人工智能的下一個(gè)突破可能需要結(jié)束長(zhǎng)期的競(jìng)爭(zhēng)。

多年以來(lái)，人工智能研究人員在創(chuàng)建解決問(wèn)題的算法時(shí)通常采用以下兩種方法之一：符號(hào)主義或基于規(guī)則的AI，其重點(diǎn)是將概念，規(guī)則和邏輯手動(dòng)編碼到計(jì)算機(jī)軟件中;以及連接主義，它基于人工神經(jīng)網(wǎng)絡(luò)和大腦的數(shù)字表示，通過(guò)比較一段時(shí)間內(nèi)的許多示例來(lái)有機(jī)地發(fā)展其行為。

直到最近，符號(hào)AI才更流行，神經(jīng)網(wǎng)絡(luò)被許多研究人員和公司所規(guī)避。但是在2012年，多倫多大學(xué)的計(jì)算機(jī)科學(xué)家通過(guò)使用深度學(xué)習(xí)(基于神經(jīng)網(wǎng)絡(luò)的AI算法)取得了突破，贏得了著名的年度計(jì)算機(jī)視覺(jué)競(jìng)賽ImageNet。

從那時(shí)起，深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)引發(fā)了AI行業(yè)的一場(chǎng)革命，并幫助解決了以前認(rèn)為超出計(jì)算機(jī)功能范圍的問(wèn)題。今年早些時(shí)候，神經(jīng)網(wǎng)絡(luò)的先驅(qū)者獲得了圖靈獎(jiǎng)，相當(dāng)于諾貝爾計(jì)算機(jī)科學(xué)獎(jiǎng)。

隨著神經(jīng)網(wǎng)絡(luò)的普及，象征性AI從風(fēng)度滑落，被推到了研究的邊緣。但是到了深度學(xué)習(xí)革命已經(jīng)過(guò)去七年了，我們已經(jīng)看到深度學(xué)習(xí)并不是一個(gè)完美的解決方案，并且存在明顯的弱點(diǎn)，限制了其應(yīng)用。