在人工智慧領域裡， 最具影響力的一個方面是深度學習。 目前， 它正在被賦予一項全新的能力——一種不確定感。
優步和穀歌的研究人員正在對兩種最流行的深度學習框架進行修改，
在深度學習領域， 會涉及到要向大型的神經網路提供示例資料， 它在過去的幾年中取得了巨大的成功：不僅可以使機器能夠識別圖像中的物體， 還可以幾乎完美地實現語音轉錄。 但是， 它仍然需要大量的訓練資料以及計算能力， 甚至有時候是很脆弱的。
雖然與常規思路有些不同， 但是許多人認為， “自我懷疑”的策略為該問題提供了一個解決方案。 這一方法在自動駕駛汽車或者其他自主機器的某些情況下，
穀歌公司致力於研究這個問題的Dustin Tran表示“用戶希望擁有一項可以衡量人工智慧確定性的系統。 如果一輛自動駕駛汽車都不知道自己的確定程度， 那麼很可能會犯嚴重的錯誤， 一旦錯誤產生， 那將是致命的。
這項工作反映出不確定性是人類推理和智力的一個關鍵方面。 劍橋大學教授兼Uber首席科學家， 著名AI研究員Zoubin Ghahramani說， 將不確定性添加到AI程式中可以使它們變得更智慧， 更不容易出錯。
在某次AI會議上， 一群研究人員聚在一起對Uber發佈的Pyro進行了討論。 Pyro是一種新的程式設計語言， 將深度學習與概率程式設計結合在了一起。
斯坦福大學教授兼Uber人工智慧實驗室的研究員Noah Goodman曾在長灘組織了一次AI會議。 在此次會議中， Tran也在其中， 他也為Pyro的發展作出了貢獻。
Goodman稱， 賦予深度學習處理概率的能力可以使其在許多方面變得更加智慧。 比如， 它可以説明一個程式以合理的確定性， 從幾個例子而不是幾千個例子中， 識別物體。 提供一定程度的確定性的度量， 並不意味著提供出“是”或“否”的答案， 這在一定程度上也對工程複雜的系統有益。
相對來說， 傳統的深度學習系統只能從所輸入的資料中展開學習， 而Pyro可以用來建立一個有知識的預程式設計系統。 這對目前任何機器學習可能出現的場景都是有用的。
“如果你有相應的知識， 想要構建一個模型， 概率程式設計就特別有用， ”Goodman說。 “屆時， 人們可以用Pyro做各種各樣的事情。 ”
Edward是由哥倫比亞大學研發的另一種包含不確定性的程式設計語言， DARPA投資研發的。 雖然Pyro和Edward都處於早期發展的階段， 但是我們不難想像到為什麼穀歌和優步會對它感興趣。
Uber在很多領域都使用了機器學習，從路由驅動到設定一路飆升的價格，當然，還有它的自動駕駛汽車。不得不說，該公司對人工智慧投入了巨額資金，並且聘請了一批AI專家進行研究。而谷歌也重新建立了自己的業務，主要圍繞人工智慧和深度學習進行研究。
哥倫比亞大學統計和電腦科學教授David Blei認為，將深度學習和概率變成結合在一起是一個很好的想法，但是還有很多工作要做。“原則上說，它非常強大。”David表示，“但是，技術上會存在很多挑戰。”
儘管如此，正如古德曼所指出的那樣，Pyro和Edward對於把人工智慧領域的兩個相互競爭的學派聚合在一起也很重要，一個側重於神經網路，另一個側重於概率。
近年來，神經網路學派一直處於主導地位，其他的想法都被拋之腦後。為了推進AI的進步，這個領域可能有必要去接受一些其他的理念。
Goodman說：“其實，不必把這些學派看作是獨立的。他們可以相互結合——事實上，他們現在正要被結合起來，完成我們正在建立的工具。”
Uber在很多領域都使用了機器學習，從路由驅動到設定一路飆升的價格，當然，還有它的自動駕駛汽車。不得不說，該公司對人工智慧投入了巨額資金，並且聘請了一批AI專家進行研究。而谷歌也重新建立了自己的業務，主要圍繞人工智慧和深度學習進行研究。
哥倫比亞大學統計和電腦科學教授David Blei認為，將深度學習和概率變成結合在一起是一個很好的想法，但是還有很多工作要做。“原則上說，它非常強大。”David表示，“但是，技術上會存在很多挑戰。”
儘管如此，正如古德曼所指出的那樣，Pyro和Edward對於把人工智慧領域的兩個相互競爭的學派聚合在一起也很重要，一個側重於神經網路，另一個側重於概率。
近年來，神經網路學派一直處於主導地位，其他的想法都被拋之腦後。為了推進AI的進步，這個領域可能有必要去接受一些其他的理念。
Goodman說：“其實，不必把這些學派看作是獨立的。他們可以相互結合——事實上，他們現在正要被結合起來，完成我們正在建立的工具。”