最好的人工智能仍敵不過中二少年

　　2012年，IBM的Watson獲得了克利夫蘭診所勒納大學醫學院的錄取通知書，作為一名醫生院學生開始了求學之旅。Watson是IBM的人工智能，而它進入醫學院是在讓醫生們訓練它，用于醫學研究。

　　三年后，你可能想當然地認為，或許Watson至少在對醫學的理解上有一些進步了。但從它的同類來看，人工智能的表現很不如人意，甚至不能通過美國八年級的科學測試，更不要說符合醫學院的錄取標準了。或許Watson當初是走后門進去的吧。

　　華盛頓大學的計算機科學教授OrenEtzioni和艾倫人工智能研究所最近舉行了一場比賽，邀請800個人工智能團隊讓其AI系統參加八年級(相當于國內的初二)科學測試。如今結果出來了：表現最好的也只答對了60%的問題。換句話說：在座的各人工智能都是……不如中二少年。

　　對Etzioni來說，這場長達五個月的測試說明了人工智能的發展現狀。得益于深度神經網絡(模擬人腦神經元網絡的軟硬件網絡)的興趣，Google和Facebook還有微軟等公司的系統在圖像語音識別等領域，達到了人類高度的表現水平。但要讓機器學會思考，還是一件不太可能的事，他們甚至不能進行對話，也不能通過基本的科學測試。

　　Watson們去哪兒?

　　遙想2011年，Watson在問答節目Jeopardy!上擊敗了最優秀的人類選手;就在前不久，Google的人工智能還在圍棋上戰勝了人類職業選手。但對機器來說，這些都沒科學測試難。

　　研究所的科學測試不僅包括知識問答，它還會要求機器理解基本的概念，回答進化適應這類復雜的問題。其中一個多項選擇問題是：

　　一些魚類成熟后的多數時間都生活在鹽水中，但會在淡水中產蛋。它們適應不同環境的能力是什么的最佳例證?

　　這些多項選擇機器還是應付不過來，就算是用神經網絡也不行。Etzioni表示，自然語言處理，推理，理解科學書籍上的概念，這些都是更為復雜的挑戰，需要很多推理。

　　雖然多數參賽的人工智能都屬于學術機構和獨立研究員，但Etzioni認為科技巨頭的表現也不會好到哪里去。“Google那樣公司的得分很可能高些，但‘集體的智慧’說明了一切，而且參賽的還有一些很聰明的人。”

　　親愛的Watson呢?Etzioni說IBM拒絕參加比賽，因為對這類比賽沒什么興趣，更關注解決現實世界中的問題。不過Watson也不是最好的測試對象了，它以前可能主要關注問答比賽，但現在已經是一系列人工智能工具的集合了，也不能代表普遍的水平。

　　Etzioni測試是對自然語言處理的測試，能用來了解機器能在多大程度上理解人類語言。IBM的服務包括自然語言處理，但自Watson誕生以來，這類技術逐漸更多受到了深度神經網絡的影響。正如你能用大量喵星人圖片訓練神經網絡識別貓一樣，你也能用對話教它理解自然語言。Google甚至還用這種方式開發了一個聊天機器人，能與你探討人生的意義。

　　但聊天機器人并不能讓人信服，而且人工智能的現狀不取決于單一的技術。在沒有通用方法前，我們需要多種機器學習和人工智能工具。就像在Etzioni的測試中，很多參賽者也用了多種工具，但結果仍舊不理想。

　　不過也有人認為讓機器通過科學測試沒多大意義，我們關注的應該更深遠。完全多項選擇題并不是人工智能的目標。既然還無法戰勝中二少年，人工智能們還需努力。