人工智慧凜冬將至：被圖靈定義束縛，人類誤入「假 AI」陷阱

最近幾周我被迫重新系統性地論述和提煉我對AI的看法。在我的AI凜冬將至那篇文章火起來之後，很多人通過電子郵件或者Twitter聯繫我，提出了很多很好的建議。由於現在大家對我的東西關注更多了，我決定以緊湊的形式將我認為我們AI解決方案中錯的東西以及哪些是可以修復的寫下來。以下就是我的10點摘要：

這些就是我希望傳達的核心觀點。這些觀點有著各種微妙差別，這就是我要寫這篇博客的原因。不過如果你承認這些觀點的話，我們基本上就算達成共識了。還有很多經過激烈爭論的細節，雖然我認為這些細節並非必不可少的，但出於完備性還是讓我表述其中的一些：

先天還是習得？當然有些生物體具備天生能力，但無疑有些東西我們是學來的。然而這是個實現相關的問題，我並不認為這個問題會有絕對的答案。在我們未來的開發中我敢肯定我們會結合兩種一起使用。

學習特徵還是人工構建特徵？這是一個相關問題。我的看法是「cortical computation（皮質層計算）」的絕大部分特徵都是習得的，這是在AI與自主的背景下（但這並不意味著我們不能人工構建某樣東西，如果這個東西被證實是有用的或者出於某種原因難以學習的話）。大腦裡面還有很大一部分很可能是預置好的。在自動化更加具體的應用中，這兩種情況可能都會有。會有學習來的特徵顯然比人工構建的特徵出色的情況（這是深度學習的全部賣點所在），但也會有無數精心構建發展出來的特徵絕對、毫無疑問比任何習得的東西出色的情況。一般而言我認為這是個偽命題。

尖峰、連續，數字化還是模擬？也許量子？對此我沒有非常強烈的立場，因為各自都有優缺點。數字化簡單、確定並且是現成的。模擬難以控制但是用電要少很多。尖峰也是一樣，但是後者還有更接近生物體的額外好處，這也許說明這是個更好的解決方案。量子？我不敢確定用量子計算解決智能問題的必要性有任何的有力證據，不過也許今後我們能發現這一點。這些都是「怎麼做？」的問題。我的主要興趣還是「是什麼？」的問題。

由於我想保持簡潔性（現在已經太長了）所以就到這兒吧。有任何意見建議請在評論區反饋。

編譯組出品。編輯：郝鵬程。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！