AI科研的下一個(gè)里程碑和挑戰(zhàn)
其實(shí)從這篇論文中就能看出：目前AI的研究方式無(wú)非就是抽象、邏輯化環(huán)境和任務(wù)目標(biāo)，將這些東西教給代理，然后給它無(wú)數(shù)次機(jī)會(huì)和數(shù)據(jù)進(jìn)行訓(xùn)練，讓它在無(wú)數(shù)次嘗試中得到最好的目標(biāo)實(shí)現(xiàn)方法。而這些數(shù)據(jù)就是一堆堆的函數(shù)和概率。
雖然谷歌已經(jīng)開始著手為其定制預(yù)防措施，但不出意外的話，這些東西都不會(huì)是最后真正AI的形態(tài)。其實(shí)人們最初設(shè)想的AI，其外在的表現(xiàn)會(huì)和人一樣：它們剛誕生的時(shí)候可能也什么都不懂，但是它有一種像人類一樣的，能夠通用于世間萬(wàn)物的學(xué)習(xí)能力。很快就能學(xué)會(huì)它需要的所有東西，（最后超越人類）。
目前，研究一種通用的學(xué)習(xí)算法正是AI科研領(lǐng)域內(nèi)很多學(xué)者研究的重點(diǎn)。在最近的一次采訪中，深度學(xué)習(xí)大牛，ImageNet的創(chuàng)辦者李飛飛最近在a16z的podcast中也表示：“我的下一個(gè)夢(mèng)想就是希望能教會(huì)機(jī)器人應(yīng)該怎么去學(xué)習(xí)，而不是模仿訓(xùn)練數(shù)據(jù)。”
如果AI真的具有了一種通用的學(xué)習(xí)能力，那我們?cè)搨鬟_(dá)給它們的就不應(yīng)該是更多的規(guī)則，而是一種新型的，對(duì)人類和機(jī)器都會(huì)有利的價(jià)值觀了，那可能又會(huì)是一種全新的方法和思路。這也是DeepMind的早期投資人Jaan Tallinn曾預(yù)言過的下一個(gè)極有潛力的AI相關(guān)領(lǐng)域：AI的價(jià)值觀對(duì)接研究（value-alignment research）
不能輕視，但也無(wú)需恐懼。讓我們期待那一天的到來(lái)。
登陸|注冊(cè)歡迎登陸本站，認(rèn)識(shí)更多朋友，獲得更多精彩內(nèi)容推薦！