蘋果AI總監(jiān)談人工智能：有局限性但對強化學習感興趣

雖然人工智能在圖像識別和產品推薦等方面取得了巨大的進步，但是這項技術仍然面臨諸多挑戰(zhàn)，特別是如何讓AI系統(tǒng)擁有“記憶功能”依然是一個難題。

本周二（3月28日），蘋果的AI研究部門的總監(jiān)RuslanSalakhutdinov在MIT Technology Review會議上探討了人工智能的局限性，不過他并未提及蘋果是怎樣將人工智能整合到Siri等產品中的。

Salakhutdinov于去年10月加入蘋果，他稱自己對強化學習（Reinforcement Learning）非常感興趣， 利用這種技術可以教會計算機通過反復優(yōu)化決策來獲取最好的結果。例如，谷歌就使用了強化學習來幫助數據中心達到最佳的散熱和操作配置，從而使其更加節(jié)能。

卡耐基梅隆大學（Salakhutdinov是該大學的副教授）的研究人員最近也在做這方面的研究：使用強化學習訓練計算機玩上世紀90年代的視頻游戲“Doom”。很快，計算機就學會了如何快速并準確地射擊外星人，而且還發(fā)現閃避能夠躲開敵人的火力。但是，它并不擅長記憶，比如記不住迷宮的布局，這使得它無法事先規(guī)劃和制定游戲策略。

Salakhutdinov的研究涉及到一種AI軟件，它能夠記錄“Doom”中的虛擬迷宮布局以及各個參考點，以便定位特定塔樓的位置。在游戲過程中，該軟件首先會判斷火炬的顏色（紅色或者綠色），然后根據火炬的顏色定位相應顏色的塔樓。

最終，這個軟件學會了如何在迷宮中找到正確的塔樓。而且當它發(fā)現自己找到的是錯誤的塔樓的時候，還會原路返回，尋找正確的塔樓。特別值得注意的是，該軟件在每次發(fā)現塔樓時都能夠回憶起火炬的顏色，Salakhutdinov解釋道。

不過，Salakhutdinov表示，這種類型的AI軟件需要“很長的訓練時間”，而且還需要強大的計算能力， 因此難以擴大規(guī)模。

此外， Salakhutdinov想要探索的另一個領域是：教會AI軟件通過“更少的樣本和經驗”達到更快的學習速度。盡管沒有在演講中提及，但是他的這一設想顯然有利于蘋果在更短的時間內創(chuàng)造更好的產品。

一些AI專家和分析師認為，由于蘋果公司的隱私規(guī)則更加嚴格，限制了可用于訓練AI系統(tǒng)的數據量，因此蘋果的AI技術不如谷歌和微軟等競爭對手。Fortune認為，如果蘋果一直使用較少的數據來訓練AI系統(tǒng)，那么它或許能在滿足隱私要求的同時，仍然能夠像競爭對手那樣快速對軟件進行改進。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。