編輯|陳彩嫺
…
再想想無人駕駛汽車。你會發現在一般情況下,無人駕駛汽車是很棒的。如果你把它們放在帕洛阿爾託天氣晴朗的地方,車輛性能會非常棒。但如果你把車輛放在下雪或下雨的地方,或者以前沒見過的地方,這些汽車就難免出問題。Steven Levy寫了一篇關於谷歌自動汽車廠的文章,文章中他談到了2015年底的研究讓他們終於讓系統能夠識別樹葉。
系統確實能識別葉子,但對於不常見的東西,就不能獲得那麼多的數據。人類之間可以用常識來溝通。我們可以試着弄清楚這個東西是什麼,它是怎麼到那裏的,但是系統能做的只是記憶東西,這才是真正的限制。
相反,我們需要重新定義深度學習:深度學習不是一種通用溶劑,而應該是一種工具,除了這種工具,我們還需要錘子、扳手和鉗子,更不用説鑿子、鑽頭、電壓表、邏輯探頭和示波器。
到2029年,人工智能仍無法在觀看電影的同時準確地告訴你發生了什麼(Marcus在2014年的《紐約客》雜誌上稱之為「理解挑戰」),也不能解答出這些角色是誰,他們的衝突和動機是什麼等問題。
到2029年,人工智能仍無法閲讀小説並準確回答有關情節、角色、衝突、動機等問題。
到2029年,人工智能仍無法在任意廚房裏做一個稱職的廚師。
到2029年,人工智能仍無法根據自然語言規範或通過與非專業用户的交互,可靠地編寫超過10,000行無bug的代碼。(將現有庫中的代碼粘合在一起不算數。)
到2029年,人工智能仍無法從用自然語言編寫的數學文獻中任意提取證明,並將其轉換為適合於符號驗證的符號形式。
雷峯網