訂閱電子報∣ 友善列印字體大小 文章分享-Facebook 文章分享-Plurk 文章分享-Twitter
工業化人工智慧發展太樂觀,Meta AI首席科學家:目前AI研究無法比擬大腦思維
數位時代Dylan Yeh
獲取產業訊息零時差!立即訂閱電電公會電子報。

Meta首席人工智慧(AI)科學家Yann LeCun認為,機器人在未來有機會達到接近人類智慧的能力,但也暗指目前多數的人工智慧項目,仍無法達到實現人類智慧的水準。同時,LeCun希望目前人工智慧研究找都進一步思考,如何建立有效的訓練數據,來推動人工智慧的研究。

LeCun日前接受《ZDNet》訪談時表示,對於目前許多深度學習的研究路近持懷疑態度,包括大型語言模型也是,而目前的人工智慧尚無法創造人類大腦般的思考模式,僅是朝向研究者給予的目標來完成。他進一步強調,在將一切都標記化並訓練巨大模型後所做的離散預測,才能實現真正的人工智慧。

曾獲得圖靈獎的LeCun認為,目前多數目標導向的人工智慧項目並沒有錯,但就算強化學習也仍然有其缺陷和侷限性,而這些研究可能是未來人工智慧系統的一個組成部分,但缺乏必要的條件。LeCun的發言是對使用卷積神經網路的學者的驚人批評,因為目前卷積神經網路是深度學習程式中非常有效且實用運算模型。

例如DeepMind研究員David Silver透過人工智慧掌握國際象棋、將棋和圍棋的AlphaZero程式,其研究過程專注「以動作為基礎」的程式。LeCun卻認為人類所做的多數學習行為沒有透過實際採取行動完成,而是透過觀察來進行學習並且完成。

LeCun更強調不僅學術界,工業化人工智慧發展也需要重新思考。例如研究自動駕駛的Wayve等新創公司,一直有點過於樂觀,認為只要將數據扔到大型神經網路,人工智慧就幾乎能學到任何東西,所以目前單純以數據來訓練的模型,可能無法應對在自動駕駛過程中發生的突發狀況,也就是超出數據內容之外的狀況會讓人工智慧無法應對,但人腦面臨自動駕駛的時候,卻會透過學習經驗或直接來處理過去沒有經歷過的突發狀況。但LeCun也說,最終會有一套人工智慧模式能以理解世界運作的方式被開發出來。

資料來源:ZDNetMIT Technology Review

責任編輯:侯品如

訂閱電子報 友善列印 字體大小:
獲取產業訊息零時差!立即訂閱電電公會電子報。