思辨｜“深度学习”不适宜发展“通用人工智能”

　　DeepMind开发的AlphaGo战胜了人类围棋世界冠军，是人工智能发展史上的里程碑事件。DeepMind联合创始人哈萨比斯在《经济学人》创新峰会上，谈了他对人工智能未来的看法。

　　哈萨比斯说：“如果未来的世界没有AI，我会对这个世界非常悲观。”他认为如今社会面临的种种挑战，包括气候变化、可持续性、大规模不平等、疾病和医疗问题，人类在这些方面的进展不是很快。因此，哈萨比斯认为，要么我们需要人类行为的指数级改进，比如，更少的自私，更少的短期主义，更多的合作与慷慨；要么需要技术的指数级改进。而从目前的迹象来看，他认为人类行为的指数级改进很难，“这就是我们需要AI这样的技术实现巨大飞跃的原因”。他相信，AI可以抵消人类贪婪和自私的最坏影响，原因在于人工智能技术可以很容易地用来解决棘手的问题，比如防止灾难性的气候变化。

　　此外，哈萨比斯还谈到了深度学习这项技术。在他看来，深度学习很有用，但不足以解决通用人工智能问题。深度学习是解决通用人工智能的一个组成部分，但还需要更多类似的突破和创新。他用大脑来进行类比，“大脑是一个综合系统，但大脑的不同部分负责不同的任务。海马体负责情景记忆，前额叶皮质负责控制等。你可以把目前的深度学习看作是相当于大脑中的感觉皮层的一样东西：视觉皮质或者听觉皮质。但是，真正的智能远不止于此。你必须把它重新组合成更高层次的思维和符号推理，这是80年代经典AI试图解决的问题。”

　　哈萨比斯说，DeepMind正在研究怎样在一些领域改进人工智能，将允许系统超越当今的技术水平进行推理，并且在不同领域之间迁移知识，就像一个会开车的人可以用他开车的知识来开货车。此外，DeepMind还在研究怎样提高学习效率，用来减少目前训练深度学习系统需要的庞大数据量。

　　大数据处理信息服务商金盛网聚WJFabric认为，深度学习是精于单一领域的研究方式，但时下人工智能的发展到了一个新的当口，即通用人工智能成为业界新的共识方向。需求的改变决定了技术发展的方向，因此之前深度学习的模式需要进行改变，跨领域的知识迁移以及自主推理能力成为新阶段人工智能行业发展的目标。

　　金盛网聚（北京）科技有限公司成立于2012年，是一家数据处理与信息咨询服务商，公司拥有自主核心技术与服务咨询的团队， 公司“WJFbaric-互联网大数据信息监测SaaS平台”目前注册使用客户将近上万个，为企业、政府、学术机构、成功人士等提供在线信息收集、展示、阅读、存储的免费平台，公司远景致力于通过数据+计算形成可视化的人工智能决策平台。