为什么人工智能（AI）比我们想象的更难

中文速览

人工智能为何总在“春天”的狂热和“冬天”的失望之间循环，核心原因是人们低估了智能本身的复杂性。文章通过回顾感知机、专家系统、深度学习等技术的发展和反复落差，归纳出四种常见误区：把单项能力当作通向通用智能的连续进步，把人类觉得容易的事也当成机器容易做到的事，以及由此忽略常识、理解和迁移能力的难度。作者指出，深度学习虽在识图、翻译、博弈等狭窄任务上取得巨大成功，却仍会依赖“走捷径”、遇到训练外情境就失灵，甚至被人眼难以察觉的微小扰动欺骗。认清这些误区有助于避免不切实际的时间表和投资狂热，并把研究重点转向更稳健、可信、真正具备常识与泛化能力的机器智能。

摘要

摘要

Abstract

术语表

artificial intelligence (AI)

人工智能（AI）

AI spring

人工智能春天

AI winter

人工智能寒冬

self-driving cars

自动驾驶汽车

autonomous vehicles

自动驾驶车辆

conversational companions

对话式伴侣

common sense

常识

perceptron

感知机

deep neural networks

深度神经网络

symbolic AI

符号主义人工智能

logic-based AI

基于逻辑的人工智能

expert systems

专家系统

Fifth Generation project

第五代计算机项目

Strategic Computing Initiative

战略计算计划

machine learning

机器学习

deep learning

深度学习

multilayered neural networks

多层神经网络

predictive models

预测模型

general AI

通用人工智能

general intelligence

通用智能

true AI

真正的人工智能

human-level AI

人类水平人工智能

superintelligent AI

超级智能人工智能

brittleness

脆弱性

generalization

泛化

scalability

可扩展性

speech recognition

语音识别

machine translation

机器翻译

chat bots

聊天机器人

protein folding

蛋白质折叠