1、 深度學(xué)習(xí)不是AI的未來(lái) 概要：深度學(xué)習(xí)并不是人工智能的同義詞!由于谷歌、Facebook等巨頭公司宣傳人工智能工具時(shí)主要談的就是深度學(xué)習(xí)，甚至只談深度學(xué)習(xí)，因此大眾誤以為所有的人工智能新的篇章都(將)由深度學(xué)習(xí)書(shū)寫(xiě)?，F(xiàn)在每一個(gè)人都正在學(xué)習(xí)，或者正打算學(xué)習(xí)深度學(xué)習(xí)，它是目前人工智能諸多流派中唯一興起的一個(gè)。各個(gè)年齡階段的數(shù)十萬(wàn)人都在學(xué)習(xí)著免費(fèi)和收費(fèi)的深度學(xué)習(xí)課程。太多的創(chuàng)業(yè)公司和產(chǎn)品的命名以“深度”開(kāi)頭，深度學(xué)習(xí)已然成了一個(gè)流行語(yǔ)，但其真正的落地應(yīng)用實(shí)際上卻很少。絕大多數(shù)人忽略了一個(gè)事實(shí)：深度學(xué)習(xí)只占機(jī)器學(xué)習(xí)領(lǐng)域的1%，而機(jī)器學(xué)習(xí)又只占人工智能領(lǐng)域的1%。而實(shí)際中的絕大多數(shù)任務(wù)則是用余下99%

2、的知識(shí)技術(shù)來(lái)處理的。一個(gè)“只會(huì)深度學(xué)習(xí)的專(zhuān)家”并不是“人工智能專(zhuān)家”。深度學(xué)習(xí)并不是人工智能的同義詞!由于谷歌、Facebook等巨頭公司宣傳人工智能工具時(shí)主要談的就是深度學(xué)習(xí)，甚至只談深度學(xué)習(xí)，因此大眾誤以為所有的人工智能新的篇章都(將)由深度學(xué)習(xí)書(shū)寫(xiě)。然而，真實(shí)情況并非如此。決策樹(shù)算法，比如 XGBoost沒(méi)有成為頭條，卻在很多Kaggle表格數(shù)據(jù)競(jìng)賽中默默地?fù)魯×松疃葘W(xué)習(xí)。媒體暗示AlphaGo的成功全部歸于深度學(xué)習(xí)，但實(shí)際上它是蒙特卡洛樹(shù)搜索+深度學(xué)習(xí)，這表明深度學(xué)習(xí)單槍匹馬很難取勝。很多強(qiáng)化學(xué)習(xí)的任務(wù)是通過(guò)神經(jīng)進(jìn)化的 NEAT 算法(通過(guò)增強(qiáng)拓?fù)涞倪M(jìn)化神經(jīng)網(wǎng)絡(luò))得到解決的，而不是反向

3、傳播算法。人工智能領(lǐng)域存在著“深度誤傳”。與100+國(guó)內(nèi)外技術(shù)專(zhuān)家探索2017前瞻熱點(diǎn)技術(shù)我并不是說(shuō)深度學(xué)習(xí)沒(méi)有解決問(wèn)題：它令人印象深刻。樹(shù)和其他算法并沒(méi)有完勝深度學(xué)習(xí)，并且在某些任務(wù)上深度學(xué)習(xí)無(wú)法被取代，但是我希望未來(lái)一些非深度學(xué)習(xí)系統(tǒng)可被(重新)發(fā)現(xiàn)以擊敗深度學(xué)習(xí)?；蛟S能解釋目前深度學(xué)習(xí)決策的黑箱問(wèn)題。同樣我也希望能讀到探討“災(zāi)難性遺忘”問(wèn)題的深度學(xué)習(xí)文章，它是指在學(xué)習(xí)新知識(shí)時(shí)快速遺忘先前已學(xué)習(xí)知識(shí)的傾向，并且需要每天對(duì)抗“過(guò)擬合”。關(guān)于“智能”：深度學(xué)習(xí)會(huì)簡(jiǎn)單相信所給的訓(xùn)練數(shù)據(jù)，而不去理解什么是真或假、現(xiàn)實(shí)或想象、公平或不公。人類(lèi)也會(huì)誤信假新聞，但只是在某種程度上，甚至孩童都知道電影是虛

4、構(gòu)的，不是真實(shí)的。想了解更多內(nèi)容可以閱讀這篇文章：人工智能(深度學(xué)習(xí))的簡(jiǎn)單解釋。20 年前，每個(gè)人都在學(xué)習(xí) HTML，這個(gè)手動(dòng)編寫(xiě)網(wǎng)頁(yè)的標(biāo)記語(yǔ)言當(dāng)時(shí)被認(rèn)為足以成就一個(gè)互聯(lián)網(wǎng)億萬(wàn)富翁。和其他人一樣，我學(xué)習(xí)了每一項(xiàng)看起來(lái)有用的技術(shù)，如 HTML、移動(dòng)app和深度學(xué)習(xí)，并且我希望大家在今后的人生都一直學(xué)習(xí)新事物。事實(shí)上，你一生中不能只學(xué)習(xí)一項(xiàng)技術(shù)。即使你學(xué)習(xí)了深度學(xué)習(xí)，你也不會(huì)一輩子了解人工智能。1995 年 HTML 開(kāi)始過(guò)時(shí)，無(wú)法滿(mǎn)足需求，取而代之的是 CSS、Java 和服務(wù)器語(yǔ)言。同樣地，深度學(xué)習(xí)有一天也會(huì)過(guò)時(shí)，并且無(wú)法滿(mǎn)足需求?，F(xiàn)在大多數(shù)流行的手機(jī) APP 根本用不到 HTML，那么誰(shuí)又

5、會(huì)知道未來(lái)的人工智能APP是否用得到深度學(xué)習(xí)呢?不過(guò)實(shí)際上，深度學(xué)習(xí)是 1980 年代的技術(shù)，比HTML還老：由于有了更多的訓(xùn)練數(shù)據(jù)，1970 年代的“帶有隱藏層的神經(jīng)網(wǎng)絡(luò)”得到了更好的結(jié)果，被重新命名為深度學(xué)習(xí)，之后被大肆炒作。1992年我簡(jiǎn)要地查看了一些神經(jīng)網(wǎng)絡(luò)的源代碼，以及分形算法和細(xì)胞自動(dòng)機(jī)。正如絕大多數(shù)人一樣，當(dāng)時(shí)我并沒(méi)有選擇深度學(xué)習(xí)，只是把它當(dāng)作毫無(wú)實(shí)際價(jià)值的學(xué)術(shù)數(shù)學(xué)難題。相反，我重點(diǎn)學(xué)習(xí)視頻游戲的 3D 技術(shù)、互聯(lián)網(wǎng)技術(shù)等等，因?yàn)樗鼈兛梢约纯太@得結(jié)果。但是我們都錯(cuò)了，深度學(xué)習(xí)借助大數(shù)據(jù)可以大有作為!2015 年的 Deep Dream 簡(jiǎn)直令我著迷，接著是GAN等等。不過(guò)，深度學(xué)

6、習(xí)并不是人類(lèi)可以創(chuàng)造的完美人工智能科技的終點(diǎn)。數(shù)十年來(lái)，“古老”的深度學(xué)習(xí)技術(shù)已被廣泛研究和更新以更準(zhǔn)確地解決更多任務(wù)，但是沒(méi)有一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)(卷積、RNN、RNN + LSTM、GAN 等)可以解釋其自身的決策。無(wú)疑深度學(xué)習(xí)在未來(lái)還會(huì)解決更多的問(wèn)題，取代更多的工作，但不太可能解決所有的問(wèn)題，或者保持驚人的進(jìn)步以對(duì)其所作決定的公正性進(jìn)行合理的解釋。深度學(xué)習(xí)無(wú)法理解哲學(xué)家柏拉圖與亞里士多德。未來(lái)人工智能應(yīng)探索其他的新方法，或者被忽視的舊方法，而不僅僅是深度學(xué)習(xí)。深度學(xué)習(xí)的一個(gè)局限是把數(shù)據(jù)中最常見(jiàn)的內(nèi)容作為真理，把統(tǒng)計(jì)學(xué)上較稀少、或與較常出現(xiàn)的內(nèi)容相反的東西看作謬論。深度學(xué)習(xí)的公正性并非來(lái)自

7、其自身，而是人類(lèi)篩選和準(zhǔn)備的深度學(xué)習(xí)數(shù)據(jù)。深度學(xué)習(xí)可以閱讀并翻譯文本，但不是以“人類(lèi)的方式”。如果使用超過(guò)100本書(shū)訓(xùn)練深度學(xué)習(xí)模型：40本書(shū)告訴它仇恨、戰(zhàn)爭(zhēng)、死亡和摧毀如何是壞的，60本書(shū)告訴它希特勒的納粹思想是好的，那么該模型最終會(huì)成為100%的納粹!如果在訓(xùn)練數(shù)據(jù)集中納粹主義是最流行的觀點(diǎn)，深度學(xué)習(xí)靠自己永遠(yuǎn)無(wú)法明白為什么殺害猶太人、同性戀以及殘疾人是錯(cuò)誤的。難怪深度學(xué)習(xí)無(wú)法解釋其自身決策，除了最簡(jiǎn)單的：“我(深度學(xué)習(xí))讀到最多的是納粹主義是正確的，因此它應(yīng)該是正確的”。深度學(xué)習(xí)將會(huì)學(xué)習(xí)并模仿最具缺陷的邏輯而不去思考它的缺陷，包括恐怖主義。甚至孩童都可以自己明白電影中哪個(gè)家伙是壞人，但是

8、深度學(xué)習(xí)做不到，除非人類(lèi)首先明確教導(dǎo)它。深度學(xué)習(xí)中有些東西很酷，比如帶有反向傳播的梯度下降，以及自定義的深度學(xué)習(xí)硬件，但這大多來(lái)自統(tǒng)計(jì)學(xué)和幾何學(xué)，很可能不會(huì)出現(xiàn)在 2037 年的人工智能時(shí)代。對(duì)很多任務(wù)來(lái)說(shuō)，深度學(xué)習(xí)人工智能正在或者將會(huì)變成違法的、不被社會(huì)所兼容的。*5月25日起，公司或個(gè)人在收集 28 個(gè)歐洲國(guó)家公民數(shù)據(jù)時(shí)應(yīng)遵循一般數(shù)據(jù)保護(hù)條例(GDPR)。屆時(shí)歐洲的一些APP將被禁止使用深度學(xué)習(xí)，這導(dǎo)致AI初創(chuàng)公司拼命尋找深度學(xué)習(xí)的替代方案，否則將面臨罰款的風(fēng)險(xiǎn)。罰款金額為全球營(yíng)收的4%，包括美國(guó)部分。關(guān)于自動(dòng)化決策的GDPR要求深度學(xué)習(xí)具有解釋其決策的能力，以及防止基于種族、觀點(diǎn)、健康等

9、歧視現(xiàn)象的發(fā)生。*類(lèi)似于GDPR的法律正在全球范圍內(nèi)制定，這只是時(shí)間問(wèn)題。美國(guó)公平信用報(bào)告法要求披露所有對(duì)消費(fèi)者信用評(píng)分產(chǎn)生不利影響的因素，最多只允許有4個(gè)。深度學(xué)習(xí)的因素可謂海量，而不僅僅是4個(gè)，如何將其簡(jiǎn)化為4個(gè)呢?人工智能，正如比特幣ICO，開(kāi)始忽視法規(guī)，但是法律與懲罰總會(huì)降臨。如果深度學(xué)習(xí)系統(tǒng)的工作是采取更多相關(guān)決策，而不是簡(jiǎn)單區(qū)分一張圖像是否是貓，或者在自拍的哪部分添加兔耳，它們將會(huì)被非深度學(xué)習(xí)系統(tǒng)取代。人工智能必須是負(fù)責(zé)任的，可以使用簡(jiǎn)單、合法有效的語(yǔ)言向法官和用戶(hù)解釋其輸出結(jié)果，這與深度學(xué)習(xí)大不相同。深度學(xué)習(xí)的復(fù)雜性，對(duì)法官和用戶(hù)來(lái)說(shuō)就像是“魔術(shù)”，這是一種法律風(fēng)險(xiǎn)，而不是一個(gè)很

10、酷的未來(lái)。深度學(xué)習(xí)將會(huì)建議或警示人類(lèi)，比如從醫(yī)療圖像中檢測(cè)疾病，并獲得醫(yī)生的驗(yàn)證，但這只是缺乏細(xì)節(jié)的部分自動(dòng)化。面對(duì)被人工智能拒絕、并尋求解釋的人們(例如工作、貸款被拒絕等)，我們能說(shuō)什么呢?法律包含“解釋權(quán)”，比如為什么工作或貸款被拒絕。深度學(xué)習(xí)給出的是非自然(合法)語(yǔ)言解釋的結(jié)果。深度學(xué)習(xí)的代碼容易獲得，卻不為法官或用戶(hù)所接受，因?yàn)榧词棺詈玫臄?shù)學(xué)家或其他算法也無(wú)法搞明白它，或者將模型簡(jiǎn)化成可以理解的語(yǔ)言。即使最后的決策是由人類(lèi)做出的，人工智能工具也應(yīng)給出詳細(xì)的理由，人們可以認(rèn)為它是錯(cuò)的(然后無(wú)視、推翻人工智能的決定)，或者通過(guò)簡(jiǎn)單的復(fù)制、粘貼并且簽署人工智能給出的解釋來(lái)快速接受。沒(méi)有人知道

11、如何修改深度學(xué)習(xí)以給出簡(jiǎn)單到人類(lèi)可理解的解釋?zhuān)虼松疃葘W(xué)習(xí)不可能做到完全與我們的要求相符!這一問(wèn)題同樣影響到了若干其他人工智能和機(jī)器學(xué)習(xí)算法，但不像深度學(xué)習(xí)受影響那么嚴(yán)重。比如，如果決策樹(shù)算法變成提升樹(shù)或集成樹(shù)，它也會(huì)變得不可解釋。但是未來(lái)，可能會(huì)出現(xiàn)或發(fā)現(xiàn)能為自己的決策辯護(hù)的新的人工智能，它們將會(huì)在常規(guī)決策中取代深度學(xué)習(xí)和人類(lèi)的位置。在GDPR規(guī)定的情況中，只有人類(lèi)職員可以拒絕申請(qǐng)：人工智能可自動(dòng)化完成積極的結(jié)果，否則，如果它拒絕了一項(xiàng)貸款、工作等，就應(yīng)該將這項(xiàng)任務(wù)交給人，讓人工來(lái)處理這些會(huì)讓用戶(hù)感到生氣或者要追究的消極結(jié)果。但是在拒絕的情況下，人類(lèi)將不會(huì)從基于深度學(xué)習(xí)的人工智能中獲得幫助或

12、解釋?zhuān)麄儾荒塬@知深度學(xué)習(xí)的邏輯是否正確。他們需要自己從頭檢查數(shù)據(jù)，以決定是否最終拒絕，并且要為這個(gè)決定寫(xiě)一份合理的解釋。此舉風(fēng)險(xiǎn)在于為了節(jié)約時(shí)間和成本，人類(lèi)員工會(huì)為人工智能的拒絕決定編造假的解釋?zhuān)⒚つ拷邮苋斯ぶ悄艿恼J(rèn)可。但是決定人工智能給出拒絕決策的公平性的法官會(huì)詢(xún)問(wèn)為什么別人的被接受了，并且進(jìn)行對(duì)比。安全起見(jiàn)，無(wú)論類(lèi)似GDPR的法規(guī)是如何規(guī)定的，對(duì)于接受和拒絕，你都要有充足的理由。非深度學(xué)習(xí)的人工智能系統(tǒng)將最終成為唯一被人類(lèi)所采用的系統(tǒng)，它們會(huì)把所有決策的解釋提供給用戶(hù)、法官和支持人員，不論是完全或部分自動(dòng)化的決策。在法律和深度學(xué)習(xí)之前，解釋性已經(jīng)是一個(gè)大問(wèn)題。在反壟斷案例中，谷歌等公司

13、被質(zhì)問(wèn)為什么是這個(gè)產(chǎn)品而不是其他產(chǎn)品出現(xiàn)在搜索結(jié)果的第一個(gè)。下面也是深度學(xué)習(xí)出現(xiàn)之前的事：很多其他的算法同樣以瘋狂的方式混合數(shù)據(jù)以得到結(jié)果，因此沒(méi)有哪個(gè)人可以輕易地重構(gòu)出決策原因。法官被告知：工程師并不了解詳情，以及被當(dāng)作證據(jù)的幾頁(yè)線(xiàn)性代數(shù)。這樣不會(huì)有好結(jié)果：甚至在特定的法律存在之前，多個(gè)案例承擔(dān)著數(shù)十億美元的罰款，收到要更變系統(tǒng)的警告。被自動(dòng)拒絕了工作、貸款、退款的用戶(hù)集體起訴商店、銀行或保險(xiǎn)公司的自動(dòng)決策單元，將會(huì)變成常態(tài)，所以無(wú)法解釋便意味著“無(wú)以辯護(hù)”、被罰款以及一場(chǎng)品牌公關(guān)災(zāi)難。對(duì)大部分人來(lái)說(shuō)，“人工智能”意味著科幻電影中能夠給出聰明解釋的人工智能，電影中人類(lèi)可以快速?zèng)Q定自己是否同意

14、，這樣易于進(jìn)行法律驗(yàn)證。大多數(shù)聽(tīng)到公司是“人工智能第一位”或“增加人工智能”的人，包括法官和撰寫(xiě)一般數(shù)據(jù)保護(hù)條例(GDPR)等法律的人，都會(huì)期待和電影中一樣的“人工智能”，即如果被法院傳召，它能夠捍衛(wèi)自己的決定，這令用戶(hù)和法官都印象深刻。然而我們得到的是無(wú)法解釋的“深度學(xué)習(xí)人工智能”，僅僅因?yàn)槠淙狈山忉屝?，這些人工智能即使在它們能夠解決的問(wèn)題上也不會(huì)經(jīng)常得到使用。深度學(xué)習(xí)無(wú)法節(jié)省成本，也不會(huì)取代那些需要敏銳的自動(dòng)決策的工作。即使在人類(lèi)必須作出最終決策的情況下，人工智能工具能夠解釋自己的建議，也比它不給出理由就做出回應(yīng)更加可取。可解釋的人工智能一旦被(重新)發(fā)現(xiàn)，將會(huì)更加安全、合法、廉價(jià)、快速

15、，并且取代深度學(xué)習(xí)和人類(lèi)。深度學(xué)習(xí)在 20 世紀(jì)60到80年代發(fā)明，而到2010年才重新被發(fā)現(xiàn)，或許未來(lái)可解釋的人工智能基礎(chǔ)也已經(jīng)被某些研究者描述出來(lái)，但是由于不是深度學(xué)習(xí)，所以可能在許多年內(nèi)都沒(méi)人關(guān)心和開(kāi)發(fā)該類(lèi)型的人工智能，直到它們被重新發(fā)現(xiàn)和炒熱。關(guān)于自動(dòng)決策的GDPR也需要防范基于種族、意見(jiàn)、健康狀況等產(chǎn)生的歧視。但是使用用戶(hù)生成的數(shù)據(jù)，如社交媒體和新聞(而不是真實(shí)的數(shù)據(jù)，例如醫(yī)療或財(cái)務(wù)記錄)訓(xùn)練的深度學(xué)習(xí)模型通常暗含邪惡的偏見(jiàn)。如前所述，深度學(xué)習(xí)可以讀取大量文本和數(shù)據(jù)，并模仿其內(nèi)容，但無(wú)法批判性地理解內(nèi)容。深度學(xué)習(xí)只相信它在數(shù)據(jù)中頻繁看到的事物、底層模式和趨勢(shì)，因此它會(huì)放大人類(lèi)社會(huì)的偏

16、見(jiàn)和問(wèn)題。如果數(shù)據(jù)顯示被逮捕的黑人比白人多，那么一旦有人犯罪，深度學(xué)習(xí)將首先懷疑黑人。數(shù)據(jù)顯示公司董事會(huì)董事中男性比例高于女性，深度學(xué)習(xí)將在招聘中更傾向于男性應(yīng)聘者。深度學(xué)習(xí)決策會(huì)比訓(xùn)練數(shù)據(jù)的平均樣本包含更深刻的偏見(jiàn)，如種族歧視、性別歧視。這個(gè)問(wèn)題在所有的機(jī)器學(xué)習(xí)算法中都會(huì)發(fā)生，但是深度學(xué)習(xí)模型是其中最難測(cè)試、檢測(cè)、控制和調(diào)整的。例如聊天機(jī)器人變得納粹化、充滿(mǎn)仇恨，或者美圖軟件中給黑人照片美白。這個(gè)問(wèn)題很難解決，與其試圖解決它，很多深度學(xué)習(xí)實(shí)驗(yàn)直接因?yàn)樗蝗蝗∠?。你無(wú)法通過(guò)在訓(xùn)練之后添加補(bǔ)丁，來(lái)修復(fù)一個(gè)帶有偏見(jiàn)、種族和性別歧視的深度學(xué)習(xí)模型。深度學(xué)習(xí)是一個(gè)神經(jīng)網(wǎng)絡(luò)，與其他人工智能方法不同，你

17、無(wú)法通過(guò)局部補(bǔ)救來(lái)修改某個(gè)答案，而是必須使用不同的、完全平衡以及公正的、稀有的真實(shí)世界數(shù)據(jù)對(duì)該網(wǎng)絡(luò)進(jìn)行重新訓(xùn)練。深度學(xué)習(xí)可以在不理解數(shù)據(jù)的情況下模仿數(shù)據(jù)中的內(nèi)容：它不會(huì)否定任何數(shù)據(jù)，不會(huì)發(fā)現(xiàn)社會(huì)上的偏見(jiàn)，而只是“學(xué)習(xí)數(shù)據(jù)”。你應(yīng)該雇傭一個(gè)人類(lèi)員工，專(zhuān)門(mén)創(chuàng)建來(lái)自理想社會(huì)的假的、公正的數(shù)據(jù)，在這里白人與黑人被逮捕的頻率相同，董事會(huì)中50%的董事都是女性，等等。但是，由人類(lèi)專(zhuān)家創(chuàng)建海量無(wú)偏見(jiàn)數(shù)據(jù)的成本如果僅是為了訓(xùn)練深度學(xué)習(xí)模型，用人工智能取代人類(lèi)的價(jià)值又在哪里呢!此外，即使你已經(jīng)訓(xùn)練出真正公正的深度學(xué)習(xí)模型，你也沒(méi)有證據(jù)可以向法官或用戶(hù)證明其決策的公正性，因?yàn)樗鼰o(wú)法提供解釋。深度學(xué)習(xí)用于沒(méi)有法律風(fēng)

18、險(xiǎn)的非商業(yè)應(yīng)用或者游戲，其重要性將會(huì)降低。當(dāng)可解釋的人工智能流行起來(lái)時(shí)，深度學(xué)習(xí)將會(huì)像磁帶或陰極電視一樣被拋棄。在游戲中輸給機(jī)器人的人類(lèi)不太可能說(shuō)服法官因?yàn)槿斯ぶ悄芄緹o(wú)法解釋人工智能是怎么贏的而對(duì)其罰款。不滿(mǎn)FaceApp把自己的自拍照修的更老、更年輕，或者換了性別的人也不太可能說(shuō)服法官因?yàn)镕aceApp無(wú)法解釋人工智能是如何決定新面孔的而對(duì)其罰款(除了一個(gè)“種族變化”濾鏡，遭到大規(guī)模抗議后被移除，完全不需要法官參與)。在醫(yī)療圖像中進(jìn)行疾病檢測(cè)是一項(xiàng)安全的深度學(xué)習(xí)應(yīng)用，前提是用戶(hù)在服藥之前先向人類(lèi)醫(yī)生尋求確認(rèn)。合法的深度學(xué)習(xí)市場(chǎng)非常有限：在決策結(jié)果造成財(cái)政、健康上的區(qū)別，或者存在歧視，而深度

19、學(xué)習(xí)無(wú)法幫助人們理解決策是否公正以及為什么公正的時(shí)候，法官都可以進(jìn)行處罰。那么自動(dòng)駕駛呢?似乎在藝術(shù)、游戲或高級(jí)幽默以外的領(lǐng)域使用深度學(xué)習(xí)都有法律風(fēng)險(xiǎn)。有需要時(shí)，現(xiàn)有的非深度學(xué)習(xí)方法可以取代深度學(xué)習(xí)，新方法也會(huì)被(重新)發(fā)現(xiàn)，因此人工智能的發(fā)展將會(huì)繼續(xù)順利進(jìn)行。尤其是如果每個(gè)人都將研究(并投資)人工智能和機(jī)器學(xué)習(xí)科學(xué)領(lǐng)域中的所有新舊算法，而不只是深度學(xué)習(xí)：這也是成為“人工智能全方位專(zhuān)家”的唯一路徑。深度學(xué)習(xí)除了正在“非法”用于很多可解任務(wù)以外，它也不能被用于解決以下一系列問(wèn)題：那些需要抽象推理來(lái)找出數(shù)據(jù)中哪些是公平，哪些是不公平的任務(wù)，以及那些需要解釋其自行作出的決定的任務(wù)。即使對(duì)于那些不需要

20、解釋的任務(wù)，例如圖像識(shí)別，深度學(xué)習(xí)看起來(lái)是最好的系統(tǒng)，但是也不如人類(lèi)自己的眼睛保險(xiǎn)。你可以輕而易舉地使用“對(duì)抗樣本”來(lái)讓深度學(xué)習(xí)系統(tǒng)出錯(cuò)：為一張貓的圖片加入一些不可見(jiàn)的噪點(diǎn)，機(jī)器就會(huì)把它誤認(rèn)為其他不相關(guān)的東西，比如一只狗。人類(lèi)看到這樣的圖片仍然看得出它是一只貓，而深度學(xué)習(xí)會(huì)將其理解成一只狗或者其它黑客秘密嵌入的東西。這一點(diǎn)可以用到路牌上，來(lái)黑掉目前的自動(dòng)駕駛汽車(chē)。新一代的人工智能系統(tǒng)必須克服這個(gè)問(wèn)題才能取代深度學(xué)習(xí)。著名深度學(xué)習(xí)庫(kù)Keras作者Franois Chollet曾在一篇名為深度學(xué)習(xí)的限制的文章中說(shuō)到：“深度學(xué)習(xí)唯一真正能成功做到的是使用連續(xù)幾何變換，在給定大量人為標(biāo)注數(shù)據(jù)的情況下將空間X映射到空間Y的能力?！边@些空間擁有多重維度，不僅僅是三維的，這就是深度學(xué)習(xí)可以模仿畢加索的作畫(huà)風(fēng)格、在德州撲克中“Bluff”，以及在其他任務(wù)中模仿人類(lèi)創(chuàng)造力的原因。但是對(duì)于外行人