桔了个仔，人工智能 | 数据科学 |AI风控与反洗钱 | 码农 阅读原文 是因为路子不对（没有否定目前人工智能进展的意思）。因为目前人工智能是真的「人工」智能，只要没了人工，便没有智能。 这句话怎么理解？简单讲，就是一个神经网络做什么，取决于你给它的输入。我们人类学习，有个学习目标后，会自己寻找「训练资料」，也就是找书看。而神经网络不会自己寻找「训练资料」。（题外话，可以略过：尽管有个训练方法叫主动学习（Active Learning），但也是在给定的未标记训练数据里找，而且找到合适的数据后，还得人工给这个数据打标记） 当然，这里说「智能」，主要指人类定义的综合智能，例如单项技能能力及融会贯通的能力。如果智能指的是单向能力，那么很多方面计算机都超越人类了，例如图像识别率，下围棋水平等。但说到融合贯通的能力，也就是通用的推理能力，人类目前很难造出能和自己媲美的机器，因为人类是怎么实现推理的这个过程，推理时各种信号是怎么传递的，人类也不太清楚其细节。 现在的人工智能，仅仅是「知道」，而不能「理解」 傻子都能「知道」。关键在于「理解」。—— 阿尔伯特·爱因斯坦 我之前被收录的一篇回答（如果神经网络规模足够大，会产生智能吗？）里说到，神经网络模拟的是一个个大脑功能，最多是大脑的一个分区，而不是大脑本身。这句话不好理解？举个例子： 我们走去小卖部买瓶水这个简单过程，需要大脑这样协调：首先是眼球接受到光信号，然后传到视觉皮层，然后视觉信号传到前额皮质区（负责评估潜在未来行动的脑区），右后部海马活动计算潜在未来路径的数量。这么一个简单的过程，人工智能依然难以实现。 这个过程和自动驾驶比较接近，但自动驾驶系统的的每个子系统也是「知道」，而不「理解」。例如当路面识别系统遇到新的障碍物，就可能识别不出来了。例如今年六月特斯拉的 AutoPilot 就出问题了，因为基于「知道」的 AutoPilot 只知道正常行驶的货车，但「躺下」的货车它就不认识了（据新闻说因为货车车顶反白光，让 AutoPilot 摄像头产生致盲反应） 同样道理，有的识别系统只知道谁是谁，并不能力理解其形态。例如抓拍行人闯红灯的系统，只知道当下状态是红灯，这时候镜头前有个董明珠（的图），结果就直接认为董明珠穿红灯了，而不会做推理，贴在公交上的照片只是个广告，而且不是三维的。 同样的事情，董明珠遇到过后，赵雅芝也遇到了。 人在家中坐，锅从天上来 检测到小车，坐着的人，斑马线，于是判断这个人非机动车过斑马线没有下车推行。这就是「知道」但不「理解」的人工智障。 年轻人的第一张罚单 而怎么实现「理解」，进而「推理」，才是人工智能取得突破的关键。但目前在实现推理上，业界取得的成绩还是不够。实现了理解，进而推理，才能走向强人工智能。关于怎么实现强人工智能，其实目前还没答案，但我也在另一个回答里分享了强人工智能可能出现的契机。 怎样实现强人工智能? 而现在的人工智能，主要是靠机器学习这一波浪潮撑起来的。而机器学习，有个漫画讲得有点道理（虽然不完全对） 还是那句，神经网络只是「知道」，并不「理解」 神经网络的效率极低 而且效率是低效到令人发指的。神经网络优化一直是学术界工业界都在研究的问题，例如如何剪枝不会减少性能。现在业界最强的 AI 全是暴力美学，例如业界最强的 GPT-3。下图是其参数数量和其他模型的比较，横轴的是模型出现的年份，纵轴是参数数量。不点击原图你多没法看得清了。如果你看不清原图，直观感受下其参数的差距。右上角的是 GPT-3，图片下方的是其他模型。 GPT-3 已经 1700 亿个神经元了，约等于人脑两倍的神经元，也是很多看起来就很「蠢」的回答。你别看业界吹得 GPT-3 多神，其实是对表现好的地方进行 cherry-picking 而已，很多情况下 GPT-3 给出的答案也是很难明白的。更别说 GPT-3 训练费用也达到惊人的 1200 万美元。人工智能大佬 Gary Marcus 也批评媒体搞 cherry-picking 误导读者。 至于 GPT-3 都出现了哪些搞笑的回答，详情可以参考我的另一个回答 你所在的研究领域里，有哪些工作的结果虽然不是造假，但是是精挑细选出来的? 下面是一个与 GPT-3 人机对话的结果 问：长颈鹿有多少只眼睛? 答：长颈鹿有两只眼睛。 问：我的脚有多少只眼睛? 答：你的脚有两只眼睛。 问：蜘蛛有多少只眼睛? 答：蜘蛛有八只眼睛。 问：太阳有多少只眼睛? 答：太阳有一只眼睛。 问：一棵草的叶子有多少只眼睛? 答：草叶有一只眼睛。 脚有两只眼睛？脚上长鸡眼了吗？ 灾难性遗忘 你一个神经网络可以有几百亿个神经元，但如果你这个神经网络要完成多项任务，就会有灾难性遗忘[1]。这也是 GPT-3 有 1700 个神经元但没用来搞 ImageNet 的原因。 而想要模型执行两个不相近的任务，那么模型表现得要么只有一个好，要么两个都不好。 如果「一个」神经网络不行。那么有没可能通过工程的方法，设置多个神经网络，让其各司其职，实现智能呢？对人类来说，我今天搬砖，我明天可以可以搬水管，搬的方法都一样。但是要用人工智能来做这个事，首先它需要有神经网络识别砖头和水管，然后知道「搬」这个动作的触发时机，万一明天要搬轮胎，那之前只能之别砖头和水管的网络就要重新训练。人工智能能穷尽有限状态里的可能性，但不能穷尽人类已有的知识，即使想去穷尽人类目前的知识，那个工程量也并不是目前能搞得定的。 阅读原文
