Meta AI大佬：目前大多数AI方法永远不会带来真正智能

Facebook母公司Meta的首席人工智能科学家Yann LeCun认为，目前的大多数人工智能方法永远不会产生真正的智能，他对当今深度学习领域许多最成功的研究方法持怀疑态度。图灵奖获得者说，他的同伴们的追求是必要的，但还不够。这包括对大型语言模型的研究，如基于Transformer的GPT-3。正如Le Cun所解释的那样，Transformer的支持者认为，“通过对一切进行标记化并训练巨型模型进行离散预测，人工智能脱颖而出。他说：“他们没有错。从这个意义上说，我认为它可能是未来智能系统的关键组成部分，但它缺少了必要的部分。Le Cun改进了卷积神经网络的使用，并在深度学习项目中取得了令人难以置信的成果。LeCun还看到了该领域许多其他成功领域的缺点和局限性。他说，强化学习永远是不够的。像DeepMind的David Silver这样的研究人员开发了AlphaZero程序并掌握了国际象棋和围棋，专注于“高度面向行动”的程序，Lequin说“大部分学习是通过观察而不是通过实际行动完成的”。现年62岁的Le Cun有一种强烈的紧迫感，要面对许多人可能走向的死胡同，并试图将他的领域引向他认为应该走的方向。“我们看到了很多关于如何将人工智能提升到人类智能水平的讨论，但我认为其中一些想法是错误的。我们的智能机器甚至没有达到猫的智力水平，为什么不从这里开始呢？Lekun认为，不仅仅是学术界，人工智能行业也需要进行深刻的反思。他说，对于像Wayve这样的初创公司这样的自动驾驶汽车社区来说，“你可以通过向大型神经网络扔数据来学习几乎任何东西”，这“有点过于乐观”。“我认为，在没有常识的情况下，实现5级自动驾驶汽车是完全可能的，但我们必须在设计上更加努力。”他认为，这种过度设计的自动驾驶技术将变得脆弱，就像所有因深度学习而过时的计算机视觉程序一样。“最终会有一个更令人满意的，也许是更好的解决方案，包括一个更好地理解世界如何运作的系统。希望让我们重新思考人工智能的基本概念的Le Cun说：“我们必须退后一步说，'好吧，我们做了一个梯子，但我们想去月球，但这个梯子不能把我们带到那里。“这就像制造火箭一样。我不能告诉你如何制造火箭的细节，但我可以告诉你基本原理。Le Cun说，人工智能系统需要能够推理，他提倡的过程是最小化潜在变量。这使得系统能够进行规划和推理。此外，Le Cun认为，我们应该放弃概率框架，因为当我们想做一些事情来捕捉高维连续变量之间的依赖性时，很难处理。Le Cun还主张放弃生成模型，因为系统必须投入太多的资源来预测难以预测的事件，这可能会消耗太多的资源。（资料来源：网易科技）