原文來自 Wired《A Sobering Message About the Future at AI's Biggest Party》，作者 Tom Simonite。 台灣康泰納仕集團授權提供，本文由譯者 Zoe Teng 翻譯並經 INSIDE 編審。

超過 13,000 位人工智慧專家湧入溫哥華，參加本週舉行的 NeurIPS — 世界首屈一指的 AI 學術會議。會場內彩色迷宮般的企業攤位競相吸引業界新血，來為他們的計畫（比如模擬醫生的軟體）效力。Google 送出免費的行李秤和襪子，上面印有 Google 社群的彩色腳踏車；IBM 出的帽子則印有高調的「 I ❤️A👁」（我愛 AI）。

Google 和 Uber 也在週二晚間舉辦了充滿酒精、幾乎人滿為患的派對。隔天早上八點半，Google 首席研究員之一發表了關於 AI 未來的演講，一語驚醒眾人惺忪的睡眼。

Blaise Aguera y Arcas 表揚了「深度學習（deep learning）」革命性的技術，讓他的團隊研發出可辨識人臉和聲音的手機功能。然而他也感嘆 AI 受限於一種稱為人工神經網路（artificial neural networks）的技術，只能從標記了正確答案的範例或經驗來學習、精進某項特定工作。

「我們有點像是那隻終於追上汽車的狗（追上了，然後呢？）」Blaise Aguera y Arcas 說。深度學習雖然快速破解了 AI 長期存在的某些挑戰，但似乎不是剩下問題的最佳解。例如是否該聘用這一位新員工等涉及推理或社會智慧的那些問題，都還是深度學習無法企及的痛點。Blaise Aguera y Arcas 指出，「我們學會訓練的模型全部都是為了通過某項測驗或在比賽中以分數取勝而設計，但『智慧』所執行的工作中，有太多根本不在這個評分標準的範疇裡。」

數小時後，被視為「深度學習教父」之一的研究人員也點出這項技術的侷限。蒙特婁 AI 研究機構 Mila 的負責人 Yoshua Bengio，由於開啟了深度學習革命性的發展，近期與另外兩名研究人員共同獲頒電腦界最高獎項。

他指出這項技術只能產出高度專業化的結果，當我們訓練一個模型玩某個電玩遊戲，把它訓練成超越人腦的玩家後，這個系統事實上完全不會玩任何其他遊戲。「我們的機器用非常狹隘的方式學習，」他說，「它們比真人用更多資料來學習一項工作，但既使如此還是會犯愚蠢錯誤。」

Bengio 和 Aguera y Arcas 呼籲 NeurIPS 的出席者把更多心思放在自然智慧的生物學根源上。在 Aguera y Arcas 展示的實驗結果中，可以看到一種虛擬細菌在人工演化過程中覓食、交流的適應狀況。Bengio 討論了深度學習系統靈活化的早期工作，讓它們能夠應付和原本訓練環境大不相同的情況，並以人類到不同的城市、國家開車來比喻這樣的學習情境。

此番在 NeurIPS 充滿警世意味的演講，正好對上 AI 投資潮流前所未有的高點。根據 Pitchbook 的數據，2018 年創業投資者投入了近 400 億美元到 AI 和機器學習公司，約為 2017 年的兩倍。

而在現有 AI 技術上，針對其侷限的討論同樣與日俱增；Google 和其他公司原本對自動駕駛計程車在不遠未來是否能上路抱持樂觀態度，現在卻被較為含糊保守的期望取代。Facebook 的 AI 主管近期表示，Facebook 和其他公司不應該只是藉由建置計算能力更高、數據量更大的深度學習系統來試圖持續 AI 的發展。「總有一天我們會碰壁，」他說，「在很多方面，我們其實已經碰壁了。」

然而，許多出席 NeurIPS 的人士正設法爬過或鑽過當前的阻礙。將於明年加入非營利機構 OpenAI 的 Uber 現任研究人員 Jeff Clune 對 Bengio 的高調呼籲表示贊同，期望業界思維能超越深度學習近期的狹隘成就。

他認為此舉不僅有實際面的原因，也有科學上的動機；更通用、靈活的 AI 可以增加自動機器人或其他系統的可靠性和安全性。「裡面有非常大的商機，」Clune 說。

Clune 將在週五分享關於將 AI 的思考轉向 AI 自身，以創造更高人工智慧的理念。

身為元學習（metalearning）領域的一員，Clune 致力於研發可為自己設計學習演算法的學習演算法。他也創造出不斷產生環境變化的系統，以挑戰 AI 系統、刺激它們增長智慧。

如同 Aguera y Arcas，Clune 也認為 AI 研究人員應該從產生無限多樣性的大自然中尋找靈感，並將其視為基準。「我們身為電腦科學家，還拿不出一種可以運作千萬年、還有新把戲可玩的演算法，」他說。

當上千名 AI 專家從 Bengio 演講台下的聽眾席離去時，蒙特婁大學副教授，同時也是 Mila 一員的 Irina Rish ，希望 Bengio 的話特別在一個深度學習蔚為主流的會議裡，能為新的理念創造出足夠的討論空間。「深度學習很棒，但我們需要的是一個容納不同演算法的工具箱，」她說。

Rish 回憶起在 2006 年的 NeurIPS 參加了一次非正式的深度學習研討會，當年的會議規模還不到現在的六分之一，而深度學習被主辦人視為冷門科技，拒於議程門外。「當時有點類似宗教集會，只有信徒聚在一個房間裡，」Rish 回憶。她希望今年的 NeurIPS 某處，仍有為理念默默耕耘的早期志士，能夠持續開拓 AI 新的巔峰視野。

責任編輯：Chris
核稿編輯：Mia