无需调控而胜任不同任务 这种AI更接近人类思考方式(2)

　　未来通用人工智能还需依托脑科学发展

　　“虽然说深度强化学习技术最有可能实现通用人工智能，但是并不能说就一定能够实现，我们离真正的通用人工智能还是有很大差距的。”郝建业表示，深度学习和强化学习结合的时候，对现实情况的枚举就变成首先需要对现实情况进行模式识别，然后进行有限模式的枚举，从而减少计算的压力，但是所需的数据将比其他机器学习算法要大得多。如果将场景扩展到多智能体的深度强化学习，那么需要的数据和算力是呈指数级上升的，目前还没有平台能够提供强化学习所需要的海量数据，无法穷举现实中可能遇到的种种复杂情况。这种数据需求在很多现实领域中都是无法实现的。

　　举例说明，比如强化学习需要大量的试错，如果把单手解魔方机器手应用到做饭的现实场景，那么它可能会把食材弄一地，也可能把一整袋盐倒到锅中，还有可能引起火灾。因此通过试错学习的模式，在现实场景中是无法实现的。

　　此外，深度学习和强化学习都是机器学习领域中最难调试成功的，它的成功案例其实不算很多，但是一旦推出，都会引起轰动。并且，这是一个连随机种子都会大大影响学习效果的模型框架。同样的模型，训练10次可能7次是失败的，3次是成功的。还有一点，深度强化学习极其容易过拟合到智能体当前交互的环境中，所以环境稍有改变，之前看起来表现出色的智能体，很可能就会犯低级错误。

　　“人类认识事物的时候，一般都是通过数据进行因果推理和判断，才得出相应的解决方案。而目前的人工智能系统却并不能实现这种因果推导。”郝建业表示，可能未来通用人工智能的发展，还需要依托于脑科学的发展，目前我们对人脑的认知还处于非常初级的阶段。大脑对事物的认知过程、解决问题的过程以及思考的能力等机制还都不清楚，因此，目前人工智能的发展，离这种真正能模拟人类智能思考的通用人工智能还有很长的路要走。