新智元：深度学习要走向更深？Gary Marcus称DL与经典AI结合才是出路

本文插图
新智元报道
来源：MIT Tech Review
编辑：啸林、梦佳
自1950年代以来， AI的发展一直承载了过多的未能实现的期待。尽管近年来由于深度学习的突破而实现了质的飞跃，当今的AI领域仍然有诸多问题亟待突破：面对攻击时的脆弱，无法从不断变化的环境中不断学习以产生新概念，并且充斥着（从人类数据中习得的）偏见。这些挑战使AI技术难以信任，也限制了其造福社会的潜力。
3月26日，《MIT科技评论》举办了年度新兴科技峰会（EmTech Digitalevent），两位AI领域的大咖在虚拟舞台上激辩AI领域如何克服未来的诸多挑战。

本文插图
纽约大学名誉教授、Robust.AI的创始人兼CEOGary Marcus是深度学习（DL）领域的著名评论家。在去年他出版的《重启AI》一书中，他认为AI的缺点是该技术所固有的。他认为，研究人员不仅仅要关注DL ，而是要将其与经典AI ，或者说具有解码和逻辑推理能力的符号主义AI体系相结合。

本文插图
Gary Marcus
软件开发公司Unity的AI和机器学习（ML）副总裁Danny Lange则是深度学习的忠实拥趸。他曾任Uber的ML负责人、Amazon的ML总监。他也曾在微软负责大型ML产品。目前，他负责帮助DeepMind和OpenAI等实验室构建虚拟训练环境，来训练他们的算法。

本文插图
Danny Lange
活动期间，两位专家分别做了简短的演讲，然后坐下来进行专题讨论。他们二人之间的分歧反映了AI领域内的许多冲突，这种持续不断的观点斗争强有力地塑造了AI的发展走向，它的未来前景也面临着巨大的不确定性。
问：Gary ，你善于利用自己在神经科学和心理学方面的专业知识来弥补当前AI缺失的部分。为什么你认为经典AI应该与深度学习相结合？
Gary：首先我想说，我们所需要的这种混合模型比深度学习和经典AI的简单相加要复杂得多，当然至少得是二者的相加。还会出现很多我们目前完全想象不到的事情，所以我们要保持开放的心态。
为什么要把经典AI结合进来？作为人类，我们的所有推理建立在关于世界的各种知识之上。但深度学习并不包括这些知识。这些系统不可能表示出一个球或是瓶子是什么，以及这些东西是如何相互作用的。所以说，虽然结果看似不错，但通常深度学习不具有（类似于人的）概括能力。
经典AI就可以成为深度学习的舵手。例如，它可以对一句话进行语义解析，并了解世界上所发生的事情，然后对其进行推理和判断。但它也有自身的问题：比如，覆盖面不够广，因为大部分材料是人类手写的（因而不便于机器识读）。但是，至少从原则上讲，这是我们所知的可以使系统对抽象知识进行逻辑推理和归纳的唯一方法。它不一定绝对正确，但它是迄今为止我们力所能及的最佳方法。
有很多心理学依据表明，符号性表达的能力是与生俱来的。我从事认知开发的时候，曾对七个月大的婴儿进行实验，结果表明这些婴儿具有概括符号知识的能力。如果一个七个月大的婴儿都能够做到这一点，那我们为什么不在建立AI体系的时候也把这种符号性表达的机制囊括进去呢？
问：你有看到过任何将深度学习和符号主义AI相结合的成功案例吗？
Gary：在《AI的下一个十年》一文中，我列出了大约20个试图将深度学习和一些符号知识的混合模型相结合的近期项目。一个广为人知的例子就是Google搜索。当用户输入搜索词条时，经典AI就会派上用场，来试图消除单词的歧义。这种AI机制会尝试使用Google知识图表判断该词条是在说“巴黎” ，还是在谈论帕里斯希尔顿酒店，是德克萨斯州的巴黎市还是法国的巴黎。同时Google会使用深度学习来完成其他任务，比如使用BERT模型来查找同义词。当然， Google搜索并不是我们对于AI的终极梦想，但它证明了这种结合模型不是一个无法实现的梦想。