图片来源：GETTY

相关资讯：

AI学会了人类的非理性抉择并以此来预测人类的行为

显然，这个婴儿在没有人教他的情况下，就已经自己了解了重力的概念。Facebook首席人工智能科学家、纽约大学教授yann lecun在近日由工业机构计算机械协会（ Association for Computing Machinery）组织的网络研讨会上说：“没人告诉婴儿物体应该坠落，刚出生的婴儿并不具备非常复杂的运动控制，但他们仍然懂得了重力的概念，这是因为他们对世界了解很多是通过观察得到的。而这一理论可能对希望推进人工智能领域的研究人员具有重要意义。”

深度学习是人工智能算法最炙手可热的一个范畴，它开启了该领域的最新革命。深度学习在赋予机器视觉能力方面取得了巨大的进步，但它并没有给他们灌输复杂的推理，机器学习到的完全是基于现实的概念模型。换言之，机器并不真正了解它们周围的世界，这使得它们无法与周围实现真正的接触。新技术正在帮助克服这一限制，例如，通过给机器一种工作记忆，使它们在学习和推导基本事实和原则时，能够积累起来，以便在未来的交互中发挥作用。

但lecun认为对这一方面的研究还有很多问题。“很明显我们错过了什么，一个婴儿在看到两张照片后就可以对一头大象产生理解，而深度学习算法需要看到数千张照片。一位青年通过练习20个小时就能学会安全驾驶，而且会在没有第一次经历碰撞的情况下就能设法避免碰撞，而强化学习算法必须经过数千万次试验，而这其中必然包括许多严重的失败。”他认为，问题的关键于一个现阶段被严重低估的深度学习子类别，即无监督学习。基于监督和强化学习的算法可以通过人的输入来实现一个目标，而无监督的算法完全独立地提取数据中的模式。近年来，由于这种无监督算法能够发现数十亿字之间的关系，因此在自然语言处理中有很广泛的应用空间，这对于构建文本预测系统（如自动完成）或智能生成那些以假乱真的散文很有用。但是其他领域的人工智能研究绝大多数集中在监督或强化学习上。

Lecun认为目前的研究重点应该转移。他表示，作为人类，我们所学的一切几乎都是通过自我监督的学习来学习的。我们通过有监督的学习来学习，而通过强化学习来学习的东西很少。因此，机器学习或人工智能的绝大多数也应该是自我监督学习。那么这在实践中会是什么样子的呢？研究人员应该从关注时间预测开始。换言之，训练大型神经网络，在给出第一个视频时预测下半个视频。虽然不是我们这个世界上的一切都可以预测，但这的确是婴儿认识到玩具卡车应该坠落的能力背后的基础技能。实际上，这是对头脑中所发生事情的一种模拟。一旦该领域发展出完善这些能力的技术，它们也将有重要的实际用途。在自动驾驶汽车的背景下做视频预测是个富有前景的方向，因为你可能想提前知道街上其他汽车会做什么。

最终，无监督的学习将帮助机器建立一个世界模型，然后可以预测未来的世界状态。这是一项远大的抱负，人工智能的下一次革命会是“无监督的”。

参考：https://www.technologyreview.com/s/613954/the-next-ai-revolution-will-come-from-machine-learnings-most-underrated-form/

[关于转载]：本文为“AMiner”官网文章。转载本文请联系原作者获取授权，转载仅限全文转载并保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“AMiner”官网。谢谢您的合作。