如果您是在1970年代后期觀看電視(甚至是在世的話)，您會熟悉Memorex的一次出色的廣告活動，通過比較電視和真實聲音來吹捧其錄音帶的質(zhì)量。最令人難忘的是難忘的Ella Fitzgerald擊中高音并弄碎了酒杯，卻使鏡頭平移，因為她在電視上看著自己，旁邊是破損的玻璃杯。

一位非常杰出的人工智能研究員和AM圖靈獎得主Judea Pearl在他的最新著作(與Dana Mackenzie合著)中論證了“原因之書：因果關(guān)系的新科學”，這是因為人們對不了解什么的理解不完整智力確實是。

我傾向于同意這一點。 我在LinkedIn上最近發(fā)表的一篇文章中寫道：“如果您考慮一下，邁向AI的每一個新步驟，都不會產(chǎn)生每個人都認可的真正智能，而只會揭示真正的智能不是。” 我的意思是，在我們擁有對話式自然語言處理的面部識別軟件之前，我們以為是AI，但事實證明它并不是真正的智能或推理。這只是技巧。

在最近的AI春季中，最大的哇因素-AI冬季通常被稱為70到80年代首次嘗試AI到隨后的直到最近的時期之間的時期-機器學習和AI的興趣和投資激增。有一些浮華的戲法，例如IBM的Watson擊敗了最佳的Jeopardy冠軍(盡管該Watson機器的“智能”很少保留給以后的生產(chǎn)版本)，Apple的Siri或AlphaGo( 圍棋)由Google LLC DeepMind實驗室的研究人員制造的機器擊敗了中國大師傅杰杰。

這些事情使珍珠不為所動。作為一個純粹的逆勢主義者，他認為這并不是什么新鮮事物，只是幾十年前摩爾定律所增強的學科計算 ：瀏覽大量數(shù)據(jù)以尋找事物。他說的話確實引起了所有人的注意：

“深度學習的所有令人印象深刻的成就都等于曲線擬合。”

只是曲線擬合。這很苛刻，但這有效嗎?

曲線擬合：根據(jù)Wolfram Research的曲線擬合文檔，“在許多情況下，人們都希望找到最適合給定數(shù)據(jù)集的公式。” 聽起來很簡單，但事實并非如此。從簡單的線性回歸到對抗性神經(jīng)網(wǎng)絡(luò)，共有10到20種標準算法，從選擇測試數(shù)據(jù)到選擇功能，任何優(yōu)秀的實驗人員都應(yīng)在做出許多關(guān)于應(yīng)用它們的決定之后再應(yīng)用它們。

一些常用的機器學習算法是：線性回歸，邏輯回歸，線性判別分析，分類和回歸樹， 樸素貝葉斯，k個近鄰，收入向量量化，支持向量機，b agging和隨機森林，然后啟動和AdaBoost。

應(yīng)當指出的是，其中每一個都是在大數(shù)據(jù)和機器學習開始之前開發(fā)的。研究使用這些算法的特征是它們現(xiàn)在消耗的大量數(shù)據(jù)和大量的計算資源。

只是曲線擬合?當您考慮它的復雜程度時，Pearl對“正義”的使用必須結(jié)合上下文。Pearl認為，要推動人工智能向前發(fā)展，我們必須用“因果”推理代替“聯(lián)想”推理。他的論點是，無論您的數(shù)據(jù)集有多大，無論您有多少計算周期，如果您的目標是梳理數(shù)據(jù)中的關(guān)聯(lián)和模式以進行預測，那么您就沒有使用AI。他的愿景是機器將如何思考，而如今機器學習所缺乏的是“因果”推理。

附帶說明，我有幸在20年前與Pearl一起工作，在那里我第一次了解了他的發(fā)明貝葉斯信念網(wǎng)絡(luò)。如果我必須總結(jié)一下，我將這樣描述BBN和ML的區(qū)別：前者以您已經(jīng)知道的東西開始，而ML則假定您什么都不知道，除了您引入模型的有意或無意的偏差。

Pearl不忽略ML的價值。顯然有一些非常有用的例子。但是，他說：“就深度學習所做的一切而言，我發(fā)現(xiàn)它們都停留在關(guān)聯(lián)層次上。曲線擬合。這聽起來像是犧牲品，可以說，深度學習的所有令人印象深刻的成就都等于僅僅將一條曲線擬合到數(shù)據(jù)上。從數(shù)學層次結(jié)構(gòu)的角度來看，無論您多么熟練地操作數(shù)據(jù)以及在操作數(shù)據(jù)時讀入了什么數(shù)據(jù)，它仍然是一條曲線擬合練習，盡管很復雜且很簡單。”

“盡管很復雜而且很重要。” 我沒有將ML與AI混為一談，而是采用了非感知機器智能的定義，通常專注于狹窄的任務(wù)。這些狹窄的任務(wù)可能非常有用。將機器學習模型應(yīng)用于軟件產(chǎn)品的真正魔力是產(chǎn)生正確的組合，這些組合足以在各種情況下工作，并且功能強大，足以反復產(chǎn)生不平凡的結(jié)果，而不是沒有用的示例，例如：駕駛員至少16歲會發(fā)生事故。”

珍珠的新書已經(jīng)上市，而且有他在的前提下進一步學術(shù)閱讀本文。

我對這一切的看法是，Pearl正在展望真正的AI，即我們所說的人工智能或AGI。如果沒有推理和理解因果關(guān)系的能力，那么曲線擬合就很好。