編譯 | rik r
作者 | yohan john
** | quora
想要理解 ai 欠缺什麼，最好的辦法是描述乙個需要將各種人類習以為常的認知能力結合在一起的場景。當代的人工智慧和機器學習方法可以處理需要單一能力的問題（當然，處理效果各不相同），但整合這些能力卻仍然是乙個遙不可及的目標。
想象一下你和你的朋友剛買了乙個複雜的新棋類遊戲，有一塊精緻的板子和各種各樣的棋子、卡片以及複雜的規則。還沒有人知道怎麼玩它，所以你們拿出說明書。讀完之後你們開始玩起來。有些人可能會犯一些錯誤，但幾輪下來，每個人都學會了遊戲規則，至少可以嘗試贏得比賽。在學習這個遊戲的過程中發生了什麼？
1. 語言解析：讀遊戲規則的玩家必須將符號轉換成口語。聽遊戲規則的玩家必須分析口語。
2. 模式識別：玩家必須把所朗讀的單詞和遊戲中的物體連線起來。「十二面骰子」和「紅方士兵」必須基於語言線索被識別出來。如果該說明書有插圖，那麼它們必須與現實中的物體相匹配。在遊戲中，玩家必須識別出旗子和卡片的錯綜組合，以及事件發生的關鍵序列。優秀的玩家還會學習去識別其他玩家的遊戲模式，從而有效建立起有關他人心理狀態的模型。
3. 運動控制：玩家必須能夠將棋子和卡片移動到棋盤上的正確位置。
4. 規則遵守與規則推斷：玩家必須理解規則並檢查規則是否得到了正確的應用。在掌握了基本的規則之後，優秀的玩家還應該能夠發現更高階別的規則或有助於他們取得勝利的傾向。這種推論能力與塑造他人思維模型的能力密切相關。（這在心理學中被稱為心智理論，theory of mind）。
5. 社交禮儀：玩家之間是朋友夥伴的關係，即使有些玩家犯了錯誤或擾亂了遊戲程序，也應當友好相處。（當然，我們知道這並不總會發生。）
6. 處理干擾：如果門鈴響了，外賣到了，玩家們必須能夠從比賽中抽身，與送貨人打交道，然後再投入到比賽中，回憶起遊戲的進展，譬如輪到誰了。
在所有這些子問題中，ai 至少取得了一些進展。但目前這一輪人工智慧/機器學習領域的爆發主要還是模式識別技術進步的成果。
在當前的某些特定領域，人工智慧的模式識別水平已經優於人類。但也有各種各樣識別失敗的情況發生。人工智慧方法識別物體和序列的能力還不如人類模式識別那樣魯棒。
人類有能力創造出各類不變性表示。例如，即使視角不同、存在遮擋物、光照條件變幻莫測，人類仍然能夠識別出特定的視覺模式（譯者注：比如可以在黑暗裡憑藉眼睛認出乙隻貓，看到被建築物遮擋到只剩乙個尾燈的車，仍然能自動識別出車在建築物後的位置）。我們的聽覺模式識別技能或許更加出彩，能夠在噪音干擾以及速度、音高、音色和節奏的起伏中識別出樂句。
毫無疑問，人工智慧將在這一領域取得穩步進展，但我們不知道隨著單個領域識別能力的不斷進步，將已習得的表示在新環境中泛化（generalize）的能力是否也會隨之提高。
現有的人工智慧遊戲玩家都無法解析這樣一句話：「這個遊戲就像太空版的《卡坦島》（this game is like settlers of catan, but in space）」。語言解析可能是人工智慧最為棘手的部分。人類可以使用語言獲取新資訊和新技能，部分原因是我們擁有關於世界的豐富的背景知識。此外，我們可以利用上下文來十分靈活地運用這些背景知識，因此我們可以辨別出內容之間相關與否。
對舊知識的泛化和重用隸屬於乙個更為廣泛的能力：多技能整合。可能我們目前的方法還達不到生物智慧型那樣輕易實現大規模能力整合。
乙個常見的能力整合方面的挑戰是符號接地問題（symbol grounding problem）。即符號系統（例如數學符號或語言中的詞）如何與感知現象——視覺、聲音、紋理等相連線。
粗略地說，人工智慧方法分為兩類：符號化（symbolic）和亞符號化（sub-symbolic）。符號化方法被用於「經典的」或「傳統的」人工智慧。它們非常適用於基於規則的確定性場景，比如下棋（但通常我們必須預先編碼好規則）。如果人類提前做了符號接地（symbol-grounding），符號處理過程就會很輕鬆。如果讓人工智慧直接處理「原始」輸入資訊，比如光、聲音、紋理和壓力這些資料，效果就沒那麼好了。
在另乙個極端，我們有亞符號方法，如神經網路（深度學習網路是其中的一種）。這些方法接收原始輸入資訊的數位化版本——畫素、聲音檔案等作為輸入。亞符號方法適用於許多形式的模式識別和分類問題，但是我們仍然沒有可以從類別標籤轉換到基於規則進行操縱的符號系統的可靠方法。
所以綜上所述，想要了解人工智慧問題的範疇，首先要了解智力本身——它遠比模式識別複雜得多。我們需要能夠建立起模式與符號表示系統之間的雙向連線，使語言的和基於規則的思維能夠整合在乙個具身**中，與現實世界進行實時的互動。
人工智慧是什麼？
60年來，人工智慧經歷了從爆發到寒冬，再到野蠻生長的歷程。網際網路預言家 凱文 凱利提出，人工智慧將是未來20年最重要的科技。連00後都在了解人工智慧。60後呢？70後呢？80後呢？90後呢？為什麼人工智慧現在這麼火呢？在大資料時代，你 來 過，就一定會留下痕跡。知人知面更要知心，人工智慧更了解你的...
人工智慧是什麼，機器學習就是人工智慧嗎？
人工智慧是電腦科學的乙個分支，目的是開發一種擁有智慧型行為的機器，史丹福大學對機器學習的定義是 在沒有明確程式設計指令的情況下讓計算機採取行動的科學。想要開發智慧型機器，就需要借助人工智慧研究人員的幫助。但要讓其具備真正的智慧型，就需要聘請機器學習專家。2.大資料攜手人工智慧，高校人才培養面臨新挑戰...
人工智慧真正的意義是什麼？
人工智慧真正的意義是什麼？現在很多人工智慧的裝置出現在我們身邊，別的不說，單單是智慧型手機就能夠給我們帶來很多的便利，可謂是機不離手。但是有的人對於人工智慧還是比較擔憂的，擔憂人工智慧持續發展早晚有一天會取代我們人類，讓我們成為人工智慧的奴役。但是現在人工智慧的研究依然是如火如荼地進行，那麼人工智慧...