2022年深度學習發展與未來展望｜專家論點【Howie Su】

作者：Howie Su（產業分析師）

真的具備智慧？還是只具備部分智慧？

當前正是觀察人工智慧帶來影響的大好時機：2022 年在人工智慧在深度學習方面取得相當進展，特別是在生成模型（Generative Model）方面。然而，隨著深度學習模型功能的增加，相關的質疑與不斷增加。從一方面來看，ChatGPT 和 DALL-E 等高級模型帶來令人驚艷的成果，讓模型進行推理的能力又更上一層樓，但在另一方面，他們經常犯下錯誤，證明他們缺乏人類所擁有的一些基本智力要素，這種「高級智能」卻又犯下「常態錯誤」的模式正讓產官學界思考，人工智慧到底哪一個部分需要調整，對人類的衝擊是比想像中的快或慢？有專業機構認為，不同人工智慧模型未來將產生不同的「個性」，在不同情境產生思考偏誤，另一派則認為，無論是何種模型，將最終具備通用人工智慧（Artificial General Intelligence），但不存在個性問題。

深度學習當前面臨的幾大挑戰

目前推進深度學習的方法仰賴增加訓練數據、建立更大的模型、更有效的coding等方法，但不少專家指出，這樣只會加速這些深度學習模型所犯的錯誤。這個缺陷在 ChatGPT 中相當明顯，它可以生成正確且一致性的語法、但缺乏邏輯與不符合事實現狀的文本。不少使用過該會議的演講者提供此類缺陷的案例，例如大型語言模型無法根據長度對句子進行排序，在簡單的邏輯問題上會犯嚴重錯誤，以及做出錯誤和不一致的陳述。主要原因在於模型並未加入語言和思想、對常識的一般認知、人類是什麼這類問題，甚至是任何其他幻想與想像力。整體而言，我們可以歸納出數個缺陷，第一為推理與答案互斥，大型語言模型無法推理基本事物，例如將對象放入模型中，模型可以回答問題，但使用者可能無法指望得到答案；第二是事實性不足，模型不能透過倒入他們新的事實來逐步更新，這些模型通常需要接受再訓練以吸收新知識，因此顯得笨拙。

當前專家對於未來人工智慧的期望

簡單來說，我們所謂的「常識」對人工智慧而言相當困難，常識對於人類來說幾乎是無需思考，而對於機器來說卻很難，因為顯而易見的事情永遠人們不會說出來並視為理所當然，而且常識性的事情沒有普遍的真理，有些隱性的現象，比如人際關係、社會互動、企業文化等，常識是透過感官經驗獲得的，並且這些知識存儲在感知和運動系統中，模型可能無法透過「感知」這些情境來做出適合的推演。部分業界專家也提出觀點與期望，Elemental Cognition的創始人、IBM Watson 的前成員大衛·費魯奇（David Ferrucci）認為，如果人類無法讓機器「解釋為什麼它們會產生它們正在產生的輸出」，我們就無法實現我們對 AI 普及化的的願景，費魯奇的公司正在設計一種架構，該架構可以解釋其推論和因果模型，這是當前 AI 中缺少的兩個功能。

AI 科學家 Ben Goertzel 則指出「目前主導當前商業 AI 領域的深度神經網路不會在構建真正的 AGI取得太大進展。」Goertzel 以創造 AGI 一詞而聞名，他認為以事實檢查核措施強化 GPT-3 等現有模型不會解決深度學習面臨的問題，也不會使它們能夠像人類思維一樣思考。瑞士人工智慧實驗室 IDSIA 的科學主任兼現代深度學習技術的先驅之一 Jürgen Schmidhuber 表示，當前人工智慧的許多問題已在過去幾十年中被解決。Schmidhuber 建議解決這些問題是運算成本的問題，未來人類需持續建立深度學習系統，進行元學習並找到新的更好的學習演算法。同時，負責任人工智慧的觀念也在深度科技盛行下更受重視，例如Cisco提出人工智慧規範框架，在程式碼自動化、獲得資料詮釋力而能用於障礙排除、應用程式資安漏洞管理面向進行規範，或是近期美中在海牙為支持負責任的軍事用途的人工智慧簽署合作協議，阻止人工智慧在軍事用途上濫用等。

瀏覽 727 次