人工智能的某些實(shí)例是否可能沒(méi)有我們想象的那么聰明?

稱(chēng)之為人工智能。

一組計算機研究生報告說(shuō)，仔細研究被譽(yù)為人工研究里程碑的數十種信息檢索算法，實(shí)際上遠沒(méi)有所謂的革命性。實(shí)際上，這些算法中使用的AI通常只是對先前建立的例程的細微調整。

麻省理工學(xué)院的研究生研究員戴維斯·布拉洛克(Davis Blalock)表示，在他的團隊研究了81種開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò )的方法后，該方法通常被認為比以前的研究要好，該團隊無(wú)法確認實(shí)際上是否有任何改進(jìn)。

布拉鐘克說(shuō)：“有50篇論文被收錄，很明顯，最新的技術(shù)水平還不清楚。”

過(guò)去十年來(lái)，人工智能技術(shù)的進(jìn)步很大程度上歸功于硬件的改進(jìn)，例如圖形處理器，計算機處理單元和照相機，這些技術(shù)使復雜搜索項目，面部識別，攝影，語(yǔ)言翻譯和語(yǔ)音識別以及突破取得了指數級增長(cháng)在虛擬現實(shí)游戲中越來(lái)越精彩的可視化效果中。當然，算法上的改進(jìn)也有幫助。

但是麻省理工學(xué)院的團隊說(shuō)，人工智能算法至少有一些改進(jìn)是虛幻的。

他們發(fā)現，例如，通過(guò)對長(cháng)期存在的AI算法進(jìn)行細微調整，舊程序在本質(zhì)上可以與高度吹捧的“新改進(jìn)”程序一起使用。實(shí)際上，在某些情況下，發(fā)現新的AI模型不如舊方法。

《科學(xué)》雜志評估該研究的一篇文章援引了對搜索引擎中使用的信息檢索算法的薈萃分析的結果，直到2019年為止，發(fā)現“最高分數實(shí)際上是在2009年設定的”。流服務(wù)使用的神經(jīng)網(wǎng)絡(luò )推薦系統的另一項研究確定，所使用的七個(gè)過(guò)程中的六個(gè)未能在幾年前設計的簡(jiǎn)單算法上得到改進(jìn)。

Blalock指出了用于比較算法的技術(shù)上的不一致，從而使聲稱(chēng)一種方法比另一種方法更好的準確性尚有待商.。

實(shí)際上，據一位麻省理工學(xué)院的計算機科學(xué)家稱(chēng)，過(guò)去十年來(lái)，在人工智能的某些領(lǐng)域顯然缺乏重大進(jìn)展，這歸咎于無(wú)法正確比較和評估競爭方法。Blalock博士John Guttag 顧問(wèn)說(shuō)：“這是舊鋸，對嗎?如果您無(wú)法測量某些東西，就很難使其變得更好。”

卡內基·梅隆大學(xué)的計算機科學(xué)家Zico Kolter推測，給人的名字加上新算法的動(dòng)機和社會(huì )獎勵要比僅僅修補和調整已建立的舊方法更為有效。

他研究了圖像識別模型，該模型被編程為抵抗黑客所謂的對抗攻擊。此類(lèi)攻擊使用巧妙更改的代碼來(lái)繞過(guò)系統安全性。一種稱(chēng)為投影梯度下降(PGD)的早期方法通過(guò)訓練AI系統來(lái)區分真實(shí)的和偽造的代碼示例來(lái)抵御此類(lèi)攻擊。它被認為是一種可靠的方法，但是據說(shuō)被更新更好的協(xié)議所繞過(guò)。但是，Kolter的研究人員團隊發(fā)現，對舊的PGD方法進(jìn)行簡(jiǎn)單的調整后，其有效性與新方法幾乎沒(méi)有區別。

“很顯然，PGD實(shí)際上只是正確的算法，” Kolter說(shuō)。“這很明顯，人們希望找到過(guò)于復雜的解決方案。”