Bengio：从神经网络研究的早期开始，人们就有一个想法，大脑中运行的计算可否这样加以抽象化：大脑中的每个神经元都在进行一种非常简单的数学运算。神经网络所做的就是将所有这些小运算组合在一起，但由神经元所执行的每项计算都是可以变化和调整的。这对应于我们大脑中神经元突触的变化——这就是我们人类学习的方式。事实证明，计算机学会如何将许多元素结合在一起，这种机器学习方式是非常强大的。

●我们目前对大脑工作方式的了解程度如何？

Bengio：大脑至今仍然是一个很大的谜。你不妨把它想象成一个大拼图。我们已经手握拼图的所有组件，atv，世界各地成千上万的神经科学家正在研究其中许多不同的组件，但我们却忽略了全局。我和其他一些人相信并且希望的是，我们在深度学习中所取得的进步也将有助于我们发现这一全局。当然，我们不确信，但眼下科学界还有很多令人兴奋的想法，将更多的从机器学习和深度学习中获得的数学理念与神经科学相结合，以便更好地了解大脑。当然，我们也希望反过来也一样有效，因为目前深度学习还根本不能与人类智慧相提并论。人类和人类大脑能够做到机器不能做的事情，所以也许我们也能够通过对大脑工作原理的了解来启发和影响未来的深度学习系统。

●我们常常听到很多对人工智能可以做什么的猜测。您能否给我们大致描述一下，我们距离创造能够实际模仿人类思维和行为的人造智能或深度学习技术还有多远？

Bengio：有很多人向我提出过这个问题，而我的回答总是“我不知道”，而且我相信，没有一个严肃的科学家能给你一个直接的答案，因为还有太多未知数。我的意思是说，从字面上看，我们之所以从事这个领域的研究，就是因为我们不知道如何解决某些问题。但我们知道的是我们正在取得进展。我们也可以猜测，事情正朝着正确的方向发展。但是，比如说，还需要多长时间才能切实地解决一些更难的问题、更复杂的抽象问题？这是不可能有答案的。究竟是5年，15年，还是50年吗？现在我们面临一些障碍，但我们认为自己可以克服。但是，也可能一山更比一山高。

●你能否谈谈深度学习在人们运用人工智能的各种工具中所处的地位？

Bengio：深度学习正在改变过去几十年间人们对于人工智能的观念，将一些理念从相对传统的方式转向人工智能并实现两者的整合，并对其中一些好的想法兼收并蓄。其中最著名的例子就是深度学习与强化学习的融合。

因此，强化学习也是机器学习的一种，其中计算机并不会了解人类在特定情形下会怎么做。学习者这一方只能在一系列行动的实践之后看到行为的结果是好还是坏。在这方面研究的许多最新进展都体现在游戏等方面，但强化学习对于自动驾驶汽车等应用而言仍将是非常重要的。

你也许还想看：

　　感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。微软小冰进驻微软研究院微信啦！快去主页和她聊聊天吧。