人工智能和心思学范畴的两位顶尖研讨者，纽约年夜学 Yann LeCun 和 Gary Marcus 就 AI 能否须要相似人类和植物的内置的认知机制，以完成相似人类的智能这一成绩，睁开了剧烈的争辩。争辩的症结在于无监视进修算法终究能否须要内置的认知构造，假如在不须要这类构造的情形下获得胜利，那末 LeCun 将被证实是准确的。
一辆由AI技巧驱动的主动驾驶汽车，能够须要在虚拟仿真情况中撞到树上5万次，然后才会学到这不是个明智的选择。然则，一只少小野山羊在峻峭的山坡上进修攀爬，其实不须要摔逝世几百万次。异样，一个三岁小孩也不须要演习有数次，能力想出若何穿过椅子爬到前面去。
在壮大的盘算资本的支撑下，如今，最早进的AI技巧简直可以从零开端进修有关世界的任何内容。比拟之下，人类和植物仿佛是天性地舆解某些概念——对象、所在和相干事物的聚集——这让他们可以或许疾速懂得世界是若何运作的。这就引出了一个主要的“后天vs后天”的成绩：AI 的进修能否须要像人类和植物具有的后天认知机制那样的某种内置机制，能力到达相似的普通智能程度？
近日，纽约年夜学心思、年夜脑和认识中间举行的一场运动中，人工智能和心思学范畴的两位顶尖研讨者在这一成绩长进行了针锋绝对的争辩。
纽约年夜学盘算机迷信家、Facebook人工智能研讨主管 Yann LeCun说：“我们今朝所具有的AI技巧，不管经由过程构造照样经由过程进修，都没法构建世界的表象，而这是我们不雅察到的植物和人类所具有的才能。”
LeCun 是人工智能范畴深度进修技巧的开辟者，深度进修技巧赞助科技巨子们完成了很多热点办事的主动化，好比 Facebook 的人脸辨认功效，谷歌的中英互译，等等。虽然缺少相似人类和植物的后天认知机制，深度进修算法使得AI可以或许完成一切这些义务了。
深度进修算法在过滤年夜量数据的同时，逐步学会辨认有关世界的一些特定形式——当你具有Facebook、谷歌或微软的年夜量盘算资本的话，它就可以在某些感知义务上任务，好比图象辨认。
人们分歧以为，今朝的AI技巧，好比深度进修，依然不克不及让AI具有与植物某人类相当的智能程度。虽然如斯，LeCun以为无监视深度进修可让AI在通用智能方面获得停顿。无监视进修清除了须要人类供给人工标志的数据的很多请求，这些数据用于让机械进修。
LeCun 指出，古代人工智能的胜利很年夜水平上不是依附于构建有关世界若何运作的假定或构造化概念。从这个意义上说，他偏向于最小化AI算法的构造，以坚持这类简略性。他以为如许做不须要应用人类说话学家，心思学家或认知迷信家的常识。他说：“我寻求的是尽可能削减后天机制的部门，应用我们现有的数据去进修。”
不外，纽约年夜学研讨型心思学家、Geometric Intelligence公司（如今属于Uber的AI团队）的开创人 Gary Marcus 以为 LeCun 的寻求不会那末快完成。
他认同无监视深度进修有胜利的机遇，但他也以为，算法只要具有了“更丰硕的原语（primitives）和表达方法（epresentations），而不只唯一像素”，能力在懂得世界方面获得胜利。
Marcus 说：“我们愿望AI具有为懂得对象、实体的行动和物理景象而构建的表达方法和原语，就像人类婴儿后天具有的那样。”
Marcus 愿望看到AI研讨人员“更多地自创认知迷信的常识”，构建加倍构造化的算法来表现对象、聚集、地位和时空持续性等认知概念。他援用了本身的任务，和哈佛年夜学认贴心理学家 Elizabeth Spelke 等人的研讨，展现了人类儿童若何可以或许在幼儿时代具有感知人、物体、聚集和地位等概念。他提出一个建议：为何不在AI中应用相似的办法，把一些构造映照到相似的概念？
虽然 LeCun 本身在卷积神经收集上的首创性任务就是一个很好的例子，解释应用更构造化的办法来束缚AI必需处置的信息量，可以赞助它更好地舆解世界。
Marcus说：“我以为，我们真正须要的是体系的思虑和剖析，假设我们将分歧量的后天机制嵌入到机械进修中时，会产生甚么。”
LeCun 赞成AI须要一些构造来赞助它懂得世界，但他对在生物年夜脑中能否存在“单一进修算法、准绳或法式”存疑，照样说它更像是一种没有根本的组织准绳的有意义的“黑客”（hacks）聚集。在他看来，人工智能可以从单一的进修准绳或这类进修准绳的聚集中获益，不论能否具有内涵的后天认知机制的构造模块，这些准绳都邑发生。
“缺少的是一个准绳，这个准绳可让我们的机械经由过程不雅察世界和与世界互动来懂得世界是若何运作的，”LeCun说。“我们如今所缺乏的是一种进修猜测世界的模子，在我看来，这是人工智能范畴获得冲破性停顿的最年夜妨碍。”
LeCun说，智能的实质是猜测的才能，由于猜测将来是一个异常特别的“填空”的场景。知识令人类和植物可以或许依据他们对世界运作的认知来弥补缺掉的信息。这就是为何人类驾驶员不须要撞5万次树能力认识到撞树是毛病的行动；人类具有的知识让他们晓得，假如车撞到树会产生甚么事。
LeCun 愿望无监视进修可以或许引诱AI终究成长出一种懂得世界运作方法的“感到”（sense），假如不是某种原始的“知识”的话，那末就从物理学的角度。“假如在我的职业生活停止之前，人工智能体系能像猫一样聪慧，我会很高兴，”LeCun说，“再否则，像老鼠一样聪慧也行。”
关于AI进修“后天照样后天”的争辩还远未停止。然则，LeCun 和 Marcus 都认同可以依据一些症结机能目标来看哪一方更加公道。假如无监视进修算法终究须要更多相似对象、聚集、地位等等的认知表征（cognitive representations）的构造，那末Marcus就是这场争辩的胜方。假如无监视进修在不须要这类构造的情形下获得胜利，那末LeCun将被证实是准确的。
