人工智能的決策網(wǎng)絡(luò)第一層被設(shè)計用于在數(shù)據(jù)中識別一些最基本的模式，比如圖像中某個物體的邊界。隨后這一結(jié)果被輸入到第二層決策網(wǎng)絡(luò)，后者將繼續(xù)搜尋更為復(fù)雜的模式，如方形或者圓形。這一過程不斷遞進迭代，每一層決策網(wǎng)絡(luò)都能夠識別比上一層更加復(fù)雜的模式，于是隨著時間推移，人工智能的模式識別能力不斷提升，比如它能夠借助低層次決策網(wǎng)絡(luò)得到的機構(gòu)外觀信息最終準確地鑒別出一些物體，如一輛汽車或是一輛自行車。
威特森表示：“借助深度學(xué)習(xí)技術(shù)，你能夠?qū)⒑Ａ繑?shù)據(jù)輸入一個大型神經(jīng)網(wǎng)絡(luò)，然后它自己就能完成從頭到尾的自我訓(xùn)練。”
巨大的回報
這一技術(shù)的發(fā)展已經(jīng)產(chǎn)生了一些擁有超人般能力的人工智能。賽爾曼表示深度學(xué)習(xí)系統(tǒng)已經(jīng)被證明能夠在醫(yī)學(xué)核磁共振影像判讀方面超越人類專家。另外還有一種技術(shù)被稱為“增強學(xué)習(xí)”(reinforcement learning)，該技術(shù)主要原理是機器通過獎勵信號來不斷修正自己的最優(yōu)策略并不斷進步的技術(shù)方法。加拿大人工智能初創(chuàng)公司“Maluuba”的首席技術(shù)官兼聯(lián)合創(chuàng)始人卡希爾蘇勒曼(Kaheer Suleman)表示，當(dāng)將深度學(xué)習(xí)與增強學(xué)習(xí)兩者相結(jié)合，機器還能夠進行精確的虛擬仿真。谷歌公司的人工智能系統(tǒng)“阿爾法狗”正是通過自己與自己對弈超過數(shù)百萬局，并不斷總結(jié)這些對弈中學(xué)習(xí)到的方法，提升自己的技術(shù)與策略，從而迅速成為水平甚至能夠擊敗人類最頂尖大師的圍棋專家。
蘇勒曼表示：“人工智能面臨的重大挑戰(zhàn)還在于那些缺乏大規(guī)模標記數(shù)據(jù)集的領(lǐng)域，或者難以對相關(guān)環(huán)境進行較好模擬的領(lǐng)域。”他說：“語言就是這種領(lǐng)域的一個很好例子?；ヂ?lián)網(wǎng)上包含有無窮無盡的網(wǎng)頁，但上面全都是文字，沒有一個地方找得到以機器能夠理解的形式所書寫的關(guān)于這些文字‘意思’的內(nèi)容。”
“Maluuba”公司目前正致力于開發(fā)一種算法，其能夠閱讀文字并回答關(guān)于這段文字的問題，但蘇勒曼表示語言的一些特點讓這項工作變得尤其困難。僅舉一例，語言的復(fù)雜性難以想象某一段文字可以有不同深度上不同的意思，其中的每一個字、每一個詞和每一句句子都有著各自的含義。這些不同的含義可以相互組成成近乎無限多的組合，而且不同的人使用語言的方式和風(fēng)格又不一樣。
除此之外，所有的語言都是抽象的：文字只是真實世界中事物的抽象標記，而所有這些真實世界中的事物對于機器來說都是它從未經(jīng)歷過的。威特森表示：“從機器學(xué)習(xí)的角度來看，學(xué)習(xí)完成后的機器水平也不過是和你輸入其中的數(shù)據(jù)量所能提供的信息相當(dāng)。”
由于缺乏對真實世界的體驗數(shù)據(jù)以及人類社會已經(jīng)積累起來的數(shù)量巨大的社會互動經(jīng)驗，很容易理解為為何微軟公司的聊天機器人Tay無法很好地理解什么是“Holocaust”(大屠殺)，以及為何否認它是一種不合適的行為。
未來發(fā)展
但盡管面臨這樣或是那樣的挑戰(zhàn)，Maluuba公司在上個月在論文預(yù)印本網(wǎng)站arXiv上貼出一篇論文，描述了該公司目前開發(fā)出的一款智能系統(tǒng)已經(jīng)能夠以大約70%的正確率閱讀一篇它不熟悉的文章，并回答關(guān)于這段文章的多選題。這樣的準確率水平已經(jīng)超出同類其他系統(tǒng)最高水平15%以上。Maluuba公司研究人員所采用的技術(shù)方法結(jié)合了深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過這兩者之間的相互作用輸出非常初級的推理結(jié)果。這家公司目前同樣還致力于機器語音對話系統(tǒng)的開發(fā)，其設(shè)計目標是能夠非常自然流暢地介入與人類之間的正常對話。
賽爾曼表示，未來在一些主題內(nèi)容較為有限的領(lǐng)域，側(cè)重語言能力的人工智能將擁有極大的應(yīng)用前景。比如說一些技術(shù)支持熱線在未來可能就將逐漸由人工智能代替，另外一些常規(guī)性的管理崗位，其職責(zé)主要就是升級一些表格并發(fā)送一些格式化的郵件，那么這樣的工作就很可能可以由人工智能代替，并且它們或許可以做的更好。
賽爾曼說：“而在一些不受控制的，非常開放環(huán)境下的設(shè)置中，履行任務(wù)將需要借助人類智力的多種維度，并且需要你真正理解他人。在這樣的領(lǐng)域，人工智能就會出現(xiàn)非常明顯的局限性。”