图灵奖获得者、蒙特利尔大学教授约书亚·本吉奥：深度学习存在局限AI仍处婴儿期

李佳师 张依依

“研究机器学习与训练框架的目的在于提高机器推理演绎的准确度与效率。期待机器能够早日更接近人脑的推理和认知过程。”

由工业和信息化部、江西省人民政府共同主办的2020世界VR产业大会云峰会于10月19-20日在南昌举行。会上，2018年图灵奖获得者、蒙特利尔大学教授YoshuaBengio（约书亚本吉奥）以视频演讲的形式发表了题为“机器学习与训练框架，加速计算机仿真人类认知”的主旨演讲。某种意义上可以说，这一轮AI的浪潮是由深度学习算法的成熟带来的，作为全球深度学习的先驱，约书亚·本吉奥在演讲中表示：“深度学习仍存局限，今天我们仍处于AI发展的婴儿期。”

并非所有事实都能被“语言化”

约书亚·本吉奥在会上公布了他与几个合作团队一年多来研究出来的最新成果，这些成果是关于“知识表示”系统的。

“知识是一种形式和抽象的概念，不具有实体性，它需要通过一定的载体来表现出来。”约书亚·本吉奥说。通过载体表现知识的过程是知识表示的步骤之一，而知识表示则是完成知识抽取、知识构建、知识融合后的重要一环。

世界上存在很多可以用语言表达的“事实”，或者说“现象”，这些表达方法让我们用自己的大脑去内化，即推理和解释。但是有的时候，并非所有的事实都能被“语言化”。

“知识表示”是指把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识。知识表示是知识组织的前提和基础，任何知识组织方法都要建立在知识表示的基础上。

知识表示是人工智能研究的一个重要课题。目前人工智能领域已经有了很多知识表示的方法，并且也在很多方面取得了广泛应用。但是与大脑接收，并内化知识的方式明显不同，目前人工智能领域使用的“知识表示”方法尚无法完全仿真人类大脑进行知识抽取的过程。

约书亚·本吉奥所举的其中两个例子能够让知识表示这一复杂的概念变得相对具体。

“比如我说如果扔一个球，这个球就会掉到地上。在这句话里，‘如果扔一个球这句话表示条件，‘就会掉到地上则表示结论。这句话有着很高的置信度。”约书亚·本吉奥说。为什么这句话有很高的置信度？因为万有引力定律人尽皆知，受地球吸引力影响，球一定会掉到最低的地方。但如果编程人员在设计程序时，没有引入万有引力定律这个概念，那么计算机在理解和分析这个场景时并不知道需要加入这个难度。

由此可见，机器很难达到人类大脑一样的精确识别和触类旁通。计算机有时很难理解一些人们习以为常的隐性知识、默认常识和经验，或者积累的知识。因此，需要通过机器学习架构与训练框架，让计算机变得更加智能，越来越接近人类大脑的运行和思维方式。

“假如我定一个规则，谈论‘狗，他可以谈论我的‘狗，我也可以谈论你的‘狗，还可以是他谈论他的‘狗等，这其中就存在着很多变量。”约书亚·本吉奥说。为什么会存在这么多变量，谈论狗是不变的框架，而主语是变量，存在很多可能性，宾语也存在很多变量，如何把变量变成定量，就需要根据语境来进行推理，对于人来说这个推理只需要经历几步，很简单。但是对于机器来说，需要经过很复杂的演绎和推导过程才能达到。

构建“类人脑”认知系统仍需时日

目前深度学习仍有一定局限性。约书亚·本吉奥希望构建真正理解对象所处环境，且能根据语言环境理解语义的系统。

寻找更多有关键意义的人类思维特征与肌理，将有助于计算机更接近人类的认知。对此，约书亚·本吉奥谈到了另外一个非常有意思的事情：“我们来看看人类是如何做推理的。人类的推理每一次都涉及一个思想，每一个思想又涉及几个变量。我们每次关注的焦点其实是从这几个变量，转到另外几个变量中的。有时候，这些变量是按顺序来转换的。当多个变量有冲突和竞争关系时，我们是按照注意力机制来进行相应的转换和推理的。所以我们研究人类推理机制时，可以将‘注意力机制加入高级知识推理的维度。”

约书亚·本吉奥表示，研究机器学习与训练框架的目的在于提高机器推理演绎的准确度与效率。他期待機器能够早日更接近人脑的推理和认知过程。

微软亚洲研究院副院长刘铁岩曾在接受《中国电子报》记者采访时表示，在利用AI助力经济智能转型的路上有三类人：第一类是“搬运工”，第二类是数据科学家，第三类是AI科学家。约书亚·本吉奥是第三类人。他希望不断探寻AI领域“苹果掉到地上”的定律、新的方法论，加速人类利用AI实现智能化的进程。目前人类对于人脑的认知尚处于早期。有一个说法提到，目前人类对于人脑的开发程度仅为10%。机器接近人脑推理和认知的进程仍然遥遥无期，但是计算机科学家与脑科学家们仍在这条路上不断探索，希望找到更多更好的算法、发明新的AI方法论，构建更接近于人类认知与推理的智能系统。