苹果AI总监谈人工智能：有局限性但对强化学习感兴趣

虽然人工智能在图像识别和产品推荐等方面取得了巨大的进步，但是这项技术仍然面临诸多挑战，特别是如何让AI系统拥有“记忆功能”依然是一个难题。

本周二（3月28日），苹果的AI研究部门的总监RuslanSalakhutdinov在MIT Technology Review会议上探讨了人工智能的局限性，不过他并未提及苹果是怎样将人工智能整合到Siri等产品中的。

Salakhutdinov于去年10月加入苹果，他称自己对强化学习（Reinforcement Learning）非常感兴趣， 利用这种技术可以教会计算机通过反复优化决策来获取最好的结果。例如，谷歌就使用了强化学习来帮助数据中心达到最佳的散热和操作配置，从而使其更加节能。

卡耐基梅隆大学（Salakhutdinov是该大学的副教授）的研究人员最近也在做这方面的研究：使用强化学习训练计算机玩上世纪90年代的视频游戏“Doom”。很快，计算机就学会了如何快速并准确地射击外星人，而且还发现闪避能够躲开敌人的火力。但是，它并不擅长记忆，比如记不住迷宫的布局，这使得它无法事先规划和制定游戏策略。

Salakhutdinov的研究涉及到一种AI软件，它能够记录“Doom”中的虚拟迷宫布局以及各个参考点，以便定位特定塔楼的位置。在游戏过程中，该软件首先会判断火炬的颜色（红色或者绿色），然后根据火炬的颜色定位相应颜色的塔楼。

最终，这个软件学会了如何在迷宫中找到正确的塔楼。而且当它发现自己找到的是错误的塔楼的时候，还会原路返回，寻找正确的塔楼。特别值得注意的是，该软件在每次发现塔楼时都能够回忆起火炬的颜色，Salakhutdinov解释道。

不过，Salakhutdinov表示，这种类型的AI软件需要“很长的训练时间”，而且还需要强大的计算能力， 因此难以扩大规模。

此外， Salakhutdinov想要探索的另一个领域是：教会AI软件通过“更少的样本和经验”达到更快的学习速度。尽管没有在演讲中提及，但是他的这一设想显然有利于苹果在更短的时间内创造更好的产品。

一些AI专家和分析师认为，由于苹果公司的隐私规则更加严格，限制了可用于训练AI系统的数据量，因此苹果的AI技术不如谷歌和微软等竞争对手。Fortune认为，如果苹果一直使用较少的数据来训练AI系统，那么它或许能在满足隐私要求的同时，仍然能够像竞争对手那样快速对软件进行改进。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。