人工智能寒冬又到?美国教授arxiv发文批判AI,遭Reddit网友狂喷

作者: 佚名 2021-05-07 15:27:30

人工智能的发展的势头如此猛烈,大众和专家们对人工智能也持乐观的预测,但历史上,从1950年代初开始,「人工智能之春」和「人工智能之冬」之间就在上演循环往复的戏码,谁又能预测未来的发展?

即使当今AI的突破速度似乎很快,无人驾驶汽车、管家机器人和智能对话系统等技术的开发却比许多人想象的要难得多。

最近Melanie Mitchell在arxiv上发布了一篇文章,阐述了科研人员对AI的四个谬误,这些谬论可能导致对该领域的过度自信预测。

Mitchell是一位美国计算机科学家,波特兰州立大学教授,主要研究领域为复杂系统和遗传算法以及细胞自动机。

人工智能寒冬又到?美国教授arxiv发文批判AI,遭reddit网友狂喷

谬论1:AI的发展是一个连续的过程

当IBM发布自动问答系统「沃森」时曾说,这是认知系统的第一步,也是计算的新纪元。

人工智能寒冬又到?美国教授arxiv发文批判AI,遭reddit网友狂喷

OpenAI把GPT-3语言生成器描述为迈向通用智能的重要一步。

然而, Hubert Dreyfus认为这是典型的「第一步误区」,这就像一个猴子在爬树,然后想着慢慢就会爬到月亮上。

AI的发展就是先找到特定任务的解决方案,再组合成通用智能,这也许不是实现真正AI的路。

就像许多专家预测的那样,AI发展的道路上,有很多无法预见的障碍,连续的发展无法一帆风顺。

谬论2:简单的事有简单的解决方案,困难的任务需要复杂的解决方案

当John McCarthy悲观地认为「AI比想象的要难得多」的时候,明斯基解释说,那是因为简单的事情都是很难的。

人类在做很多事情的时候都没有思考过自己为什么能这样做,例如交流,走路,这些对人来说很简单的事,对机器来说实现起来却很复杂。

相反,对人来说很复杂的事,对机器来说又很简单,例如下棋,几百种语言之间互相翻译等。

这也称为「Moravec悖论」,相对来说,让电脑在智力测试或跳棋方面表现出成人水平的表现是比较容易的,但让他们掌握一岁孩子在感知和移动方面的技能几乎是不可能的。

AI比我们想象的难,是因为我们从来没有注意过,当我们感知世界时经历了多么复杂的一个过程。

误区3:一厢情愿去模仿人脑

前面说过,人脑和机器对于不同的任务之间性能有很大的差距,而AI界的学者更倾向模仿人脑。

AlphaGo成功在围棋界登顶,但没人能从他嘴里问出来他到底是怎么想的。唯一的答案是,「AlphaGo只想着赢」。

人工智能寒冬又到?美国教授arxiv发文批判AI,遭reddit网友狂喷

IBM知道沃森无法阅读或理解,DeepMind的研究人员也知道AlphaGo不知道自己在想什么。

虽然AI在很多任务上击败了人类,但离通用智能还有很远的距离。

误区4:智能都在人脑中

一般来说,智能是和人类的身体分开的。

顶尖的AI科学家把他们的想法匹配人脑的结构,其中著名代表就是Hinton,他曾说过,若要理解人类是如何理解的,我们就需要数以亿计的神经元来模拟。

然而其他科学家也有认为我们之所以AI取得了进步,全归功于摩尔定律,我们也不一定非要往人脑上靠。

人工智能寒冬又到?美国教授arxiv发文批判AI,遭reddit网友狂喷

embodied认知理论就是把情感和非理性的智能抛弃掉,做一种「纯智能」,不需要考虑吃和睡来限制自己的行为。

上述四个谬误是作者看到的当前AI发展受到的限制。

reddit网友表示,不知道这篇论文为什么被炒作起来了,但上述四个理论已经是众所周知的事。

并直言,arxiv大部分这种论文都是旧新闻炒冷饭。

人工智能寒冬又到?美国教授arxiv发文批判AI,遭reddit网友狂喷

还有网友认为这篇论文投稿肯定中不了。

人工智能寒冬又到?美国教授arxiv发文批判AI,遭reddit网友狂喷

你怎么看呢?

人工智能 机器学习 技术
上一篇:Epoch不仅过时,而且有害?Reddit机器学习板块展开讨论 下一篇:自动驾驶的安全风险来自于哪里?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载