参与：李亚洲、吴攀

Elon Musk 正在全面押注自动驾驶汽车的新计划，他需要强大的人工智能技术来确保特斯拉汽车能够实时理解不同的驾驶情况，atv，并据此实时地做出反应。人工智能正在实现非凡的成就：上周，了他们的软件已经学会了像一个伦敦本地人一样在纷繁复杂的地铁线路中导航。甚至就连白宫也来凑热闹了，他们在不久前放出了一份报告，旨在帮助美国为机器能像人类一样思考的未来做好准备。

但已经在研究和尝试解决人工智能的基本问题上工作了几十年的计算机科学家 Oren Etzioni 说：在人们可以或应该将世界交给人工智能接管之前，人工智能还有很长的路要走。Etzioni 目前是艾伦人工智能研究所（AI2）的首席执行官；该组织是由微软的联合创始人 Paul Allen 于 2014 年组建的，该组织的目标是开发人工智能的潜在好处——以及纠正好莱坞乃至其他人工智能研究者鼓吹的人工智能可能威胁人类种族的观念。

AI2 自己的项目可能并不非常疯狂——比如说他们有一个基于人工智能的学术研究搜索引擎 Semantic Scholar（https://www.semanticscholar.org/）——但他们确实在解决推理（reasoning）等人工智能领域的问题，这将使得这一技术超越 Etzioni 所说的「只在一件事上做得非常好的狭隘的专家」。

Scientific American 在纽约最近的一场人工智能会议上对 Etzioni 进行了采访，在采访中他表达了自己对企业过于鼓吹人工智能的当前能力——尤其是被称为深度学习的机器学习技术——的担忧。这个处理过程需要将大型的数据集通过模拟人脑神经网络的网络，以便教会计算机学会自己解决特定的问题，比如识别模式或确定照片中存在的特定物体。Etzioni 还解释了他为什么认为十岁孩童比谷歌 DeepMind 的 AlphaGo 程序更聪明，以及为什么终将需要开发人工智能「卫士」程序来防止人工智能程序变得危险。

　　Oren Etzioni

下面是经过编辑整理的采访内容：

在开发最好的人工智能技术上，人工智能研究者前面还有什么鸿沟吗？

Etzioni ：一些人已经靠他们自己取得了一点点领先。我们已经在语音识别、自动驾驶汽车（或者说自动驾驶的有限形式）以及当然的围棋等领域取得一些实质性的进展。所有这些都是非常实质的技术成就。但我们该怎样解读它们呢？深度学习无疑是一项很有价值的技术，但在创造人工智能上，我们还有很多其它的问题要解决，其中包括推理（意味着计算机不仅能计算 2+2=4，还能进行理解）和获取可被机器用于创造语境的背景知识。还有另一个例子是自然语言理解。尽管我们已经有 AlphaGo 了，但我们还没有一个能够读懂和完全理解一段话或甚至一句话的程序。

有人说深度学习是「我们最好的（the best we have）」人工智能技术。那是对深度学习的批评吗？

Etzioni ：当你有大量进行了标注以使计算机能理解其含义的数据和大量算力，以及需要找到那些数据中的模式的时候，我们可以发现深度学习是无敌的。再次说到 AlphaGo 的例子，该人工智能程序为了学会在不同情形下的正确走子而处理过 3000 万个棋盘局面。还有很多类似的情形——比如放射图像——其中图像需要被标记为有肿瘤或没有肿瘤，一个经过调节的深度学习程序可被用来确定其之前看过的图片中是否有肿瘤。深度学习方面还有很多的工作要做，而且确实，这是前沿的技术。

　　那么问题出在哪里？

Etzioni ：问题是对于智能，除了有大量可用来训练程序的情况，还有很多其它情况。比如学生准备 SAT 或 New York Regents exams（大学入学考试）这样的标准考试时所用的数据。他们可不能通过考察之前的 3000 万份标注了「成功」或「不成功」的考试来获得高分。这是一个更为复杂的交互式的学习过程。智能还涉及到从建议、对话的语境或阅读书籍中学习。但是同样地，尽管深度学习领域有这些惊人的进步，我们也还是不能得到一个能做到十岁孩童所能做的事情的程序，即：拿起一本书，读一章，然后回答有关读到的内容的问题。

为什么人工智能通过标准考试可以成为这项技术的重大进步？