27 人工智能深度学习的黑暗时代已来临？人工智能在仓储情景中的应用.docxVIP

【人工智能】深度学习的黑暗时代已来临？人工智能在仓储情景中的使用 AI科技大本营 2020-04-27 原文 译者 | 刘畅 责编 | 琥珀 出品 | AI科技大本营（ID:rgznai100） 【导语】热火朝天的人工智能技术，在很多领域都有令人印象深刻的成效，但照旧掩盖不了缺乏真正人脑认识的现实。因此，争辩人员决心找到缺失的东西。 你需要晓得的是，深度学习已经在无人驾驶汽车、语音识别和其他众多方面产生了革命性的影响。 一张图片中，有一根大而成熟的亮黄色香蕉，人工智能（AI）还是会将其识别为烤面包机，虽然它使用了强大的深度学习技术。看起来就像是将一个小小的数字化日光贴纸贴在图像的某个角落。这个结果显示：即便训练数千张香蕉、毛虫、蜗牛和类似物体的照片，这个先进的AI系统也简约混淆。 这个深度学习争辩人员称之为“对抗攻击”的例子，是由加州山景城的谷歌大脑（Google Brian）团队发觉。它说明白AI在接近人类力量之前还需要走多远。“我最后认为对抗性的例子只是一种苦恼，”多伦多高校的计算机科学家Geoffrey Hinton说道，他是深度学习的先驱之一。“但我现在认为它们可能格外浅显。它会告知我们，我们做错了什么。” 在AI从业者中广泛存在的一种情况是，任何人都可以轻易地列举一长串深度学习的弊端。例如，除了易受哄骗之外，还存在严峻的低效率问题。Hinton说“让一个孩子学会生疏一头母牛，并不需要他们的母亲说一万次牛”，而这却是深度学习系统中经常需要的数字。人类通常仅从一两个例子中就可以学会新概念。 然后是不透亮?????问题。一旦训练好了一个深度学习系统，就无法确定它是如何做出打算的。“在很多情况下，即便AI得到了正确的答案，但也是不行接受的。”David Cox说，他是麻省理工学院与IBM联合试验室的计算神经科学家。他举了一个例子，假设一家银行使用人工智能来评估你的信誉，然后拒绝给你一笔贷款：“在很多州，有法律规定你必需解释缘由”。 或许最重要的是，AI缺乏常识。深度学习系统可能是识别像素间的某种模式，但是他们无法理解模式的含义，更不用说理解它们产生的缘由。DeepMind的AI争辩员Greg Wayne说道，“我不清楚当前的系统能否能够晓得沙发和椅子是用于坐着的。”? 越来越多弱点的凸显，正在惹起宽敞公众对人工智能技术的关注，特殊是无人驾驶汽车，它们使用类似的深度学习技术进行导航，但也形成了广为人知的灾难和死亡事故。“人们已经开头说，‘或许人工智能存在问题’，”纽约高校的认知科学家加里·马库斯认为，他是深度学习里最直抒己见的怀疑论者之一。直到过去一年左右，他说，“过去有一种感觉是深度学习像拥有魔法。现在人们认识到它并不会魔法。” 虽然如此，但无可否认的一点是，深度学习仍旧是一个格外强大的工具。这使得部署使用程序（例如面部和语音识别）变得非经常见，而这些使用程序在十年前几乎不行能完成。“所以我很难想象深度学习会在这点消逝，”麻省理工的考克斯说。“更有可能我们会去修改它，或者丰富它。” 大脑战役 今日深度学习革命的根源在于20世纪80年月的“大脑战役”（brain wars），当时有两种不同的人工智能方法的提倡者争议性很大。 一派是现在称为“老式的AI”（good old-fashioned AI）的方法，自20世纪50年月以来一直占据主导地位。也可称之为符号AI，它使用数学符号来表示对象和对象之间的关系。再加上由人类建立的丰富的学问库，这些系统被证明在推理和得出关于诸如医学等领域的结论方面格外擅长。但是到了20世纪80年月，人们也越来越清楚地生疏到，符号性的人工智能方法在处理现实生活中符号、概念和推理等方面时，表现得格外蹩脚。 为了应对这些缺点，另一派的争辩人员开头提倡人工神经网络，或称联接主义人工智能（connectionist AI），这是当今深度学习系统的前身。 这类想法是在任何的系统中，通过模仿节点网络来处理信号，这些节点就像是人脑中神经元的类似物。信号沿着连接或链路从节点传递到节点：类似于神经元之间的突触连接。像在真实大脑中一样，问题就转换为学习调整放大或抑制每个连接所携带信号的“权重”。 在实践中，大多数网络将节点陈列为一系列层，而这些层大致类似于皮层中不同的处理中心。因此，特地用于图像的网络将具有一层输入节点，其响应于各个像素，其方式与杆状细胞和椎体细胞相应射入视网膜的光的方式一样。一旦激活，这些节点通过加权连接将其激活传播到下一级别的其他节点，这些节点组合输入信号并依次激活（或不激活）。这个一直持续到信号到达节点的输出层，其中激活模式供应一个断言。例如，输入图像是数字“9”。假如答案是错误的，那就说输入图像是一个“0”。而“反向传播”算法就是沿着层反向运转，调整权重以便下次获得更好的结果。 到20世纪