从深度学习到通用人工智能

从深度学习到通用人工智能

各位听众朋友大家好，我是主播欧锋，现在为大家介绍美国科学家特伦斯谢诺夫斯基所著《深度学习智能时代的核心驱动力量》

马文·明斯基于2016年去世, 他坚信神经网络无法实现通用的人工智能。斯蒂芬·沃尔夫勒姆在一篇关于他与明斯基友谊的文章中关切地写道:“虽然我认为没有人能在当时就预见到, 但我们现在知道。马文早在1951年就已经在研究的神经网络, 在朝着他所希望的那种令人叹为观止的AI 能力发展的正确道路上前进。可惜这个过程太久了, 马文几乎没能看到它的实现。”

明斯基去世后不久, DeepMind 的研究人员艾历克斯·格雷夫斯(Alex Graves)和格雷格·韦恩(Greg Wayne)通过添加动态外部存储器, 实现了基于深度学习的通用人工智能的下一步。在活动模式深度循环神经网络中只能被暂时存储, 这就很难对推理和推断进行模拟。通过在网络中添加一个稳定的存储器, 可以像数字计算机内存一样灵活地写人和读取, 研究人员展示了一个训练好的强化学习网络,可以回答需要推理的问题。例如, 一个这样的网络对伦敦地铁路线做出了合理的规划, 另一个则回答了关于家谱中成员关系的问题。动态记忆网络也能够掌握20世纪60年代，对麻省理工学院人工智能实验室提出挑战的“积木世界”任务(Memory Networks)，这就带我们回到丁第2章开始的地方。


弗朗西斯·克里克于2004年去世, 此后不久, 莱斯利·奥格尔在2007年也去世了, 这标志看索尔克研究所一个时代的终结。现在这些科学巨人已经不在我们此边了, 而新一代的学者仍在向前迈进。我在索尔克研究所工作了30年, 相当于它一半的寿命。我们的大家庭组建于1960年, 所有的教职工都在同一条小船上。“索尔克号”很小, 小到每个人都认识对方。但即使在今天, 我们有了1000人的团队, 它仍然会带给我们一种家的感觉, 也证明了这个机构文化的持久性。我们是一个伟大的生物链(可以回溯到细菌出现之前)中的一员。现在我们已经到了理解大脑以及它们是如何发展的边缘, 这将会是一个奇迹, 能够永远改变我们对自己的看法。

20200223