编者论：有一位著名的深度学习质疑者近日在EmTech Digital人工智能峰会上发表演讲。其中，关于业界权威吴恩达对于通用人工智能的一些观点，j2直播，这位在学界和产业界都有着一定声望的质疑者毫无保留地进行了评论。

　　质疑归质疑，质疑本身并不是问题。但我们看完这篇文章也可得出一个结论：在人工智能已经进入全民疯狂炒作的当下中国，我们其实很需要冷静下来对AI做些真正的、有意义的思考和研讨。

　　在 20 世纪 40 年代，唐纳德·赫布（Donald Hebb）提出了一个关于大脑中神经元如何学习识别输入的理论。他的研究表明，神经元的重复放电可能会加强它们之间的联系，因此再次遇到同样输入时会增加再次放电的可能性。

　　一些研究人员采用了类似的设计构建的计算机，但是这种所谓的“神经网络”受到了很大的限制。直到1986年，一组研究人员才找到了提高学习能力的方法。

　　同时，研究人员还表明了神经网络可以处理很多问题：从视觉数据中的模式识别，到英语动词的过去时识别等等。用足够的数据样本来训练神经网络，它们就能形成执行某些任务所需要的联系。

　　这些研究人员将他们的方法称为“联结主义”（connectionism），并认为只要有构建足够大的神经网络，就能构建机器智能。尽管他们的想法并没有立刻颠覆人工智能学界，但最终却促成了今天的深度学习时代。

　　45岁的 Gary Marcus 是纽约大学的心理学教授，同时也是人工智能创业公司 Geometric Intelligence 的联合创始人，这家公司后被Uber收购。

　　然而，今天我们介绍的这位 AI 领域著名研究者、认知科学家Gary Marcus却是深度学习的著名质疑者。他经常对 AI 领域中过度依赖数据的操作方式加以批判，在行业中频频引发争议和讨论。

　　实际上，Gary Marcus质疑深度学习的核心观点非常简单：识别并不等于理解。他认为，因为深度学习系统需要大量的数据样本，所以研究人员通常不得不向机器学习系统提供不计其数的对话样本，以训练出能够与人自然交流的机器，这可能会使机器能够进行简单的会话。然而，认知科学却表明，这并不是人类掌握语言和进行交流的思维方式。

　　相比深度学习，两岁的孩子能够通过推理和泛化来学习——这些学习方式虽然并不完美，但是却比深度学习复杂的多。目前很清楚的是，大脑不仅仅可以从大量数据中进行模式识别，它也可以从相对较少的数据中获取更深层次的抽象概念。

　　Marcus 认为，如果要创造出真正复杂的人工智能系统，研究人员必须从小孩子学会概念并学会概括的过程中获得真正的启示，然后将这些启示所孕育的基本原理用于机器学习系统设计，创造出以更新、更好的方式去学习的人工智能系统。

Gary Marcus对谈麻省理工科技评论出版人兼总编Jason Pontin

　　在刚刚闭幕的EmTech Digital人工智能峰会，DT君认为，最令人兴奋的恰恰是来自AI研究领域一线大咖们提出的多元化的研究方法。除了最主流的深度学习外，诸如基于概率编程的Gamalon、基于认知科学的Geometric Intelligence等。这些公司为不仅为人工智能的研究提供了全新的思路和方法，更是大有挑战主流深度学习之势。

　　同样，本届EmTech Digital数字峰会上，Gary Marcus风格犀利依旧，精彩的演讲同样迎来满堂彩，尤其将吴恩达关于AI的观点做了比较深入的评论，让人印象深刻。而这次演讲的主题是很多人所关心的一个问题：通用型人工智能什么时候会到来？

　　以下是DT君独家的Gary Marcus演讲精彩内容：