AI复始，万象更新 ！

新智元祝广大订户鸡年大吉！

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】 深度学习火热的背后，也带来了对神经网络自身能力的质疑，特别是被人诟病的“黑箱”问题。本文介绍了一些通过不同于深度学习的路径实现 AI 的公司，强调贝叶斯理论的重要性，指出非确定性和高斯过程在人工智能的发展中其实扮演着重要角色。在作者的介绍中，Uber 似乎是最痴迷高斯过程的一家高科技企业。

　　在硅谷，神经网络十分流行，它带来了种类繁多的互联网服务和众多形式的人工智能。但是，神经网络再好，能做的可能也不过是从你的线上相册中识别出猫来。AI 研究者知道，atv，神经网络目前依然有很大的缺陷，并且缺陷如此之多，使得一些人开始怀疑，这样的模式识别系统是否真的是通往更加先进的、更加可靠的 AI 的可行之道。

　　通过分析大量的数据获得的学习能力，神经网络能够处理大量的任务，从 Facebook 的图像识别到微软的翻译，再到谷歌的互联网搜索。

　　神经网络也开始帮助聊天机器人学习交谈的艺术。并且，它们也是无人驾驶汽车和其他自动化机器的社会运动的一个重要组成部分。但是，由于如果缺乏大量的、经过仔细标注的数据，神经网络对整个世界是一无所知的，所以它们也不是对任何事物都适用。此外，AI 研究者对于神经网络所做的某个决策背后的原理的了解也非常有限。从很多方面看，神经网络都是黑箱。这种不透明性可能会引起严重的问题：如果无人驾驶撞到了人，大家都想知道为什么的时候，该怎么办？

Tuomas Sandholm

　　“深度学习确实获得了大量的关注，这是它应得的”，卡内基梅隆大学计算机科学系教授Tuomas Sandholm 说。Tuomas 帮助开发了最近在德州扑克比赛中赢过人类玩家的计算机程序 Libratus。他们没有使用深度学习的方法。

　　“但是，深度学习并不能给你任何保证。”

　　这没错。由于神经网络中这些显而易见的弱点，从招聘、并购和研究三个方面来看，世界上最大的几家科技公司中，有一些已经开始拓宽它们对人工智能的思考方式，不少初创企业也在遵循相同的发展道路。你可以认为这是贝叶斯的觉醒，研究者通过科学的方法（即，从一个假设开始，根据数据来不断地更新这一假设）去实现 AI，而不是仅仅依赖数据来获得结论，正如神经网络那样。贝叶斯理论希望做的是通过在既有模型中填充新的证据，去做那些神经网络并不擅长的事，寻找到处理不确定性的方法。

　　和神经网络一样，贝叶斯方法可以从数据中进行学习，但这种机器学习采取的是完全不同的方法。 “我们感兴趣的是将科学的方法自动化，” AI 创业公司 Gamalon 的创始人Ben Vigoda说。这家公司通过一种称为概率编程的技术在这个方向上前进。

　　另一个值得注意的是，神经网络的快速崛起与其他技术结合，可以帮助机器变得更聪明，从强化学习到进化计算（evolutionary computation）。机器学习的方法可以有很多种。

　　神秘的技术

　　去年12月，Gary Marcus 将自己只有15个人的初创企业卖给 Uber 时，他实现了一种新的人工智能。至少他是这么说的。

　　他的公司此前叫 Geometric Intelligence（几何智能），意思是，只要一点小的改动就可能会产生大的影响。这位47岁的纽约大学心理学教授说，他和同事正在开发只需要非常小的数据就可以学习的系统，正如人类所做的那样。这一系统可能会超越深度学习所具备的能力。