研究人员聚集在布朗大学讨论下一代人工智能

普罗维登斯，R.I.(布朗大学)——过去几年见证了人工智能领域的一场革命。人工智能系统正在阅读理解测试中击败人类，击败棋类游戏冠军，并使汽车能够自动驾驶。甚至更普通的人工智能系统，比如能够识别人脸的智能手机应用程序，以及能够理解口头指令的个人助理，在大约几十年前似乎都是无法克服的挑战。

这些最近的突破在很大程度上是由一种被称为深度学习(deep learning)或深度神经网络(deep neural networks)的技术实现的，这种算法已成为现代人工智能背后看不见的力量。每当手机回应“嘿Siri”(谷歌把瑞典语翻译成斯瓦西里语)时，深层神经网络就会发挥作用。

但尽管深度学习取得了成功，算法也有其弱点，在人类智能所能做的和机器所能做的之间，仍存在着巨大的鸿沟。本周在布朗大学，来自计算机科学、数学、生物学和心理学的研究人员将齐聚一堂，讨论深度学习的不足之处，以及神经原理可能推动下一场人工智能革命。

此次活动是“超越深度学习”系列研讨会的第一次，该系列研讨会将以知名专家的主题演讲和布朗大学不同学科的教员主持的分组会议为特色。这些主题演讲将于1月18日和19日下午2点在梅特卡夫礼堂(Metcalf Auditorium)举行，免费向公众开放。演讲者包括马克斯普朗克生物控制论研究所的Mathias Bethge、纽约大学的Gary Marcus、哈佛大学的Sam Gershman和罗格斯大学的Randy Gallistel，以及布朗大学的Stephanie Jones、Michael Frank和George Konidaris。

Thomas Serre副教授布朗的认知、语言和心理科学,是会议的组织者之一,这是由布朗的视觉研究中心为中心的人类机器人倡议,棕色的大脑科学研究所,棕色的媒体服务和计算在大脑和思维活动。Serre在采访中讨论了会议系列。

问:你能解释一下什么是深度学习吗?

答:深度学习和深度神经网络描述了一种推动人工智能各个领域发展的算法。这些算法的灵感大致来自大脑中构成视觉系统的神经元网络。深度学习中的“深度”指的是网络中有多少层人工神经元。传统的神经网络已经存在很多年了，它只有几个处理层。但是今天，我们的网络有几十个甚至上百个处理层，这使得它们更加强大。

这些算法非常善于从训练中学习东西。如果你想要一个能够区分猫和狗的系统，我们给一个深度学习算法输入很多标有“猫”和“狗”的图像。“通过了解特定于猫或狗的图像，该算法可以制定规则，对这两种事物进行可靠的分类。

这些算法在人工智能中无处不在。它们是AlphaGo、Alexa、Siri、自动驾驶汽车和大多数其他尖端人工智能技术的幕后推手。

问:如果它取得了如此巨大的成功，那么为什么要举办一个会议来考虑用什么来取代它呢?

A:一些重大突破得益于深度学习;这是毫无疑问的。但我认为，也存在一些过度炒作。在我们庆祝这些成就的同时，深度学习所能做的有限之处也被掩盖了一些。

一个缺点是这些系统的健壮性。在很多情况下，混淆它们并不难。一个例子是最近一些关于谷歌用于自动驾驶汽车的系统的研究。研究人员已经表明，带有特定图案的贴纸可以贴在交通标志上，完全混淆了系统。例如，你可以有一个停车标志，上面贴有标签，让系统认为这是一个时速65英里的限速标志。这可能是个真正的问题。还有一些问题，深度学习并不擅长解决。例如，我实验室的工作表明，深层神经网络在空间关系方面存在问题——例如，弄清楚一个物体是在另一个物体的左边还是右边。

所以这次会议的目的是将心理学、认知科学和神经科学的研究人员与计算机科学和数学的研究人员聚集在一起。我们想看看我们是否能利用这些结合的专业知识来解决深度学习的一些局限性，并开始思考如何改进或替换这些算法。

问:关于下一代人工智能可能需要什么，有什么想法吗?

A:它仍然非常开放，但是有一些有趣的途径正在出现。

我们从计算神经科学的工作中知道，深层神经网络与人们执行基本视觉识别任务的方式是一致的。但我的实验室和其他人的研究表明，深度学习只近似于我们大脑中视觉处理的最初几百毫秒。换句话说，当我们强迫人们快速地解决视觉任务时，我们发现人类的反应与算法非常相关，这意味着我们得到了相似的正确和错误的反应。但是当我们给人们更多的时间来完成任务时，他们就开始大大改进算法。所以问题是:在我们的大脑中发生了什么使我们能够克服困扰深层神经网络的挑战?

这就是生物学和神经科学可以告诉我们的。你可以把这个研讨会看作是展示了一些潜在于生物视觉之下的附加机制，然后考虑将这些东西放到现代人工智能架构中是否有意义。

问:很明显，在一次会议上解决这些问题是不可能的，但你希望达到什么目标?

答:根据我自己的经验，我发现让我的心理学和神经科学的同事与我的计算机科学和工程学的同事互动并不总是那么容易。所以我们想让人们在一个轻松的氛围中聚在一起，在那里他们可以开始交换想法，而不用担心说错话。我们想让人们说同样的语言，为合作打下基础。

我们也希望这是朝着在布朗大学建立我们的计算神经科学社区迈出的一步。我们和同事一起发起了“大脑与思维的计算”活动，这也是本次活动的赞助商之一。我们在这一领域拥有一流的研究人员，我们希望培育一个生态系统，让应用数学、工程学、计算机科学、神经科学和认知科学的学生能够相互交流，目标是建立新的想法，回答重大问题。

我们真的认为布朗是这个领域的潜在领导者，而这个系列是我们可以做的一件事来培养这一点。我要感谢研究生马特·里奇和博士后研究员德鲁·林斯利为组织这次研讨会所做的努力。