某種意義上來講就是一個例證。它使用更具結(jié)構(gòu)化的方法來減少人工智能所處理信息的數(shù)量，幫助人工智能更好地理解世界。“我認為，我們真正需要的是系統(tǒng)性思考和分析，關(guān)注當(dāng)我們將不同數(shù)量的內(nèi)在機制集成到機器學(xué)習(xí)系統(tǒng)時會發(fā)生什么。”Marcus 說。

LeCun 認為，人工智能的確需要一些結(jié)構(gòu)來幫助理解世界。不過他想要知道，生物的大腦中是存在“單一的學(xué)習(xí)算法、原理或程序”，或是更像沒有潛在組織原則、無意義的“黑客”的集合。無論是哪一種，人工智能都可以從中受益。

智力的本質(zhì)就是一種預(yù)測能力，因為預(yù)測未來實質(zhì)就是對世界空白場景的一種填充。基于對已知世界運行方式的了解，人類和動物可以根據(jù)常識來填補不完整的信息。正因如此，人類司機不需要撞 5 萬次樹才知道撞樹有生命危險。

“當(dāng)前缺少一種機制，可以讓我們的計算機通過觀察世界、與世界互動來學(xué)習(xí)世界究竟如何運轉(zhuǎn)。毫無疑問，這將是阻礙人工智能進一步發(fā)展的最大障礙。”LeCun 說。

所以，LeCun 最大的希望就是，在非監(jiān)督學(xué)習(xí)的引導(dǎo)下，人工智能最終發(fā)展出一種能力，可以以類似人類的角度去了解世界的運行方式。他表示：“在我有生之年，如果我們能開發(fā)出智力水平達到貓或老鼠的人工智能，那么我也會非常興奮。”