2012年，谷歌奇怪機(jī)構(gòu)X實行室里的一項令人驚訝的項目被世界所知曉。這些擁有三百萬個神經(jīng)元的模擬神經(jīng)收集在沒有人工接濟(jì)的狀況下，只依靠從YouTube里獲得的圖片就識別出了圖片中的貓和人物。

　　項目的成員組建了一個新的研究小組，這就是公司搜刮部門下面的“谷歌大腦”(GoogleBrain)。他們和其他的研究者一路很快向世界證實了一個擁有幾十年汗青的發(fā)現(xiàn)——人工神經(jīng)收集將圖像識別和語音識另外切確度晉升到了一個前所未有的新高度。深度進(jìn)修的成功促使谷歌和其他公司起頭大舉投資人工智能，甚至使一些專家起頭傳播鼓吹“我們應(yīng)該為泛起比人類加倍伶俐的軟件做好籌辦。”

　　然而，谷歌這個“貓檢測器”在某種水平上是一條死胡同。近期深度進(jìn)修的成功是創(chuàng)設(shè)在那些需要人工接濟(jì)其進(jìn)修的軟件之上的，這極大限制了人工智能的上升空間。

　　谷歌的實行利用了一種非監(jiān)視式進(jìn)修的方式，軟件被輸入未經(jīng)加工的原始數(shù)據(jù)，然后必需在沒有人工接濟(jì)的狀況下爭論出成績。盡管它或許學(xué)會識別貓、人臉和其他物體，但它的切確度還沒有達(dá)到或許利用的程度。深度進(jìn)修研究和基于此的產(chǎn)物開發(fā)的爆發(fā)都是基于監(jiān)視式進(jìn)修，數(shù)據(jù)需要人工打好標(biāo)簽之后再供給給軟件——例如，我們要給圖片中的各個物體都標(biāo)上名稱。

　　事實證實，這對于管理一些問題非常有效，好比說識別圖片中的物體、過濾垃圾郵件，甚至是為用戶復(fù)興短信供給建議(這是谷歌客歲上線的一項功能)。但假如需要軟件更好地去了解世界，那可能就需要非監(jiān)視式進(jìn)修了，JeffDean如是說，他而今輔導(dǎo)著谷歌大腦項目，也曾經(jīng)在GoogleX的“貓檢測器”項目中工作過。

　　“我非常確信我們需要它，”Dean說，“當(dāng)你有準(zhǔn)確的數(shù)據(jù)集時，監(jiān)視式進(jìn)修會闡發(fā)得很好，但最終的非監(jiān)視式進(jìn)修會成為構(gòu)建真正的智能系統(tǒng)中主要的一環(huán)——假如你調(diào)查人類的進(jìn)修格局，你就會發(fā)現(xiàn)所有都長短監(jiān)視式的。”

　　一個絕好的例子就是，嬰兒的進(jìn)修格局為成年期間的智能打下了根基。好比說我們知道，當(dāng)一個物體移到視線之外時依然存在，或者沒有支撐就會掉到地上，這些工作是我們過程調(diào)查世界而進(jìn)修到的，并不需要明確的指引。和動物日常，假如機(jī)械人想要摸索真實世界，那它們就需要這種常識。這也能鞏固加倍抽象的使命，例如對說話的了解。

　　Facebook人工智能研究組主管YannLeCun說，假如人工智能要知足人們更大的野心，就必需弄清楚軟件若何才能完成那些對人類嬰兒來說十分輕易的工作。他說：“我們都知道，最終的謎底就長短監(jiān)視式進(jìn)修。管理了非監(jiān)視式進(jìn)修的問題，將把我們帶向更高的級別。”

　　盡管他們還沒有獲得最終的謎底，但Facebook、Google等公司以及學(xué)術(shù)界的研究者正在對某些有限的非監(jiān)視式進(jìn)修進(jìn)行實行。

　　此中一個研究分支的目的是締造出一小我工神經(jīng)收集，讓它消化吸取視頻和圖像，并用它們獲得的關(guān)于世界的常識發(fā)生出新的圖像——這意味著它們已經(jīng)形成了關(guān)于世界是若何運行的內(nèi)部表征。對世界作出精準(zhǔn)的猜測是人類智能中一個非常主要的根基特征。

　　Facebook的研究者建造了一個稱為EyeScream的軟件。這個軟件或許按照提醒(例如“教堂”或“飛機(jī)”)生成可識另外圖像。他們也在研究對視頻做出猜測的軟件。Google旗下DeepMind的研究者已經(jīng)開發(fā)了一種軟件，給它一些部門遮掩的圖片，它能用十分真實的圖像來進(jìn)行填補。

　　DeepMind還在研究一種完全的非監(jiān)視式進(jìn)修，叫做強化進(jìn)修(reinforcementlearning)。在強化進(jìn)修中，軟件被練習(xí)來領(lǐng)受關(guān)于自我闡發(fā)的主動反饋——好比說，這些反饋會來自電腦游戲的得分系統(tǒng)。還有一些不利用深度進(jìn)修的研究者則證實，軟件或許從單個例子中學(xué)會識別手寫字體(見《人工智能終于能像人類日常進(jìn)修》)。

　　可是迄今為止，這些考試都尚未揭示出一條能讓非監(jiān)視式進(jìn)修達(dá)到人類程度的路徑，或者說，軟件尚不及僅過程履歷或?qū)嵭芯蛯W(xué)會與真實世界有關(guān)的復(fù)雜器械。百度硅谷AI實行室主任AdamCoates說：“今朝，我們似乎缺失了某個環(huán)節(jié)的思惟。”

　　Coates說，跟著搜尋的繼續(xù)，監(jiān)視式進(jìn)修依然還能帶給我們許多器械：互聯(lián)網(wǎng)公司或許獲得大量數(shù)據(jù)，包孕人們做了什么事和關(guān)心什么事，或許用這些原料來建造比今天的產(chǎn)物加倍有效的語音交互和小我助理等產(chǎn)物。他說：“在不遠(yuǎn)的將來，你還或許用標(biāo)記數(shù)據(jù)來做許多事。”大公司在這方面花了很多金錢，讓合約商為他們的機(jī)械進(jìn)修系統(tǒng)標(biāo)記數(shù)據(jù)。

　　Facebook的LeCun相信，研究者不會永遠(yuǎn)依靠標(biāo)記數(shù)據(jù)�？墒�，他拒絕評價軟件還需要多久才能達(dá)到人類智能的程度。他說：“我們知道原材料，但卻不知道菜譜。這可能還需要破費一些時候。”