谷歌，F(xiàn)acebook和微軟等公司已經(jīng)投入到深度學(xué)習(xí)中。初創(chuàng)企業(yè)追求從癌癥治療到后臺自動化的所有事情，都在鼓吹他們的深度學(xué)習(xí)技能。該技術(shù)的感知和模式匹配能力正在應(yīng)用于改善藥物發(fā)現(xiàn)和自動駕駛汽車等領(lǐng)域的進展。

但現(xiàn)在，一些科學(xué)家開始質(zhì)疑，深度學(xué)習(xí)到底是不是真的那么有深度。

在最近的一些對話，在線評論和冗長的散文中，越來越多的AI專家們警告說，對深度學(xué)習(xí)的迷戀現(xiàn)在可能會導(dǎo)致目光短淺和過度投資，并在以后出現(xiàn)破滅。

“那里沒有真正的智能。”加州大學(xué)伯克利分校的教授邁克爾·喬丹(myopia)說，他是四月份發(fā)表的一篇文章的作者，旨在調(diào)節(jié)圍繞AI的崇高期望。 “我認(rèn)為，過于相信這些蠻力算法是一種錯誤信仰。”

一些專家警告說，危險是AI將遇到技術(shù)壁壘并最終面臨普遍的反彈，這是20世界50年代人們熟知的人工智能模式。研究人員說，尤其是深度學(xué)習(xí)，這種擔(dān)憂正在被技術(shù)的局限所推動。

深度學(xué)習(xí)算法訓(xùn)練一批相關(guān)數(shù)據(jù)(如人臉圖片)，然后提供越來越多的數(shù)據(jù)，從而不斷提高軟件的模式匹配精度。雖然這項技術(shù)已經(jīng)取得了成功，但結(jié)果主要局限于可以獲得大量數(shù)據(jù)集并且任務(wù)已經(jīng)很好定義的領(lǐng)域，如標(biāo)記圖像或?qū)⒄Z言翻譯為文本。

技術(shù)在更加開放的智能領(lǐng)域 —— 即意義、推理和常識知識 —— 中掙扎。雖然深度學(xué)習(xí)軟件可以立即識別數(shù)百萬字，但它對“正義”，“民主”或“插手”等概念不了解。

研究人員已經(jīng)表明，深度學(xué)習(xí)很容易被愚弄。比如對于相對像素較低的情況下，該技術(shù)可能會誤認(rèn)為烏龜是步槍或停車標(biāo)志。

在今年年初發(fā)表在科學(xué)論文網(wǎng)站arXiv.org上的一篇廣泛閱讀的文章中，紐約大學(xué)教授加里·馬庫斯提出了這樣一個問題：“深度學(xué)習(xí)是否正在靠近一堵墻?”他寫道：“在通常情況下，深度學(xué)習(xí)提取的模式比最初出現(xiàn)的模式更膚淺。”

艾倫人工智能研究所首席執(zhí)行官奧倫·伊佐尼說，如果深度學(xué)習(xí)的范圍有限，那么現(xiàn)在可能會投入了太多金錢和精明的頭腦。 “我們冒著失去其他重要概念和途徑的風(fēng)險在推進AI。”他說。

在辯論中，一些研究小組，初創(chuàng)公司和計算機科學(xué)家對人工智能方法表現(xiàn)出更多的興趣，這些方法解決了一些深度學(xué)習(xí)的弱點。首先，西雅圖的非營利實驗室艾倫研究所在2月份宣布，它將在未來三年投資1.25億美元，主要用于教機器產(chǎn)生常識知識的研究——- 一項名為亞歷山大項目(Project Alexandria)的舉措。

雖然這一方案和其他努力各不相同，但他們的共同目標(biāo)是比深度學(xué)習(xí)更廣泛和更靈活的智能。而且他們的數(shù)據(jù)通常要少得多。他們在構(gòu)成中經(jīng)常使用深度學(xué)習(xí)作為其中一種成分。

華盛頓大學(xué)艾倫研究所的研究員和計算機科學(xué)家Yejin Choi說：“我們不是反深度學(xué)習(xí)。” “我們試圖拔高AI的視線，而不是批評工具。”

那些其他非深度學(xué)習(xí)工具通常是以新方式采用的舊技術(shù)。在硅谷的初創(chuàng)公司Kyndi，計算機科學(xué)家正在編寫Prolog代碼，這是一種可以追溯到20世紀(jì)70年代的編程語言。它是為AI的推理和知識表達方面而設(shè)計的，它處理事實和概念，并嘗試完成并不總是明確定義的任務(wù)。深度學(xué)習(xí)來自AI的統(tǒng)計學(xué)方面，稱為機器學(xué)習(xí)。

本杰明·格羅索夫，AI三十年的研究員，5月加入Kyndi擔(dān)任首席科學(xué)家。格羅索夫說，他對Kyndi的“將AI兩個分支聯(lián)合起來的新方法”印象深刻。

初創(chuàng)公司首席執(zhí)行官Ryan Welsh表示，Kyndi已經(jīng)能夠使用非常少的培訓(xùn)數(shù)據(jù)來自動生成事實、概念和推論。

他說，Kyndi系統(tǒng)可以訓(xùn)練10到30個10-50頁的科學(xué)文件。 Kyndi的軟件一經(jīng)培訓(xùn)就可以識別概念，而不僅僅是文字。

在為三家大型政府機構(gòu)工作時(拒絕透露名字)，Kyndi一直在要求其系統(tǒng)回答這個典型問題：技術(shù)是否已在“實驗室環(huán)境中展示”?威爾士說，Kyndi計劃可以準(zhǔn)確推斷出答案，即使該短語沒有出現(xiàn)在文件中。

而且Kyndi的閱讀和評分軟件很快。威爾士說，人類分析師平均需要花費兩個小時才能閱讀一篇冗長的科學(xué)文獻，并在一年內(nèi)可能閱讀1,000篇。他表示，Kyndi的技術(shù)可以在七個小時內(nèi)讀取這1,000個文件。

Kyndi作為一個不知疲倦的數(shù)字助理，識別需要人類判斷的文件和段落。 “目標(biāo)是提高人類分析師的生產(chǎn)力。”威爾士說。

Kyndi和其他人都認(rèn)為，在AI中面臨一些更為艱巨挑戰(zhàn)，終于是的時候了。這反映了深度學(xué)習(xí)的軌跡，在最近爆發(fā)的數(shù)字?jǐn)?shù)據(jù)爆炸之前幾十年沒有取得什么進展，而且越來越快的計算機推動了其性能的飛躍，即所謂神經(jīng)網(wǎng)絡(luò)。這些網(wǎng)絡(luò)是松散地類似于生物神經(jīng)元的數(shù)字層。 “深度”是指很多層。

超深度學(xué)習(xí)營還有其他充滿希望的跡象。 Vicarious是一家初創(chuàng)的開發(fā)機器人，可以像人類一樣迅速地從任務(wù)轉(zhuǎn)向任務(wù)，去年秋天在《科學(xué)》雜志上發(fā)表了有前景的研究成果。 AI技術(shù)從相對較少的例子中學(xué)習(xí)，以模仿人類視覺智能，使用的數(shù)據(jù)比深度學(xué)習(xí)模型的效率高300倍。該系統(tǒng)還突破了驗證碼的防御功能，即在網(wǎng)站上進行扭曲的字母識別測試，以阻止軟件入侵者。

代理人，其投資者包括埃隆·倫馬斯克，杰夫·貝佐斯和馬克扎克伯格，是在A.I.中企業(yè)家追求新路徑的突出例子。

“深度學(xué)習(xí)讓我們得以一瞥所承諾的沃土，但我們需要投資于其他方法。”人工智能專家、總部位于加州聯(lián)合城的Vicarious聯(lián)合創(chuàng)始人Dileep George說。

五角大樓的研究機構(gòu)國防高級研究計劃局提出了一項計劃，旨在開展大學(xué)研究，并提供一個非商業(yè)網(wǎng)絡(luò)，用于分享技術(shù)思想，以模擬人類常識推理，而缺乏深度學(xué)習(xí)。 如果獲得批準(zhǔn)，該計劃即Machine Common Sense將于今年秋季開始，最有可能運行五年，總資金約為6000萬美元。

“這是一個高風(fēng)險的項目，問題比任何一家公司或研究組都要大。”管理達帕個人助理計劃的大衛(wèi)·蓋寧說，該計劃十年前結(jié)束，并生產(chǎn)出后來成為蘋果Siri的技術(shù)。