溯因推理：人工智能的盲点本文给当今人工智能界推崇深

本文给当今人工智能界推崇深度学习的现象泼了冷水，指出了人工智能的盲点：溯因推理，并提醒人们不要忽视深度学习的种种问题，否则将会因为深度学习又面临第三次“人工智能的冬天” 。
最近深度学习领域的进步再次激发了人们对那些通用人工智能新机器的兴趣。这一想法认为，通过构建更大、更好的神经网络，我们就能够获得越来越接近于人类大脑的数字化版本。
但这是一个神话，计算机科学家ErikLarson认为，所有的证据都表明，人类和机器所拥有的智能有本质的不同。 Larson的新书《TheMythofArtificialIntelligence:WhyComputersCan’tThinktheWayWeDo》（目前尚无中译本，本文暂译为《人工智能的神话：为什么计算机不能像我们这样思考》），讨论了广泛宣传的关于智能和推理的误解，是如何将人工智能研究引向狭窄的道路，限制了创新和科学发现。

文章图片
【溯因推理：人工智能的盲点】《人工智能的神话》， ErikJ.Larson著。
Larson警告说，除非科学家、研究人员和支持他们工作的组织不改变方向，否则他们将注定“屈服于机器世界的扩张，在机器世界中，真正的发明被边缘化，转而支持那些鼓吹现有方法的未来主义言论，而这正是来自根深蒂固的利益集团。 ”
以科学的观点来看，人工智能的神话是假定我们将通过在应用领域取得进展，来实现通用人工智能（ArtificialGeneralIntelligence ， AGI），例如对图像进行分类、理解语音指令，或玩游戏。但是，这些狭窄的人工智能系统的基础技术并不能解决通用智能能力所必须解决的更大挑战，例如进行基本的对话、完成简单的家务活，或者其他需要常识性的任务。
Larson写道：“当我们成功地应用了更简单、更狭窄的智能版本，并从更快的计算机和大量的数据中获益时，我们并没有逐步取得进展，而是在摘取低垂的果实。 ”
人工智能神话的文化后果就是忽视了智能的科学奥秘，无休止地谈论深度学习和其他当代技术的不断进步。这个神话阻碍了科学家们思考新的方法来应对智能的挑战。
“如果我们选择忽视一个核心奥秘，而不是正视它，我们就无法获得创新， ”Larson写道， “健康的创新文化强调探索未知，而非夸大现有方法的延伸……关于人工智能必然成功的神话，往往会扼杀真正进步所需要的发明文化。 ”
当你走出家门时，你发现街道是湿的。你首先想到的是，一定是下雨了。但现在是晴天，人行道是干的，所以你立即排除了下雨的可能性。当你往旁边看时，你看到一辆洒水车停在街道旁。你就断定，街道之所以是湿的，是因为洒水车冲洗了街道。
上面是一个“推理”的例子，即从观察到结论的行为，也是智慧生物的基本能力。我们不断地根据我们所知和感知的事物来推理。它们大多发生在潜意识中。
Larson写道：“任何能够进行推理的系统都必须具有一些基本的智能，因为利用已知和观察到的事物来更新信念的行为本身，必然与我们所指的智慧相关联。 ”
人工智能研究人员将他们的系统建立在两种类型的推理机上：演绎式和归纳式。演绎式推理是利用先验知识对世界进行推理。这是符号人工智能的基础，也是人工智能早期几十年研究人员关注的重点。工程师通过赋予它们一组预先定义的规则和事实来创建符号系统，人工智能利用这些知识来推理它所接收到的数据。
溯因推理是通过经验获取知识，在过去十年中，溯因推理在人工智能研究人员和科技公司中获得了更多的关注。机器学习算法是溯因推理引擎，一个在相关实例上训练的机器学习模型，将找到输入映射到输出的模式。最近几年，人工智能研究人员利用机器学习、大数据和先进的处理器，对超出符号系统能力的任务进行模型训练。