來源 |《連線》 編譯整理 | 量子位 若朴
神經網絡橫掃硅谷如卷席，各式各樣的人工智能(AI)已經潛入各式各樣的互聯網服務之中。不過就算神經網絡已經能輕松的認出貓咪的圖片，但仍然有很多不足之處，所以一些人懷疑目前人工智能的模式識別系統，是否是一種先進、可靠的AI發展之路。
無論是Facebook的面部識別、微軟的翻譯或是Google的搜索，背后都是神經網絡通過分析大量數據學會執行任務。人工智能幫助聊天機器人學習談話的藝術，幫助無人駕駛汽車駛上公路。但是如果沒有大量仔細標注的數據，AI並不能理解世界，也不通用。
另一方面，研究人員對神經網絡的工作原理了解有限，很多時候，人工智能就是一個黑盒子。這種不透明導致了嚴重的問題：如果一輛無人駕駛的汽車撞上了行人，可能人們也無從得知為什么人工智能會做出這樣的決定。
“深度學習確實得到了很多關注，它確實值得關注”，卡內基梅隆大學計算機科學教授Tuomas Sandholm說，“但是深度學習不能給你任何保證”。如果你之前看了量子位的文章，立刻能意識到這位教授就是AI賭神Libratus的創造者。
教授說的一點不錯。由於神經網絡中這些明顯的弱點，科技巨頭們正在尋找新的人工智能發展路徑，最近的招聘、收購、研究以及新成立的創業公司，都瞄准了一個新的方向。
貝葉斯方法正在興起。依照這種理論，可以通過正統的科學方法研究人工智能：從一個假設開始，然后技術數據更新這個假設，而不是像神經網絡那樣依賴數據推動結論。貝葉斯方法可以用來處理不確定性，可以為現有模型提供新的證據，可以做神經網絡不擅長的事情。
和神經網絡一樣，貝葉斯方法可也從數據中學習，但完全是兩一個路數的機器學習。“我們感興趣的是讓科學方法自動化”，創業公司Gamalon的創始人Ben Vigoda說，他們正在通過概率編程的方法推動這目標前進。
神經網絡的快速崛起，也為眾多的其他技術注入了生命力，這些技術都能讓機器變得更聰明。從強化學習到進化計算，機器學習不只有一條路可走。
迷之科技
去年12月，當Gary Marcus把他只有15個人的創業公司賣給Uber時，他說自己帶來了一種全新的人工智能。
他的公司名叫幾何智能，一個有着雄心的小操作系統。這位47歲的紐約大學心理學教授表示，他和他的研究伙伴們正在開發一種系統，可以僅僅憑借很小的數據量學會執行任務，就像是人類一樣，這種方式蘊含的能量遠超深度神經網絡。
Marcus認為，小數據系統對於對話機器人以及行駛在公共道路上的無人車而言，是必不可少的。“語言領域和無人車領域都有一些問題，例如永遠缺乏足夠的數據驅動強力的深度學習”，他說畢竟我們不能在繁忙的道路上撞毀車輛，用以收集數據避免未來的事故。
劍橋大學信息工程教授Zoubin Ghahramani是Marcus的聯合創始人，他倆都不願因談及上述技術的細節。這在技術世界一點都不罕見，特別是與AI相關的部分，各種秘而不宣造就了一些迷之科技。不過，Ghahramani也是貝葉斯方法的擁躉。
Ghahramani專門研究一種稱為高斯過程的特定類型統計模型，這有可能在他與Marcus的研究過程中發揮了作用。
高斯過程
在某些方面，高斯過程是找到特定問題最優解的一種方式。這也是另一種數學技術貝葉斯優化的基礎。高斯過程已經用於幫助網站決定應該顯示那些廣告，或者網站主頁應該如何優化。Uber一直在招聘高斯過程方面的專家以改善服務，Google也用高斯過程來協助控制高空互聯網氣球。
從根本上講，高斯過程是識別不確定性的好方法。“知道你不知道是一件非常好的事情”，愛丁堡大學AI研究員Chris Williams說，“做一個自信的錯誤決定是最糟糕的事情”。他也是高斯過程和機器學習方面的權威作者。
2015年被Twitter收購的初創公司Whetlab，就為設計神經網絡提供了一個更好的方法。設計神經網絡是一個極端試錯的任務，困難且耗時。但是高斯過程和貝葉斯優化可以幫助自動完整這個任務。正如WhetLab的創始人、哈佛的計算機科學家Ryan Adams所說的，這家公司正使用“機器學習來改進機器學習”。
神經網絡會遇到“自信的錯誤”困擾，在識別不確定性時，這種優化可以幫助決絕問題。現在Adams已經離開Twitter加入Google Brain。
一些研究人員還認為，高斯過程的小數據能力，可以推進自主化AI方面發揮關鍵作用。“為了建立一個真正自主化的代理，它必須能夠快速適應環境”，AI創業公司Prowler的首席執行官Vishal Chatrath說，“這意味着從高效的從數據中學習”。
此外，Chatrath表示高斯過程很容易解釋，這個技術與神經網絡不同，它不受制於黑盒問題的束縛，如果發生問題，人們可以追蹤原因。
Prowler聘請了三位學者從事這方面的研究。這家公司正在搭建一套AI系統，可以從大型多人游戲和其他數字世界中學習無人駕駛技術。這是一個復雜的工作，但他們希望這能有助於在現實世界進行無人駕駛汽車的導航。
而亞馬遜最近也聘請了一位專門研究貝葉斯技術的AI研究院：謝菲爾德大學計算機科學家Neil Lawrence。《不要驚慌》，這是Lawrence最近發表的一篇博客，他在文中說“通過使用數學工具來應對新一波的深度學習，我們可以確保它們基本上是無害的”。