深度学习不是AI的终极答案

迈克尔·伍尔德里奇：AI发展距AGI仍遥远

AI间的协作与未来

　　在牛津大学计算机科学系，迈克尔·伍尔德里奇教授正引领着多智能体系统（Multi Agent System）的研究。当提及AI间的互相交流，他描绘了一幅令人向往的未来图景：AI助理处理访谈邀约，通过多轮对话最终敲定日期并预定会议室，全程无需人类参与。然而，伍德里奇强调，尽管人工智能在某些领域已经展现出超越人类的能力，如AlphaGO和ChatGPT，但我们距离真正的通用人工智能（AGI）还有很长的路要走。

深度学习的局限

　　伍德里奇指出，ChatGPT虽然在语言任务上表现出色，但仅止步于此。它无法解决巨大的功耗和算力问题，也无法摆脱“黑盒”困境。在他看来，当前的深度学习技术虽然能够构建出前所未有的AI程序，但这些成就还远不足以推动AI朝着宏伟梦想前进。

AGI的定义与挑战

　　在《人工智能全传》中，伍德里奇将AGI描述为“大致等同于一台拥有一个普通人所拥有的全部智慧能力的计算机”。然而，他同时指出，即便是“弱”版本的AGI，也与当代的人工智能研究相去甚远。伍德里奇对2029年实现AGI的观点持怀疑态度，他认为AI需要更多研究和技术进步才能真正实现感知和理解现实世界。

AI的商业化与未来

　　从无人驾驶汽车到AI绘画，AI正逐渐渗透到各个行业。伍德里奇表示，ChatGPT已成为他研究的一部分，并在日常工作中带来了极大的便利。他预测，未来几年内，类似ChatGPT的通用大模型可能会涌现出上千种不同的用途，并逐渐成为一种通用工具。然而，他也提醒，AI的商业化和普及需要时间来发展。

神经网络的瓶颈与未来方向

　　伍德里奇认为，神经网络目前面临数据、算力和科学进步三大挑战。未来需要更高效的数据采集和利用方法，以及更节能的算力解决方案。此外，基础科学的进步将是推动AI发展的关键。他强调，神经网络只是“完整的人工智能”的一个组成部分，未来还需要探索其他未知的组成部分。

法律与伦理的考量

　　在推动AI发展的同时，伍德里奇也提醒我们关注其潜在的风险和挑战。他认为，AI无法代替人类坐牢，因此人类必须对自己的行为负责。此外，ChatGPT等AI技术在隐私保护方面也需要加强监管。他呼吁我们谨慎使用AI技术，确保不会失去人类的关键技能。

结语

　　在这个由AI构建的世界中，我们既看到了无限的可能性，也面临着诸多挑战。迈克尔·伍尔德里奇教授的研究为我们揭示了AI的局限与未来方向。随着技术的不断进步和社会各界的共同努力，我们或许能够逐步克服这些挑战，迈向一个更加智能、更加美好的未来。