D一，沒有銀彈——破除對“終J算法”的迷信

深度學習落入了“尋找銀彈”（銀彈在歐洲民間傳說中是吸血鬼和狼人克星，引申義為致命武器、殺手锏）的陷阱，用充滿“殘差項”和“損失函數(shù)”等術語的全新數(shù)學方法來分析世界，依然局限于“獎勵大化”的角度，而不去思考，若想獲得對世界的“深度理解”，整個體系中還需要引入哪些東西。

神經(jīng)科學告訴我們大腦是J為復雜的。真正擁有智慧和復雜性的系統(tǒng)，很有可能像大腦一樣充滿復雜性。任何一個提出將智慧凝練成為單一原則的理論，或是簡化成為單一“終J算法”的理論，都將誤入歧途。

D二，認知大量利用內(nèi)部表征——人類的認知不是從出生后的學習才開始，而是依賴于進化留下的先天表征

從嚴格的技術意義上講，神經(jīng)網(wǎng)絡也具有表征，比如表示輸入、輸出和隱藏單元的向量，但幾乎完全不具備更加豐富的內(nèi)容。在經(jīng)典人工智能中，知識完全是由這類表征的積累所組成的，而推理則是建立在此基礎之上的。如果事實本身模糊不清，得到正確的推理就會難于上青天。外顯表征的缺失，也在DeepMind的雅達利游戲系統(tǒng)中造成了類似的問題。DeepMind的雅達利游戲系統(tǒng)之所以在《打磚塊》這類游戲的場景發(fā)生稍許變化時便會崩潰，原因就在于它實際上根本不表征擋板、球和墻壁等抽象概念。

沒有這樣的表征，就不可能有認知模型。沒有豐富的認知模型，就不可能有魯棒性。你所能擁有的只是大量的數(shù)據(jù)，然后指望著新事物不會與之前的事物有太大的出入。當這個希望破滅時，整個體系便崩潰了。

在為復雜問題構(gòu)建有效系統(tǒng)時，豐富的表征通常是必不可少的。DeepMind在開發(fā)以人類(或超人)水平下圍棋的AlphaGo系統(tǒng)時，就放棄了先前雅達利游戲系統(tǒng)所采用的“僅從像素學習”的方法，以圍棋棋盤和圍棋規(guī)則的詳細表征為起步，一直用手工的機制來尋找走棋策略的樹形圖和各種對抗手段。

第三，抽象和概括在認知中發(fā)揮著至關重要的作用

我們的認知大部分是相當抽象的。例如，“X是Y的姐妹”可用來形容許多不同的人之間的關系:瑪利亞·奧巴馬是薩沙·奧巴馬的姐妹，安妮公主是查爾斯王子的姐妹，等等。我們不僅知道哪些具體的人是姐妹，還知道姐妹的一般意義，并能把這種知識用在個體身上。比如，我們知道，如果兩個人有相同的父母，他們就是兄弟姐妹的關系。如果我們知道勞拉·英格斯·懷德是查爾斯·英格斯和卡羅琳·英格斯的女兒，還發(fā)現(xiàn)瑪麗·英格斯也是他們的女兒，那么我們就可以推斷，瑪麗和勞拉是姐妹，我們也可以推斷:瑪麗和勞拉很可能非常熟識，因為J大多數(shù)人都和他們的兄弟姐妹一起生活過;兩人之間還可能有些相像，還有一些共同的基因特征;等等。

認知模型和常識的基礎表征都建立在這些抽象關系的豐富集合之上，以復雜的結(jié)構(gòu)組合在一起。人類可以對任何東西進行抽象，時間(“晚上10:35”)、空間(“北J”)、特殊事件(“亞伯拉罕·林肯被暗殺”)、社會政治組織(“美國國務院”“暗網(wǎng)”)、特征(“美”“疲勞”)、關系(“姐妹”“棋局上擊敗”)、理論(“馬克思主義”)、理論構(gòu)造(“重力”“語法”)等，并將這些東西用在句子、解釋、比較或故事敘述之中，對J其復雜的情況剝絲抽繭，得到基礎的要素，從而令人類心智獲得對世界進行一般性推理的能力。

第四，認知系統(tǒng)是G度結(jié)構(gòu)化的

我們可以預期，真正的人工智能很可能也是G度結(jié)構(gòu)化的，在應對給定的認知挑戰(zhàn)時，其大部分能力也將源自在正確的時間以正確的方式對這種結(jié)構(gòu)進行利用。具有諷刺意味的是，當前的趨勢與這樣的愿景幾乎完全相反�，F(xiàn)在的機器學習界偏向于利用盡可能少的內(nèi)部結(jié)構(gòu)形成單一同質(zhì)機制的端到端模型。

在某種程度上，這樣的系統(tǒng)從概念上來看更簡單，用不著為感知、預測等分別設計單獨的算法。而且，初看起來，該模型大體上效果還算理想，有一部令人印象深刻的視頻似乎也證明了這一點。那么，既然用一個龐大的網(wǎng)絡和正確的訓練集就能簡單易行地達到目標，為什么還要將感知、決策和預測視為其中的獨立模塊，然后費心費力地建立混合系統(tǒng)呢?

問題就在于，這樣的系統(tǒng)幾乎不具備所需的靈活性。

在關鍵的應用場景中，優(yōu)秀的AI研究人員致力于解決復雜問題時，常常會使用混合系統(tǒng)，我們預期，這樣的情況在未來會越來越多。AI和大腦一樣，需要要有結(jié)構(gòu)，利用不同的工具來解決復雜問題的不同方面。

第五，即便是看似簡單的認知，有時也需要多種工具

大腦也利用幾種不同的模式來處理概念，利用定義，利用典型特征，或利用關鍵示例。我們經(jīng)常會同時關注某個類別的特征是什么，以及為了令其滿足某種形式的標準，需要符合什么條件。

AI面臨的一個關鍵挑戰(zhàn)，就是在捕捉抽象事實的機制(J大多數(shù)哺乳動物是胎生)和處理這個世界不可避免的異常情況的機制(鴨嘴獸這種哺乳動物會產(chǎn)卵)之間，尋求相對的平衡。通用人工智能既需要能識別圖像的深度學習機制，也需要能進行推理和概括的機制，這種機制更接近于經(jīng)典人工智能的機制以及規(guī)則和抽象的世界。

要獲得適用范圍更廣的AI，我們需要將許多不同的工具組織在一起，有些是老舊的，有些是嶄新的，還有一些是我們尚未發(fā)現(xiàn)的。

第六，人類思想和語言是由成分組成的

在喬姆斯基看來，語言的本質(zhì)，用更早期的一位語言學家威廉·馮·洪堡(Wilhelm von Humboldt)的話來說，就是“有限方法的無限使用”。借有限的大腦和有限的語言數(shù)據(jù)，我們創(chuàng)造出了一種語法，能讓我們說出并理解無限的句子，在許多情況下，我們可以用更小的成分構(gòu)造出更大的句子，比如用單詞和短語組成上面這句話。如果我們說，“水手愛上了那個女孩”，那么我們就可以將這句話作為組成要素，用在更大的句子之中，“瑪麗亞想象水手愛上了那個女孩”，而這個更大的句子還可以作為組成要素，用在還要大的句子之中“克里斯寫了一篇關于瑪麗亞想象水手愛上了那個女孩的文章”，以這樣的方式接著類推，每一句話我們都可以輕松理解。

神經(jīng)網(wǎng)絡先驅(qū)學者杰弗里·欣頓一直在為他提出的“思維向量”而發(fā)聲。在深度學習中，每個輸入和輸出都可以被描述為一個向量，網(wǎng)絡中的每個“神經(jīng)元”都為相關向量貢獻一個數(shù)字。由此，許多年以來，機器學習L域的研究人員一直試圖將單詞以向量的形式進行編碼，認為任何兩個在意義上相似的單詞都應該使用相似的向量編碼。

類似的技術被谷歌所采用，并體現(xiàn)在了谷歌在機器翻譯方面取得的進展之中。那么，為什么不以這種方式來表征所有的思想呢?

因為句子和單詞不同。我們不能通過單詞在各類情況下的用法來推測其意思。例如貓的意思，至少與我們聽說過的所有“貓”的用法的平均情況有些許相似，或(從技術角度講)像是深度學習系統(tǒng)用于表征的矢量空間中的一堆點。但每一個句子都是不同的:John is easy to please(約翰很好哄)和John is eager to please(約翰迫不及待的想要取悅別人)并不是完全相似的，雖然兩句話中的字母乍看去并沒有多大區(qū)別。John is easy to please和John is not easy to please的意思則完全不同。在句子中多加一個單詞，就能將句子的整個意思全部改變。深度學習在沒有G度結(jié)構(gòu)化句子表征的情況下工作，往往會在處理細微差別時遇到問題。

這個例子告訴我們:統(tǒng)計數(shù)字經(jīng)常能近似地表示意義，但永遠不可能抓住真正的意思。如果不能準確地捕捉單個單詞的意義，就更不能準確地捕捉復雜的思想或描述它們的句子。

第七，對世界的魯棒理解，既需要自上向下的知識，也需要自下而上的信息

看一看這幅圖片。這是個字母，還是個數(shù)字?

很明顯，這幅圖片既可以是字母，也可以是數(shù)字，具體取決于它所在的上下文。

認知心理學家將知識分為兩類:自下而上的信息，是直接來自我們感官的信息;還有自上而下的知識，是我們對世界的先驗知識,例如,字母和數(shù)字是兩個不同的類別，單詞和數(shù)字是由來自這些類別之中的元素所組成的，等等。這種模棱兩可的B/13圖像，在不同的上下文中會呈現(xiàn)出不同的面貌，因為我們會嘗試著將落在視網(wǎng)膜上的光線與合乎邏輯的世界相結(jié)合。

找到一種方法將自下而上和自上而下兩者整合為一體，是人工智能的當務之急，卻常常被人忽視。

人類對任何一個概念的認知，都取決于概念出現(xiàn)的上下文和其所屬的理論框架。識別出不同的應用場景，不僅可以顯著減少所需數(shù)據(jù)，還能夠讓AI變得更加可信任。如果AI可以區(qū)分畫中的一把刀和真實場景下的刀，就可以做出不同的反應。

同時，人類會對每個事物和人的個體分別進行持續(xù)的觀察和跟蹤，以此來將不同時間點的數(shù)據(jù)進行統(tǒng)一的分析。這也是AI需要向人類學習的方式。

第八，概念嵌于理論之中

嵌入在理論中的概念對有效學習至關重要。假設一位學齡前兒童D一次看到鬣蜥的照片。從此之后，孩子們就能認出其他照片上的、視頻中的和現(xiàn)實生活中的鬣蜥，而且準確率相當G，很容易就能將鬣蜥與袋鼠甚至其他蜥蜴區(qū)分開來。同樣，孩子能夠從關于動物的一般知識中推斷出，鬣蜥會吃東西，會呼吸，它們生下來很小，會長大，繁殖，然后死去，并意識到可能有一群鬣蜥，它們看起來或多或少都有些相似，行為方式也相似。

沒有哪個事實是一座孤島。通用人工智能若想獲得成功，就需要將獲取到的事實嵌入到更加豐富的、能幫助將這些事實組織起來的G層級理論之中。

第九，因果關系是理解世界的基礎

深度學習能否成功，在嘗試之前是無法確證的，AlphaGo的設計者在設計之初也不確定能否取得如今的成績，畢竟深度學習能夠找到的規(guī)律只是相關性，而非因果性。

圍棋的棋盤形式和游戲規(guī)則構(gòu)成了一個相對簡單的因果模型，只有勝負的結(jié)果和單一的時間顆粒度，影響勝負的因素只有自己如何下棋。因此，和贏棋相關的走法，就等同于導致AI更強的算法改進。

但現(xiàn)實中，尤其是在2B的應用場景下，AI需要在多維度和長時間尺度下，做出同時滿足多種評價標準的決策，此時相關性就不等同于因果性。

第十，我們針對逐個的人和事件進行跟進

你的另一半以前當過記者，喜歡喝白蘭地，不那么喜歡威士忌。你的女兒以前特別害怕暴風雨，喜歡吃冰激凌，沒那么喜歡吃曲奇餅。你車子的右后門被撞了個小坑，一年前你更換了車子的變速器。街角那家小商店，以前賣的東西質(zhì)量特別好，后來轉(zhuǎn)手給新老板之后，東西的質(zhì)量就一天不如一天。我們對世界的體驗，是由許多持續(xù)存在、不斷變化的個體組成的，而我們的許多知識，也是圍繞著這些個體事物而建立起來的。不僅包括汽車、人物和商店，還包括特定的實體，及其特定的歷史和特征。

奇怪的是，這并非深度學習與生俱來的觀點。深度學習以類別為重點，而不以個體為重點。通常情況下，深度學習善于歸納和概括:孩子都喜歡吃甜食，不那么喜歡吃蔬菜，汽車有四個輪子。這些事實，是深度學習系統(tǒng)善于發(fā)現(xiàn)和總結(jié)的，而對關于你的女兒和你的車子的特定事實，則沒什么感覺。

第十一，復雜的認知生物體并非白板一塊

人工智能要獲得真正的進步，首先要搞清楚應該內(nèi)置何種知識和表征，并以此為起點來啟動其他的能力。

我們整個行業(yè)，都需要學習如何利用對實體對象的核心理解來進一步了解世界，在此基礎之上構(gòu)建起系統(tǒng)，而不是單純憑借像素和行為之間的相關性來學習一切，以此為系統(tǒng)的核心。我們所謂的“常識”，大部分是后天習得的，比如錢包是用來裝錢的、奶酪可以打成碎屑，但幾乎所有這些常識，都始于對時間、空間和因果關系的確定感知。所有這一切的基礎，可能就是表征抽象、組合性，以及持續(xù)存在一段時間(可以是幾分鐘，也可以是數(shù)十年)的對象和人等個體實體的屬性的內(nèi)在機制。如果機器想要學習尚無法掌握的東西，那么從一開始就需要擁有這樣的基礎。