Lecun一句话，更何况又要惹来这场舌战了。

他所言的这首诗并非其它，便是前段时间在圈里引发了新一波探讨风潮的《广度自学要居无定所了》。

没人尊重也没人抵制，但或者说让作气到割走的，却是Lecun在Facebook上的那条文章。

引致Gary Marcus生前间接在twitter上叫板：热烈欢迎你刊登看法，我聚花。

因此就在两个半小时前，他还贴出Lecun在2018年刊登的看法。

特别强调Lecun彼时指出这10个难题许多都是错的，在现阶段直言那些难题都还没有被解决。

不过现阶段Lecun还没有做出回应。

文章具体说了什么？

首先，我们来看一下Gary Marcus这首诗中，具体讲了哪些内容。

大体来看，全文可分为两个部分：

1. 当下的广度自学充满了炒作，实际上只有在粗略计算时的效果表现好；
2. 广度自学应该调整发展方向，和符号处理结合在一起。

作者开篇即提到了Hinton在2016年提出的论点：

现阶段来看，这一豪言的确没有实现。

实际上，AI在应用中遇到的滑铁卢并非少数：

比如代表着医疗AI的IBM Watson被拆分出售、GPT-3等语言模型三观不正、无人驾驶事故频发……

对此作者指出，广度自学在完成输出对精密度要求高的结果时，表现往往不够好，以上列举的3个场景就是最好的论证。

而且广度自学已经遇到了扩展限制（scaling limits），也就是再继续扩大模型所带来的的收益，已经不够明显。

相反，在图像识别这种只需要粗略结果的情况下，广度自学的效果是好的。

对此，作者提出了自己的看法：

符号处理，可以看做是计算机内部编码，比如用二进制位串来代表一些复杂的想法。

为什么得出这样的看法？在这里作者举了一个例子。

在Meta发起的这场NetHack挑战比赛上，AI以1:3的成绩败给了游戏系统。

作者指出，AI之所以会输掉比赛，主要是因为每场游戏都会重新生成新的地图，这意味着玩家不能通过死记硬背地图来取胜，而是要理解游戏中的各种标志，因此搞清楚它们之间的联系。

他还列举了麦卡锡、明斯基等行业先驱的看法，指出符号处理可以被用来构建精确的人工智能程序，用符号来表示独立实体和抽象思想。

不过纯符号系统在图像识别、语音识别任务上的表现不够好。

而这部分，便是神经网络所擅长的。

作者提到，谷歌搜索中的自动拼写纠错，便是神经网络和符号处理结合使用的最好案例。

实际上，在这方面的探索也从来没有停止过。

比如最负盛名的AI——AlphaGo，就是使用符号树搜索和神经网络混合的系统。

还有包括IBM、英特尔、谷歌等科技巨头，那些年也从未停止过在这一领域的积极探索。

网友：Lecun可能只是开玩笑

如此一篇万字长文，一经刊登就在网络上激起千层浪。

在不少学界大佬转发的另一面，也有不少人对Gary Marcus的看法存疑。

没人就提出，广度自学并不存在居无定所，而是正在经历一个阶段转型期。

也没人用漫画来生动地表达自己的看法。

另一边，支持Gary Marcuns的人则表示：

而在Gary Marcus向Lecun叫板的twitter下面，没人也劝他消消气。

最后，我们再来了解一下Gary Marcus。

他是Robust.AI的创始人，这是一家智能机器人公司，自称拥有世界上第一个工业级AI认知引擎。

他却是纽约大学名誉教授，在神经科学、遗传学、进化心理学、AI等领域刊登过大量文章，其文章许多刊登在Nature、Science上。

与此同时，他却是一位作家，作品包括《The Algebraic Mind》、《Kluge》、《The Birth of the Mind》等。

那么对于这篇长文，你怎么看呢？

热烈欢迎文章区分享看法~

参考链接：

— 完 —

物理位 QbitAI · 头条号签约

→CL自助下单平台←