Yoshua Bengio上周，多达1.3万名人工智能领域的专家齐聚温哥华，参与世界领先的人工智能学术会议NeurIPS。会上，不少专家对深度自学的局限性回应了忧虑，指出这项技术的发展将要遭遇瓶颈。当地时间周三上午八点半，谷歌顶级研究员Blaise Aguera y Arcas公开发表了主题演说。

演说中，他首先赞扬了深度自学技术的革命性。他回应，正是因为有了这项技术，很多向他一样的团队才可以用手机辨识人脸和声音。

但同时他也对深度自学技术的局限性明确提出了警告。他说，“我们就像跑到了车子的狗（指达到目标却不告诉下一步怎么做的人）。”深度自学技术很快避免了人工智能领域长期存在的一些挑战，但这不意味著它能解决问题所有问题。

特别是在是和推理小说以及社交智能涉及的任务，比如用人类的方式去取决于一位潜在雇员的能力。在这方面，深度自学还有十分近的路要回头。Blaise Aguera y Arcas回应，“我们目前所有的训练方面都是为了让AI在特定任务中取得胜利或者夺得高分，但这并不是智能的全部。

”无独有偶，几个小时后，Mila人工智能研究所的主任Yoshua Bengio也在谈话中提及了深度自学的局限性。Yoshua Bengio不久前刚和另外两名学者一起取得了计算机领域的最低奖项，他是被誉为“深度自学之父”的三位学者之一。Yoshua Bengio认为，深度自学模型是高度专业化的，一个经过训练的模型可以在特定游戏中打败人类，但到了另一个游戏就无法发挥作用了。

“我们的算法和模型十分武断”，Bengio说，“它们自学一项任务必须比人类非常少的样本，但即便如此它们还是会犯十分可笑的错误。”Bengio和Aguera y Arcas在演说中敦促与会者更好地注目和思维大自然智能的起源。其中，Aguera y Arcas展出了一项实验结果，实验仿真了细菌是如何适应环境找寻食物和通过人工演化的方式展开交流的。

Bengio则讲解了他是如何让深度自学系统更为灵活性地应付非训练场景的，他将这个过程和人类处置新的状况的方式展开了转换，比如在新的国家或城市驾车。学者们在NeurIPS警告深度自学局限性的同时，人工智能领域的投资超过了前所未有的高峰。

根据Pitchbook的数据，2018年风投机构总计向人工智能和机器学习领域投放了近400亿美元，约是2017年的两倍。不过，关于人工智能局限性的辩论于是以更加多。

以谷歌为代表的部分公司曾多次悲观地指出，自动驾驶出租车可以较慢已完成落地部署，但如今这一预期于是以显得谨慎而抗拒。Facebook的人工智能主管最近回应，无论Facebook还是其他公司都不应当寄希望于，意味着通过建构更加大规模、更大算力和更加多数据的深度自学网络，就能之后在人工智能领域获得大的进展。他说，“或许而言，我们早已将要遇到天花板了，甚至在很多方面我们早已遇到了。

”很多专家正在企图谋求突破，比如优步研究员Jeff Clune，他将于明年重新加入非营利机构OpenAI。Clune在周五的演说中讲解了他是如何让人工智能通过自我自学显得更加强劲的。Clune是新兴的元自学领域的代表学者之一。元自学领域致力于打造出能为自己设计自学算法的人工智能系统。

为了构建这一目标，Clune大大用新的环境来挑战他的人工智能系统，以性刺激它自我演化。和Aguera y Arcas一样，Clune也指出人工智能学者应当从大大自然的演化中提供启发。他说道，“作为计算机科学家，我不告诉有什么算法运营了十亿年，依然能作出有意思的事情。”周三上午Yoshua Bengio的演说完结时，某种程度来自Mila人工智能研究所的蒙特利尔大学副教授Irina Rish也公开发表了讲话。

他回应，NeurIPS早已被深度自学顺利的喜乐给攻占了，他期望在这样的背景下，能有更加多新的技术和方法被明确提出。他说，“深度自学很好，但我们必须一个由有所不同方法构成的工具箱。”Rish回忆起2006年参与NeurIPS时曾参与过一个关于深度自学的非正式研讨会。当时NeurIPS的规模还将近今天的六分之一，主办方拒绝接受了将当时还很边缘的深度自学作为一个月议题。

Rish说道，那个非正式研讨会就像一场宗教会议，信徒们挤满在一间屋子里。他期望，今年NeurIPS的某个角落里也能有这样一群人，未来可以把人工智能带回新的高度。

本文来源：雷火体育APP官网入口-www.ycydtz.com