深造变成了交叉保龄球的结束吗？Bengio等待的大牛NeurlPS2019上的诡计-量子比特

局面越来越明显：

计算能力、增加更多数据并不能解决AI面临的挑战。

NeurlPS2019中，多位专家对AI的未来进行了讨论，认为深度学习算法的瓶颈已经出现。

有人认为深度学习方法可以进化，也有人期待新方法的出现。

共同的是，专家们纷纷将目光投向生物，希望在自然智能上获得灵感。

深度学习的极限

来自谷歌的AguerayArcas说：

他表示，深度学习解决了一些AI的长期课题，但还有很多课题，目前无法解决。

用AI来衡量与推论和社会智能相关的问题，例如潜在的员工，仍然是不可能的。

而且，现在所有训练的模式都只是通过一个测试，或者赢一场有评分的比赛。但是，人类这样的智能所能做的远远超过了这种规则模式。

深造三巨头之一的“图灵”奖获得者在接受“Spectrum”采访时说：。

现在的深度学习还没有达到两岁孩子的智商，完成一项任务需要很多数据，犯很多愚蠢的错误。

在公司落地的水平上，对技术实现的预测也很细心。

Google对实现自动驾驶出租车的预测改变了以往的乐观态度，变得具有抑制性。

Facebook负责AI的副总经理Jerome Pesenti最近表示，他的公司和其他公司不应该期望AI的进步仅仅是开发具有更多计算能力和数据的更大的深度学习系统。

创新号召

面对这一现状，人们提出了自己的建议。

Arcas和Bengio希望参加者更多地考虑自然智能的生物学根源。

Arcas显示了模拟细菌的实验。这些细菌是人工进化来觅食和交流的。

并且Yoshua Bengio深造这个方法认为顺利，他在工具箱里追加了更多的东西。

他在会上作了一次以深度学习系统1到深度学习系统2为主题的演讲，建议软注意力和深度强化学习方式促进推理、计划、因果关系等问题的解决。

他的新方法受到自然智能的启发。根据意识的先验性建立假说，许多高度依赖关系可以通过稀疏因子图近似地捕捉到。软注意力机制成为一个重要因素，一次可以把计算集中在一些概念（“有意识的思考”）上。

蒙特利尔大学副教授Irina Rish希望有新的想法出现。

他想起了2006年非正式的深度学习研讨会。比喻就像一个“宗教聚会”，主办方拒绝接受边缘的技术创意。

在今年的大会上，深度学习是主流，但他希望自己的发言能支持新创意的出现。

元学习

我们也会谈论新的道路。

Uber研究员Jeff Clone宣布明年加入Open AI。他也是新兴领域元学习metalearning的成员。这个领域想实现AI自己设计学习算法。

在演讲中，他介绍POET与开放的开拓者配对，让AI学会自我进化变得更聪明。这种方法的灵感之一是自然进化。他举了一个例子。动漫双脚可以自动学会走更复杂的地形。

自动增加场景的多样性和复杂性

最终你可以学会自己下楼梯

你有没有想过AI的发展如何实现下一个突破？

参考资料：

htps：//www.wired.com/story/sobering-message-future-AI-party/

https：//Spectrum.IEEE.org/tech-talk/robotics/artificial-intelligence/yoshua-Bengio-revered-architeence

htps：//nips.cc/conferences/2019/scheduleshowevent=15488