蘋果AI總監(jiān)談人工智能：有局限性但對強化學習感興趣

雖然人工智能在圖像識別和產(chǎn)品推薦等方面取得了巨大的進步，但是這項技術(shù)仍然面臨諸多挑戰(zhàn)，特別是如何讓AI系統(tǒng)擁有“記憶功能”依然是一個難題。

本周二（3月28日），蘋果的AI研究部門的總監(jiān)RuslanSalakhutdinov在MIT Technology Review會議上探討了人工智能的局限性，不過他并未提及蘋果是怎樣將人工智能整合到Siri等產(chǎn)品中的。

Salakhutdinov于去年10月加入蘋果，他稱自己對強化學習（Reinforcement Learning）非常感興趣， 利用這種技術(shù)可以教會計算機通過反復優(yōu)化決策來獲取最好的結(jié)果。例如，谷歌就使用了強化學習來幫助數(shù)據(jù)中心達到最佳的散熱和操作配置，從而使其更加節(jié)能。

卡耐基梅隆大學（Salakhutdinov是該大學的副教授）的研究人員最近也在做這方面的研究：使用強化學習訓練計算機玩上世紀90年代的視頻游戲“Doom”。很快，計算機就學會了如何快速并準確地射擊外星人，而且還發(fā)現(xiàn)閃避能夠躲開敵人的火力。但是，它并不擅長記憶，比如記不住迷宮的布局，這使得它無法事先規(guī)劃和制定游戲策略。

Salakhutdinov的研究涉及到一種AI軟件，它能夠記錄“Doom”中的虛擬迷宮布局以及各個參考點，以便定位特定塔樓的位置。在游戲過程中，該軟件首先會判斷火炬的顏色（紅色或者綠色），然后根據(jù)火炬的顏色定位相應顏色的塔樓。

最終，這個軟件學會了如何在迷宮中找到正確的塔樓。而且當它發(fā)現(xiàn)自己找到的是錯誤的塔樓的時候，還會原路返回，尋找正確的塔樓。特別值得注意的是，該軟件在每次發(fā)現(xiàn)塔樓時都能夠回憶起火炬的顏色，Salakhutdinov解釋道。

不過，Salakhutdinov表示，這種類型的AI軟件需要“很長的訓練時間”，而且還需要強大的計算能力， 因此難以擴大規(guī)模。

此外， Salakhutdinov想要探索的另一個領(lǐng)域是：教會AI軟件通過“更少的樣本和經(jīng)驗”達到更快的學習速度。盡管沒有在演講中提及，但是他的這一設(shè)想顯然有利于蘋果在更短的時間內(nèi)創(chuàng)造更好的產(chǎn)品。

一些AI專家和分析師認為，由于蘋果公司的隱私規(guī)則更加嚴格，限制了可用于訓練AI系統(tǒng)的數(shù)據(jù)量，因此蘋果的AI技術(shù)不如谷歌和微軟等競爭對手。Fortune認為，如果蘋果一直使用較少的數(shù)據(jù)來訓練AI系統(tǒng)，那么它或許能在滿足隱私要求的同時，仍然能夠像競爭對手那樣快速對軟件進行改進。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。