奧推網

選單
科技

LeCun:機率論無法實現真正AI,我們要退回原點重新開始

詹士 Pine 發自 凹非寺

量子位 | 公眾號 QbitAI

馬庫斯又開炮了,直指LeCun最新一篇採訪。

「LeCun所說的一切,我之前幾乎逐字逐句都說過。」

「大部分內容就在2018年一篇論文中,而LeCun當時還嘲笑,大部分內容是錯誤的」。

同樣在Twitter上,馬庫斯也釋出數十條相關主題推文,還是針對LeCun的這篇內容,引發不少業內人關注。

目前,相關媒體ZDNet已注意到馬庫斯的聲音,並在原報道中刊出相關爭議——

但目前LeCun尚未迴應。

所以,這究竟是怎樣一篇採訪?LeCun又說了什麼?

往下看。

LeCun:AI現在的路走窄了

事情起因是9月24日商業技術媒體ZDNet對LeCun進行了採訪,主題關於他在6月發表的一篇探討AI未來的一篇論文。

該論文中,LeCun披露了自己在未來十年的研究方向:

自主機器智慧(Autonomous Machine Intelligence)

,更多細節之前有過介紹,請參考這篇文章。

此番採訪,LeCun介紹了更多資訊,更對此前專注的路線予以不小否定。

尤其在深度學習研究路徑問題上,他表達了懷疑態度。

目前GPT-3、Transformer擁護者們相信,只要將一切標記化,再訓練出巨大模型來做離散預測,AI就會以某種方式出現。但他認為,這還只是未來智慧系統的組成部分之一,但不是關鍵必要的部分——

而即便是強化學習,也無法解決上述問題,他解釋道,儘管它們是下棋好手,但仍只是專注於「動作」的程式。

LeCun還補充,很多人都聲稱要以某種方式推動AI進步,但這些想法誤導了我們,目前智慧機器的常識性甚至還不如一隻貓,這也許才是解決問題的原點。

由此,LeCun坦誠,自己已放棄用生成網路從這一幀預測影片下一幀的研究——

「這是一次徹底的失敗」他補充道。

LeCun總結了失敗的原因,機率理論基礎的模型限制了他自己。同時,他譴責了那些認為機率論迷信者。他們認為,機率論即解釋機器學習的唯一框架,但事實上,一個100%機率構建的世界模型雀食難以實現。

LeCun認為,目前所有AI都面臨的基本問題是——

如何測量「資訊」

目前這一底層問題他自己也沒能很好解決,不過,LeCun希望去

重新思考

並打了個比方:

「這好比我們要去月球,於是建了個梯子,但梯子無法到達那裡,我們需要退回來重新思考基本原理」。

不止分享學研觀點,LeCun提醒,產業界也需要重新思考目前AI技術面臨的問題。

尤其在自動駕駛領域,他認為相關公司一直都過於樂觀,從業者以為將資料扔進大型神經網路就能讓它學到一切。但事實上,我們可能會擁有一個沒有常識的L5自動駕駛系統,這將使相關功能變得十分脆弱,仍有很多極端狀況無法照顧到。

「終極解決方案是一個能更好理解世界運作方式的系統」,LeCun提出了自己的思路。

ZDNet還問了LeCun為何此時又出來發聲。

他解釋道,自己很早就在思考監督學習、強化學習的不足,Hinton也是,他感慨

「我們不再年輕,時間不多了」

值得一提的是,LeCun在採訪中直言不諱

聊了聊自己的批評者

,其中就包括紐約大學教授,加里・馬庫斯,LeCun評價道「從未對AI做任何貢獻」。

至於另一位常在社交網路開炮的人,LTSM之父、Dalle Molle人工智慧研究所聯合主任Jürgen Schmidhube,LeCun也小小諷刺了下「提想法容易,有貢獻才難」。

大概正是這些言論,為他招來了爭議。

馬庫斯又來了

不出意外,這篇採訪前腳剛發,後腳馬庫斯就來了。

不同於以往的爭辯,這次馬庫斯釋出篇幅超過6000個單詞的長文,直指LeCun

剽竊觀點

馬庫斯稱LeCun觀點自己很早之前就已經說過,並表示:

從來沒有人比LeCun在採訪中更嚴密地重複我的觀點了。

甚至從採訪中摘出原話,和自己曾經的觀點一一作出比對。

△對比節選(共7條)

一直以來,馬庫斯就對當前人工智慧的架構不抱期待,稱要實現通用人工智慧還需要引入其他的技術。

對馬庫斯關於AI的一些觀點,LeCun總是認為其在博取關注。此前,他就釋出一篇“如何在推特吸引AI圈眼球”的方法論,在其中,若有所指地羅列道:

一再指出深度學習的侷限性(其實這是每個人都知道的)。

根據某人新言論,聲稱他們改變自己的想法,同意自己N(N=5/10/15/20)年前說的;

利用觀點模糊性,宣稱某人觀點出自自己早年言論,指控對方剽竊;

堅持發推/寫小作文;

如前文提及,LeCun也在此次採訪更是專門點名馬庫斯,「他是一位心理學家,根本不懂AI」。

不出意外,馬庫斯做了迴應。

他引用了LeCun的諷刺原文迴應稱,ZDNet已經在報道中補充了他的部落格,希望LeCun也能作出相應的解釋。

值得一提的是,關於LeCun採訪中提及的那篇論文,LSTM之父Jürgen Schmidhube也表達過不滿,稱其沒有正確引用自己實驗室1990-2015年的成果。

參考連結:

[1]https://www。zdnet。com/article/metas-ai-guru-lecun-most-of-todays-ai-approaches-will-never-lead-to-true-intelligence/

[2]https://garymarcus。substack。com/p/how-new-are-yann-lecuns-new-ideas?sd=pf&s=09

— 完 —

量子位 QbitAI · 頭條號簽約