雖然深度神經網路的發展有助於推動機器學習領域的發展達到新的高度, 但是我們在創造人工智慧方面還有很長的路要走。
加州大學伯克利分校的電腦科學教授Michael I. Jordan說, 我們離人格化的人工智慧還有很長的一段路要走。 他說, 使用神經網路的應用本質上並不是真正的智慧, 但是這些應用目前的發展狀態允許在該領域有一些有趣的拓展。
“我們在利用神經網路偽造智慧的一些領域中, 正努力去做的更好, 以便你可以依據它來創建一家公司。 ”Jordan說 “這是有趣的, 但不知為何依舊有人不滿意。 ”
在Google, Facebook, Microsoft, 和 Amazon等主要科技公司的推動下, 這些評論在深度學習和人工智慧被大肆炒作的一個時期顯得非常廣泛。
作為Google Cloud的首席科學家,
她說:“這種人工智慧帶給我們的幸福感已經佔據了我們的內心, 而這種我們已經解決了絕大部分問題的想法是不正確的。 ”
讓Uber在加拿大租車市場產生巨大影響的領導者Raquel Urtasun發現的一個迫切的問題是, 如今我們所使用的演算法並不能很好地類比不確定性, 這可以證明該演算法是有問題的。
“所以他們會告訴你, 有99%的可能是那裡會有一輛汽車, 無論正確與否, 他們都會告訴你同樣的事情”, 她說, “大多數時候他們是對的,
然而, 最終小組成員還是認為創造可以比得上人類的人工智慧是有可能的。
“我認為我們在接近人格化的人工智慧之前至少在六個方面需要有重大突破” , 加州大學伯克利分校的電腦科學與工程系教授Stuart Russell表示, “有很多非常傑出的人才都在為此而工作, 我很確定這些突破將會發生。 ”