免费91最新地址永久入口,色吧亚洲欧美另类,欧美精品高清在线观看

機(jī)器之心報(bào)道

參與：張倩、杜偉

前段時(shí)間，英國公司登記處的一份文件披露了 DeepMind 2018 年的財(cái)務(wù)狀況：這家 AI 科技公司的凈虧損由 2017 年的 3.41 億美元增加至 2018 年的 5.72 億美元，今年到期的債務(wù)高達(dá) 12.656 億美元。如此巨額的虧損引起了廣泛關(guān)注，也引發(fā)了人們對(duì)于 AI 前景的質(zhì)疑。近日，紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)教授 Gary Marcus 就在《連線》上撰文表達(dá)了對(duì)于 DeepMind 虧損狀況、深度強(qiáng)化學(xué)習(xí)現(xiàn)狀以及 AI 未來走向的深度思考。

DeepMind 可能是全世界最大的專注于科研的 AI 公司，但它正在遭受巨額虧損，過去三年的虧損超過 10 億美元，而且未來 12 個(gè)月還有超過 10 億美元的債務(wù)需要償還。

這是否意味著 AI 正在分崩離析呢？

事實(shí)并非如此。做研究需要花錢，DeepMind 每年都在做更多的研究。這家公司的確花了很多錢，而且可能比以往任何 AI 研究公司都要多。但與科學(xué)界那些大型項(xiàng)目相比，DeepMind 花的錢還遠(yuǎn)遠(yuǎn)算不上史無前例。例如，大型強(qiáng)子對(duì)撞機(jī)每年可能要花費(fèi) 10 億美元，而發(fā)現(xiàn)希格斯玻色子的花費(fèi)估計(jì)超過了 100 億美元。當(dāng)然，實(shí)現(xiàn)電影里那種真正的機(jī)器智能（即 AGI）要花費(fèi)的還遠(yuǎn)不止這些。

盡管如此，DeepMind 的巨額虧損（從 2016 的 1.54 億美元到 2017 年的 3.41 億美元再到 2018 年的 5.72 億美元）還是值得我們反思。在我看來，這其中有三個(gè)核心問題：

DeepMind 是否選對(duì)了方向？
從谷歌母公司 Alphabet 的角度來看，這種規(guī)模的投資是否合理？
這種虧損會(huì)對(duì) AI 的整體發(fā)展產(chǎn)生什么影響？

對(duì)于第一個(gè)問題，我們有理由持懷疑態(tài)度。DeepMind 將大部分人力和財(cái)力投入到了深度強(qiáng)化學(xué)習(xí)的技術(shù)研究中。該技術(shù)結(jié)合了深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)，前者主要用于模式識(shí)別，后者則是以獎(jiǎng)勵(lì)信號(hào)（如游戲中的得分或勝負(fù)）為基礎(chǔ)的學(xué)習(xí)。

深度強(qiáng)化學(xué)習(xí)技術(shù)是 DeepMind 在 2013 年提出的，他們?cè)谝黄麨椤禤laying Atari with Deep Reinforcement Learning》的論文中展示了單個(gè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)如何玩轉(zhuǎn)各種雅達(dá)利游戲，如打磚塊（Breakout）、太空侵略者（Space Invaders）等，而且證明神經(jīng)網(wǎng)絡(luò)的表現(xiàn)優(yōu)于人類。

這篇論文稱得上一篇工程杰作，可能也是 2014 年谷歌收購 DeepMind 的關(guān)鍵催化劑。這項(xiàng)技術(shù)的持續(xù)發(fā)展推動(dòng)了 DeepMind 在圍棋和《星際爭霸》游戲?qū)怪腥〉贸晒Α?/section>

但問題是，這項(xiàng)技術(shù)的適用范圍非常狹窄。以打磚塊游戲?yàn)槔?，輕微的改變（如將拍子往上移動(dòng)幾個(gè)像素）就會(huì)導(dǎo)致網(wǎng)絡(luò)性能大幅下降。DeepMind 的《星際爭霸》AI 也非常受限，只有在單一地圖上選擇某種角色才會(huì)達(dá)到超越人類的水平，但隨著地圖和角色數(shù)目的增加，該 AI 的性能也大幅降低。要轉(zhuǎn)換角色，你需要從頭訓(xùn)練整個(gè)系統(tǒng)。

從某些方面來說，深度強(qiáng)化學(xué)習(xí)是一種渦輪增壓式的記憶方式：使用該技術(shù)的系統(tǒng)能夠完成令人驚嘆的壯舉，但它們對(duì)自己在做什么知之甚少。因此，現(xiàn)有的系統(tǒng)缺乏靈活性，也就無法在現(xiàn)實(shí)世界發(fā)生變化時(shí)做出補(bǔ)充（DeepMind 提前 48 小時(shí)預(yù)測急性腎損傷的 AI 系統(tǒng)也受到了這種質(zhì)疑）。

深度強(qiáng)化學(xué)習(xí)還需要大量數(shù)據(jù)，如 AlphaGo 的訓(xùn)練需要完成數(shù)百萬次自我博弈，這一訓(xùn)練量遠(yuǎn)遠(yuǎn)大于人類成長為世界級(jí)棋手所需的訓(xùn)練量。這就需要谷歌級(jí)別的算力，也就意味著在現(xiàn)實(shí)世界中，多數(shù)用戶僅僅因?yàn)樗懔﹂_銷就會(huì)望而卻步。據(jù)估算，AlphaGo 的訓(xùn)練花費(fèi)了 3500 萬美元，這相當(dāng)于 12760 個(gè)人腦三天三夜不眠不休所消耗的能量。

但這還只是經(jīng)濟(jì)方面的考量。正如我和 Ernest Davis 在即將出版的新書《Rebooting AI》中所談到的，真正的問題在于可靠性。迄今為止，深度強(qiáng)化學(xué)習(xí)還只能在控制良好、很少出現(xiàn)意外的環(huán)境中進(jìn)行。圍棋就是一個(gè)完美的環(huán)境，其規(guī)則和棋盤兩千年來都未發(fā)生變化，但在現(xiàn)實(shí)世界的許多場景中，你不會(huì)想要依賴這項(xiàng)技術(shù)。

商業(yè)變現(xiàn)能力有限

出現(xiàn)上述問題的部分原因在于，只有極少數(shù)的現(xiàn)實(shí)世界問題像 DeepMind 所研究的游戲那樣受到各種限制，DeepMind 還未發(fā)現(xiàn)深度強(qiáng)化學(xué)習(xí)的任何大規(guī)模商業(yè)應(yīng)用場景。Alphabet 對(duì) DeepMind 的投資已經(jīng)達(dá)到了 20 億美元左右（包括 2014 年收購時(shí)所花費(fèi)的 6.5 億美元）。相比之下，DeepMind 創(chuàng)造的直接經(jīng)濟(jì)回報(bào)卻少得可憐，2018 年只有 1.25 億美元，其中包含利用強(qiáng)化學(xué)習(xí)幫助谷歌降低服務(wù)器冷卻開銷所縮減的費(fèi)用。

DeepMind 用來解決圍棋問題的那一套技術(shù)可能無法用來解決現(xiàn)實(shí)世界中需要用 AI 來解決的問題，如癌癥治療和清潔能源。對(duì)此，IBM 已經(jīng)在 Watson 項(xiàng)目中經(jīng)歷了慘痛的教訓(xùn)。Watson 在某些情況下表現(xiàn)良好，但在其他情況下并不好用，出現(xiàn)了心臟病漏診等問題，而一年級(jí)的醫(yī)學(xué)生都不會(huì)犯這種錯(cuò)誤。

當(dāng)然，這也許只是時(shí)間問題。DeepMind 至少從 2013 年就開始了深度強(qiáng)化學(xué)習(xí)的研究，也許他們需要更長時(shí)間，很少有科學(xué)進(jìn)展能夠在一夜之間實(shí)現(xiàn)商業(yè)化。DeepMind 或其他公司可能會(huì)通過結(jié)合其他技術(shù)開發(fā)出更深層次、更穩(wěn)定的深度強(qiáng)化學(xué)習(xí)系統(tǒng)，也可能不會(huì)。

深度強(qiáng)化學(xué)習(xí)最終可能會(huì)成為另一個(gè)「晶體管」，走出實(shí)驗(yàn)室并最終改變世界，也可能只是一種學(xué)術(shù)好奇心，John Maynard Smith 曾經(jīng)將這種好奇心描述為「尋找問題的解決方案」（solution in search of problem）。我個(gè)人猜測，深度強(qiáng)化學(xué)習(xí)會(huì)介于兩者之間，它會(huì)成為一種有用并被廣泛采用的工具，但不會(huì)改變世界。

沒有人可以將 DeepMind 排除在外，盡管其現(xiàn)有的戰(zhàn)略不像許多人期望的那樣豐富。深度強(qiáng)化學(xué)習(xí)可能并非是通向通用人工智能的坦途，但 DeepMind 自身是一個(gè)令人敬畏的公司，它組織嚴(yán)密、資金充足，擁有數(shù)百名博士。在圍棋、《星際爭霸》上取得的成功令其獲得了更多的曝光，越來越多的人才加入其中。如果 AI 的風(fēng)向發(fā)生變化，DeepMind 很可能會(huì)轉(zhuǎn)向另一個(gè)方向。顯然，DeepMind 是無可匹敵的。

對(duì)于期望過高的擔(dān)憂

最后一個(gè)問題是關(guān)于 DeepMind 的財(cái)務(wù)狀況會(huì)對(duì) AI 總體發(fā)展產(chǎn)生怎樣的影響，這個(gè)問題很難回答。如果炒作大于產(chǎn)出，就容易帶來另一個(gè)「AI 寒冬」，到時(shí)即便是支持者也不會(huì)愿意投資。投資界也會(huì)注意到這種巨額損失；如果 DeepMind 的損失每年翻一番，即使是 Alphabet 也會(huì)被逼退。這不只是錢的問題。目前為止還看不到切實(shí)的財(cái)務(wù)成果。在某個(gè)時(shí)候，投資者可能不得不重新調(diào)整他們對(duì)于 AI 的熱情。

迄今為止，通用人工智能還停留在炒作的層面，實(shí)現(xiàn)起來還很困難。盡管我們已經(jīng)在廣告、語音識(shí)別等幾個(gè)有限的領(lǐng)域取得了重大進(jìn)展，但 AI 無疑還有很長的路要走。對(duì)大數(shù)據(jù)集進(jìn)行合理分析所帶來的好處是不可否認(rèn)的，即使只是以有限的形式，AI 已經(jīng)成為一種有力的工具。業(yè)界對(duì) AI 的熱情可能沒那么高了，但他們也不會(huì)徹底退出。

我想給出以下預(yù)測：

十年后，我們將得出結(jié)論：深度強(qiáng)化學(xué)習(xí)在 2010 年代后期被高估了，其他許多重要領(lǐng)域則受到了忽視。我們?cè)趶?qiáng)化學(xué)習(xí)上每投入一美元，在其他領(lǐng)域就少投入一美元，比如可能產(chǎn)生有價(jià)值洞見的人類認(rèn)知科學(xué)。

機(jī)器學(xué)習(xí)領(lǐng)域的研究者現(xiàn)在經(jīng)常會(huì)問，「兒童學(xué)習(xí)語言、理解世界所需的能量和數(shù)據(jù)比現(xiàn)有的 AI 系統(tǒng)要少得多，他們是如何做到的？」如果花更多時(shí)間、金錢和精力去解決后面這個(gè)問題，我們也許能早點(diǎn)實(shí)現(xiàn)通用人工智能。

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊舉報(bào)。

免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版