人工智能(AI)領(lǐng)域已經(jīng)創(chuàng)造出可以駕駛汽車，合成化合物，折疊蛋白質(zhì)并以超人水平檢測(cè)高能粒子的計(jì)算機(jī)。

但是，這些AI算法無法解釋其決策背后的思維過程。一臺(tái)掌握蛋白質(zhì)折疊功能并告訴研究人員更多生物學(xué)規(guī)則的計(jì)算機(jī)比一臺(tái)無需解釋即可折疊蛋白質(zhì)的計(jì)算機(jī)有用得多。

因此，像我這樣的AI研究人員現(xiàn)在正在將精力轉(zhuǎn)向開發(fā)可以以人類能夠理解的方式進(jìn)行自我解釋的AI算法。如果我們能夠做到這一點(diǎn)，我相信人工智能將能夠發(fā)現(xiàn)并向人們傳授尚未發(fā)現(xiàn)的關(guān)于世界的新事實(shí)，從而帶來新的創(chuàng)新。

從經(jīng)驗(yàn)中學(xué)習(xí)

AI的一個(gè)領(lǐng)域稱為強(qiáng)化學(xué)習(xí)，研究計(jì)算機(jī)如何從自己的經(jīng)驗(yàn)中學(xué)習(xí)。在強(qiáng)化學(xué)習(xí)中，人工智能可以探索世界，并根據(jù)其行為獲得正面或負(fù)面的反饋。

這種方法導(dǎo)致算法可以獨(dú)立學(xué)習(xí)超人水平的國際象棋并在沒有任何人工指導(dǎo)的情況下證明數(shù)學(xué)定理。在我作為AI研究人員的工作中，我使用強(qiáng)化學(xué)習(xí)來創(chuàng)建AI算法，以學(xué)習(xí)如何解決諸如Rubik's Cube之類的難題。

通過強(qiáng)化學(xué)習(xí)，AI可以獨(dú)立學(xué)習(xí)解決甚至人類都難以解決的問題。這使我和其他許多研究人員對(duì)AI可以學(xué)習(xí)的內(nèi)容的思考減少了，對(duì)人類可以從AI中學(xué)習(xí)的知識(shí)的思考減少了。能夠解決魔方的計(jì)算機(jī)也應(yīng)該能夠教人們?nèi)绾谓鉀Q它。