【新智元导读】Gamalon的CEO和创始人Ben Vigoda近日放出豪言，说他和他的团队所采用的概率编程的技术， 终将在所有的应用中彻底取代神经网络——这有可能吗？

　　AI非指一物，它涵盖了数个思想流派。Pedro Domingos在他的专著《终极算法》中，把它们称为AI部落。

　　如这位华盛顿大学的计算机学家所说，每个部落都采用了看上去非常不同的技术。比如进化论者，相信他们能够在数码世界中重现自然选择。符号论者则一条规则一条规则地把具体的知识编码到计算机中。

　　眼下，联结主义者吸引了全部眼球。他们培育了深度神经网络和模式识别系统，给Google、Facebook和微软等企业带来了勃勃生机。但不管媒体说什么，其他部落仍然会在AI崛起的进程中起到自己的作用。

　　符号学派（symbolists）更多关注哲学、逻辑学和心理学，并将学习视为逆向演绎（inverse of deduction）；联结学派（connectionists）专注物理学和神经科学，并相信大脑的逆向工程；进化学派，正如其名称所示，在遗传学和进化生物学的基础上得出结论。贝叶斯学派（Bayesians）注重统计学和概率推理；类推学派（analogizers）更多是关注心理学和数学优化来推断相似性判断。

　　就拿Gamalon的CEO和创始人Ben Vigoda来说，他属于贝叶斯学派，主张通过科学方法构建AI。Vigoda 获得了麻省理工学院统计物理学和机器学习的博士学位。相比于建设自主分析数据并得出结论的神经网络，他和他的团队选择使用概率编程，程序基于他们自己的一些假设，然后用数据不断去修正。他的新兴公司得到了Darpa（Defense Advanced Research Projects Agency）的扶持，今晨浮出水面。

《福布斯》对Gamalon公司的报道，里面提到使用 Bayesian Program Synthesis，系统能够自行编写代码，atv，用最优的方法解释收集到的数据，相比传统机器学习需要的数据量更少，训练的速度也更快。

　　Gamalon的技术可以应用于机器翻译，同时公司也在开发企业级文本语义抽取的工具。Vigoda声称他的概率编程能够产出比神经网络学习速度更快的AI，而所需数据却小得多。“你可以慎重选择你教给它的东西，”他说，“也可以编辑你已经教它的东西。”

　　如一些人指出的那样，要想催生真正像人类那样思考的机器，方法是关键。神经网络需要巨量的经过仔细标注的数据，而这并非随时可得。Vigoda甚至放出豪言，说他的技术终将在所有的应用中彻底取代神经网络，“这是再清楚不过的。”他说。

　　此前基于概率统计的贝叶斯算法最常见的应用就是反垃圾邮件功能，贝叶斯分类的运作是借着使用标记与垃圾邮件、非垃圾邮件的关连，然后搭配贝叶斯推断来计算一封邮件为垃圾邮件的可能性。如果你使用电子邮件超过10年，应该能感觉到垃圾邮件过滤系统的改进。 贝叶斯学派专注于研究概率推理和用贝叶斯定理解决问题。贝叶斯学派从一个信念开始，他们称之为“先验”（prior）。然后，他们收集一些数据，并基于该数据更新先验；得到的结果他们称之为“后验”（posterior）。然后，他们用更多的数据来处理后验，并使之变成先验。这个过程不断循环往复，知道得到最终的答案。

　　加州大学洛杉矶分校计算机科学系的 Judea Pearl 是贝叶斯方法的著名研究者之一。微软 Genomics Group 的负责人 David Heckerman 也是著名的贝叶斯方法研究者，他帮助微软在 Outlook 和 Hotmail 邮件系统中开发了不同的数据挖掘工具和垃圾邮件过滤工具。加州大学伯克利分校的 Michael Jordan 也是这一领域的主要研究者。

　　但就如同深度学习不是人工智能的唯一路径一样，概率编程也不是。高斯法、进化算法、强化学习也是一样。

　　有些时候，AI部落之间会恶语相向；有些时候，他们会为了抬高自身技术而压低别人。但现实是，AI将诞生于许多技术的合力。尽管存在着竞争，所有人都是在向同一个目标努力。

　　概率编程让研究者如同程序员编程那样构建机器学习算法。但其技术的真正优势在于处理不确定性的能力。这就允许AI在较少的数据量上进行学习，同时也能帮助研究者理解AI为何会做出某些特定的决策，而如果他们不同意这些决策，也更易于对AI进行调整。所有这些都是真正的AI所不可或缺的，无论是在它和人类对话时还是在无人驾驶中规避一次事故时。