一辆由先辈的人工智能技巧驱动的主动驾驶汽车能够须要在虚拟模仿中 50000 次撞到树上，能力晓得这是个坏主张。然则野山羊羊羔在峻峭的山坡上攀爬时，在进修到若何找到稳固的立脚点使本身不会失落下去之前，无从苛求从几百次致命的实验中回生。一个心思学家 3 岁的女儿也不须要有数次的演习，能力忽然想到若何从椅子前面的一个启齿爬上去。
明天最壮大的人工智能技巧借助丰硕的盘算资本，从零开端进修世界上的一切内容。比拟之下，人类和植物仿佛能从直觉上懂得某些概念，例如物体、所在和一系列相干的事物，使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“本性与教化”的成绩：人工智能的进修是否是须要内置人类和植物所具有的这类后天认知机制，能力到达相似的普通智力程度？
两位 AI 和心思学的顶尖研讨人员在昨晚纽约年夜学思惟、年夜脑和认识中间主办的运动中对该话题停止了针锋绝对的争辩。
“不管是经由过程构造或经由过程进修，我们所具有的 AI 技巧中没有一种可以结构出相似植物和人类所结构的对这个世界的表述，” Yann LeCun 说。他是纽约年夜学的盘算机迷信家，和 Facebook 的人工智能研讨所主任。
LeCun 是人工智能范畴深度进修的开拓者，赞助科技巨子打造风行的主动化办事。例如在 Facebook 上过滤同伙的面貌，或许经由过程 Google 翻译停止英语和汉语之间的翻译。深度进修算法令人工智能在没有人类和植物的认知机制的情形下，可以或许履行一切这些义务。而且，当具有 Facebook，Google 或微软等公司的伟大的盘算资本时，深度进修算法在过滤年夜量数据的进程中逐步学会了辨认世界的某些形式，这也是某些特定感知类型的义务所需的步调，例如图象辨认。
每一个人都认同，今朝的人工智能技巧，如深度进修，仍然没法使通用人工智能具有与植物某人相媲美的智力。不外，LeCun 以为，基于无监视的深度进修，AI 可以在开辟普通智力的途径上获得提高，无监视进修是一项比来成长的技巧，清除了机械对人类供给手动标注数据的依附。
LeCun 指出，古代人工智能的胜利在很年夜水平上其实不是依附于内置假定，或构造化的关于世界是若何运转的概念。从这个意义来讲，他偏向于用极简的 AI 算法构造来保持这类简略性。而且他以为如许做时可以不消斟酌人类说话学家、心思学家或认知迷信家的一孔之见。“我的义务是在我们所具有的数据量的条件下，尽可能削减进修进程所需的固有认知机制，”LeCun 说。
Gary Marcus 却以为没有这么快。Marcus 是始创公司“几何智能”（Geometric Intelligence，已被 Uber 的 AI 团队收买）的一位心思学研讨员。他认可无监视深度进修有胜利的机遇。但他以为，只要这些算法用“更丰硕的原语和表现情势，而不只仅是像素”来懂得世界时，能力胜利。
Marcus 说：“我们想要的是孩子们也具有的那种器械，那种用来懂得物体的行动，和世界的实体和物理学道理的表现和原语。”。
Marcus 愿望看到 AI 研讨者“从认知迷信中年夜方采用经历”，经由过程构建更多的可以代表认知概念的构造化算法，例如目的、集、地位，和时空持续性。他援用了他本身的任务，和同事 Elizabeth Spelke——哈佛年夜学的认贴心理学家的任务，来展现人类的孩子很早就具有能发觉到某些概念的才能，例如人、物体、集和地位。他建议：为何不在 AI 中采取相似的办法，应用一些能映照到类似的概念的构造？
即便 LeCun 本身的首创性任务——卷积神经收集，它可以在物体辨认义务中停止更有用的盘算和处置，也是证实应用更具构造化的办法来束缚 AI 必需过滤的信息量，可以赞助 AI 更好的懂得世界的一个很好的例子，Marcus 说。
Marcus 说：“我以为，我们真正须要的是体系地思虑和剖析当我们在机械进修中嵌入分歧数目的固无机制时会产生甚么。”
LeCun 以为，AI 须要必定的构造来赞助它懂得世界。但他想晓得生物年夜脑中能否有“单一的进修算法、道理或法式”，或许能否更像是一个无组织准绳的有意义的“黑客”聚集。在他看来，人工智能可以年夜年夜受害于单一的进修准绳，或这类的准绳的聚集，不论有无内置的后天认知机制的构造模子。
“如今缺乏的是一个可让我们的机械经由过程不雅察，和与世界互动，来进修世界是若何运作的准绳，”LeCun 说。“我们今朝缺乏的，是一个进修猜测世界的模子，在我看来，这是人工智能获得严重停顿的途径上的最年夜妨碍。”
LeCun 以为，智能的实质是猜测的才能，由于猜测将来是对世界的状况停止“填空”的一种异常特别的情形。知识使得人类和植物可以或许依据他们所具有的世界若何运作的常识，来弥补丧失的信息。这就是为何人类司机不须要在 50000 次撞到树以后能力认识到这是一个坏主张，人类可以直接认识到假如他们把车撞到树上会产生甚么。
LeCun 愿望无监视进修可使 AI 终究从物理角度对世界是若何运作的构成一种认识，而不是一些初级的知识。“假如在我的职业生活停止时刻我们有一个像猫，或许老鼠一样聪慧的机械，我就很满足了，”LeCun 说。
关于 AI 进修终究将更多地证实“后天机制”照样“后天进修”的争辩还远未处理。但 LeCun 和 Marcus 关于断定哪个是准确的症结表示目标杀青了分歧。假如无监视进修算法终究须要更多的相似于对象、聚集、地位等的认知表现的构造，Marcus 即可以传播鼓吹获胜。假如无监视进修不须要如许的构造就可以胜利，那末 LeCun 的实际将被证实是准确的。
Marcus 说：“一点点固有认知构造能够会赞助你朝着这个目的进步一年夜步。”
LeCun 廓清：“一点点，没错。”
