人工智能的某些實(shí)例是否可能沒有我們想象的那么聰明？

稱之為人工智能。

一組計(jì)算機(jī)研究生報(bào)告說，仔細(xì)研究被譽(yù)為人工研究里程碑的數(shù)十種信息檢索算法，實(shí)際上遠(yuǎn)沒有所謂的革命性。實(shí)際上，這些算法中使用的AI通常只是對(duì)先前建立的例程的細(xì)微調(diào)整。

麻省理工學(xué)院的研究生研究員戴維斯·布拉洛克（Davis Blalock）表示，在他的團(tuán)隊(duì)研究了81種開發(fā)神經(jīng)網(wǎng)絡(luò)的方法后，該方法通常被認(rèn)為比以前的研究要好，該團(tuán)隊(duì)無法確認(rèn)實(shí)際上是否有任何改進(jìn)。

布拉鐘克說：“有50篇論文被收錄，很明顯，最新的技術(shù)水平還不清楚。”

過去十年來，人工智能技術(shù)的進(jìn)步很大程度上歸功于硬件的改進(jìn)，例如圖形處理器，計(jì)算機(jī)處理單元和照相機(jī)，這些技術(shù)使復(fù)雜搜索項(xiàng)目，面部識(shí)別，攝影，語言翻譯和語音識(shí)別以及突破取得了指數(shù)級(jí)增長在虛擬現(xiàn)實(shí)游戲中越來越精彩的可視化效果中。當(dāng)然，算法上的改進(jìn)也有幫助。

但是麻省理工學(xué)院的團(tuán)隊(duì)說，人工智能算法至少有一些改進(jìn)是虛幻的。

他們發(fā)現(xiàn)，例如，通過對(duì)長期存在的AI算法進(jìn)行細(xì)微調(diào)整，舊程序在本質(zhì)上可以與高度吹捧的“新改進(jìn)”程序一起使用。實(shí)際上，在某些情況下，發(fā)現(xiàn)新的AI模型不如舊方法。

《科學(xué)》雜志評(píng)估該研究的一篇文章援引了對(duì)搜索引擎中使用的信息檢索算法的薈萃分析的結(jié)果，直到2019年為止，發(fā)現(xiàn)“最高分?jǐn)?shù)實(shí)際上是在2009年設(shè)定的”。流服務(wù)使用的神經(jīng)網(wǎng)絡(luò)推薦系統(tǒng)的另一項(xiàng)研究確定，所使用的七個(gè)過程中的六個(gè)未能在幾年前設(shè)計(jì)的簡(jiǎn)單算法上得到改進(jìn)。

Blalock指出了用于比較算法的技術(shù)上的不一致，從而使聲稱一種方法比另一種方法更好的準(zhǔn)確性尚有待商。。

實(shí)際上，據(jù)一位麻省理工學(xué)院的計(jì)算機(jī)科學(xué)家稱，過去十年來，在人工智能的某些領(lǐng)域顯然缺乏重大進(jìn)展，這歸咎于無法正確比較和評(píng)估競(jìng)爭(zhēng)方法。Blalock博士John Guttag 顧問說：“這是舊鋸，對(duì)嗎？如果您無法測(cè)量某些東西，就很難使其變得更好。”

卡內(nèi)基·梅隆大學(xué)的計(jì)算機(jī)科學(xué)家Zico Kolter推測(cè)，給人的名字加上新算法的動(dòng)機(jī)和社會(huì)獎(jiǎng)勵(lì)要比僅僅修補(bǔ)和調(diào)整已建立的舊方法更為有效。

他研究了圖像識(shí)別模型，該模型被編程為抵抗黑客所謂的對(duì)抗攻擊。此類攻擊使用巧妙更改的代碼來繞過系統(tǒng)安全性。一種稱為投影梯度下降（PGD）的早期方法通過訓(xùn)練AI系統(tǒng)來區(qū)分真實(shí)的和偽造的代碼示例來抵御此類攻擊。它被認(rèn)為是一種可靠的方法，但是據(jù)說被更新更好的協(xié)議所繞過。但是，Kolter的研究人員團(tuán)隊(duì)發(fā)現(xiàn)，對(duì)舊的PGD方法進(jìn)行簡(jiǎn)單的調(diào)整后，其有效性與新方法幾乎沒有區(qū)別。

“很顯然，PGD實(shí)際上只是正確的算法，” Kolter說。“這很明顯，人們希望找到過于復(fù)雜的解決方案。”