学不会“常识”：人工智能的致命短板？

Posted 2021-04-26 经济学人

机器学习训练的软件模型结构大致基于人脑的神经结构，但其“智慧”并不是大多数人所理解的那种。它们是强大的模式识别工具，但没有对生物大脑而言理所当然的诸多认知能力。它们难以做出推理、归纳自己发现的规则，也难以获得通用的应变能力——对于这种能力，研究人员找不到更精确的称法，而叫它“常识”。其结果就是一个人工弱智专才，在清晰界定的任务上表现杰出，但如果遇到意料之外的输入，就可能错得离谱。这就导致了AI难以克服的局限性，在部署时也可能困难重重。那些希望利用AI潜力的人必须直面两方面的问题。 上方扫码/文末“阅读原文”可直接订阅商论享受限时特惠！

《经济学人·商论》七月刊
《面对现实》(Reality check)

人工智能及其局限

面对现实

本文作者蒂姆·克罗斯（Tim Cross）说，经过多年的热捧，人们开始认识到AI的局限性

那就像是世界创造了第二个中国——只不过构成它的不是十几亿人和数百万家工厂，而是算法和嗡嗡作响的计算机。专业服务公司普华永道（PwC）预测，到2030年，人工智能（AI）将为全球经济增加16万亿美元。而全球第二大经济体2018年所有活动的总和——从银行、生物技术到商店和建筑业——也不过13万亿美元。

普华永道的说法并不稀奇。它的竞争对手、麦肯锡的预测者认为，这个数字大概在13万亿美元。其他人则希望从定性而非定量的角度一语惊人。谷歌的老板桑达尔·皮查伊（Sundar Pichai）形容AI的发展“比火或电的影响更深远”。其他预测也描绘了同样宏大的变化，但不那么令人愉快。聪明的计算机能完成放射科医生、货车司机或仓库工人的工作，可能导致一大波失业潮。

不过，今天的AI技术是否真会带来那么翻天覆地的变化？对此的怀疑近来悄悄滋生。AI正在触及这样或那样的极限，也没能兑现它的一些支持者所做的更宏大的承诺。

… …

… …

经历了阿尔法狗带来的狂热之后，AI产业进入了寒风瑟瑟的秋季。到底该如何预测AI的未来？获取完整内容，请在下方扫码直接订阅后阅读《经济学人·商论》七月刊技术季刊《AI及其局限》系列：

• 为什么大数据不够大？《没那么大》（Not so big）
• 为什么算力可能不是衡量智慧最好的指标？《机器学习中》（Machine, learning）
• 为什么无人驾驶可能是个自欺欺人的泡泡？《路障》(Road block)
• 为什么“无聊的AI”最可爱？《算法和军队》(Algorithms and armies)
• 为什么AI的炒作过了头？《面对现实》(Reality check)

直接订阅更可同步解锁商论发刊至今的2000余篇往期文章，包括近1000篇文章的英文原声音频并免费加入官方学习社区。

---

订阅特惠最后3天 | 8.9前订阅《经济学人·商论》可享受限时特惠（年度低至每周7.46元/季度低至每周10.6元）。仅限新账号通过网站注册，下方扫码直达专属渠道 ↓

【参与规则】
1.《经济学人·商论》官方订阅网站是本次活动专属渠道（请勿在App内订阅）
2. 请长按识别图中二维码，或点击文末“阅读原文”访问官方订阅网站
3. 选择订阅《经济学人·商论》年度或季度，均可享受商论五周年特惠价
4. 现已支持支付宝付款（进入页面后点右上角在浏览器中打开）
请注意本折扣为新订阅账户专享，不适用于尚在订阅期内的有效账号、App内微信登录、在App内直接订阅

点此直接订阅商论享限时折扣价！