斯蒂芬?格羅斯伯格認(rèn)為他的智能實現(xiàn)方法更好。

過去20年間，深度學(xué)習(xí)通過一系列有效的商業(yè)應(yīng)用在人工智能研究和項目中占有優(yōu)勢。但光彩背后，一些根深蒂固的問題威脅著技術(shù)的提升。舉例來說，典型的深度學(xué)習(xí)程序無法很好地執(zhí)行一項以上的任務(wù)，嚴(yán)重限制了該技術(shù)在嚴(yán)格控制環(huán)境下特定任務(wù)的應(yīng)用。更嚴(yán)重的是，有人稱深度學(xué)習(xí)不可信，因為其無法解釋，而且它不適合某些應(yīng)用程序，可能出現(xiàn)的遺忘可導(dǎo)致災(zāi)難性后果。說得更直白一點，即使算法確實有效，也不能完全了解為什么有效。雖然深度學(xué)習(xí)工具正在慢慢學(xué)習(xí)新的數(shù)據(jù)庫，但其學(xué)習(xí)記憶的任意部分都可能會突然發(fā)生崩潰。因此，在生死攸關(guān)的應(yīng)用上（如醫(yī)療應(yīng)用），使用深度學(xué)習(xí)可能存在風(fēng)險。IEEE會士斯蒂芬?格羅斯伯格（Stephen Grossberg）在其新書《意識思維、共振大腦：大腦如何形成思維》（Conscious Mind, Resonant Brain: How Each Brain Makes a Mind）中表示，需要一種完全不同的方法。該書以格羅斯伯格數(shù)十年來在認(rèn)知和神經(jīng)領(lǐng)域的研究為基礎(chǔ)，描述了生物智能和人工智能的替代模型。格羅斯伯格將自己的模型稱為自適應(yīng)共振理論（ART）。作為波士頓大學(xué)認(rèn)知和神經(jīng)系統(tǒng)、數(shù)學(xué)和統(tǒng)計學(xué)、心理和腦科學(xué)以及生物醫(yī)學(xué)工程的知名教授，格羅斯伯格的ART是關(guān)于大腦如何處理信息的基礎(chǔ)理論。“在充滿突發(fā)事件、不斷變化的世界中，我們的大腦通過學(xué)習(xí)來識別并預(yù)測物體和事件。”他這樣說。基于這個動態(tài)過程，ART使用監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)方法來解決模式識別、預(yù)測等問題。使用該理論的算法已得到大規(guī)模應(yīng)用，例如聲納和雷達信號分類、睡眠呼吸暫停檢測、電影推薦和基于計算機視覺的輔助駕駛軟件。格羅斯伯格表示，可以放心使用ART，因為它是可解釋的，且不會發(fā)生災(zāi)難性遺忘。他補充說，ART解決了所謂的穩(wěn)定性-可塑性困境：大腦或其他學(xué)習(xí)系統(tǒng)如何能夠自主快速學(xué)習(xí)（可塑性）而不發(fā)生災(zāi)難性遺忘（穩(wěn)定性）。格羅斯伯格于1976年提出ART理論，是大腦智能建模的先驅(qū)。他是波士頓大學(xué)自適應(yīng)系統(tǒng)中心的創(chuàng)始人和主任，同時兼任教育、科學(xué)和技術(shù)學(xué)習(xí)重點基地的創(chuàng)始主任。這兩個中心致力于探索和了解大腦是如何適應(yīng)和學(xué)習(xí)的，并根據(jù)他們的發(fā)現(xiàn)開發(fā)技術(shù)應(yīng)用。在這本近800頁的書中，格羅斯伯格試圖解釋“我們稱為大腦的這一小疙瘩肉”如何產(chǎn)生思想、感覺、希望、感知和計劃。特別是，他描述的生物神經(jīng)模型試圖解釋該過程是如何發(fā)生的。此書還涉及一些疾病的根本原因，例如阿爾茨海默癥、自閉癥、健忘癥、創(chuàng)傷后應(yīng)激障礙等。“了解大腦如何產(chǎn)生思維對設(shè)計計算機科學(xué)、工程和技術(shù)領(lǐng)域的智能系統(tǒng)（包括人工智能和智能機器人）也很重要?！彼麑懙?，“多家公司已經(jīng)在多項工程和技術(shù)應(yīng)用中運用書中總結(jié)的受生物學(xué)啟發(fā)的算法?！?/span>

他稱，書中的理論不僅有助于理解大腦，亦可用于設(shè)計智能系統(tǒng)，自主適應(yīng)不斷變化的世界?？偠灾?，該書描述的基本過程使人變得聰明、自主、多才多藝。

ART之美

格羅斯伯格寫道，大腦通過進化適應(yīng)新的挑戰(zhàn)。大腦有一套通用機制可控制人如何保留信息，不遺忘已經(jīng)學(xué)到東西。“我們保留對過去經(jīng)歷的穩(wěn)定記憶，這些事件序列存儲在我們的工作記憶中，幫助預(yù)測我們未來的行為?！彼f，“人有能力在一生中持續(xù)學(xué)習(xí)，而新的學(xué)習(xí)不會沖刷之前所學(xué)的重要信息的記憶。”他稱，傳統(tǒng)的人工智能面臨的一個問題在于，經(jīng)常使用源自內(nèi)省和常識的概念和操作，建立大腦可能如何工作的模型。“這種方法假設(shè)你可用人們描述日常生活的物體和行為的概念與詞語來內(nèi)省大腦的內(nèi)部狀態(tài)?！彼麑懙?，“這個方法很吸引人，但其結(jié)果往往不足以建立生物大腦如何真正運作的模型?！?/span>格羅斯伯格表示，當(dāng)今人工智能的問題在于試圖模仿大腦處理的結(jié)果，而非探索產(chǎn)生結(jié)果的機制。大腦中有特殊的電路，可使人的行為“即時”感知和適應(yīng)新的情境。他補充說，人可以從新情境中學(xué)習(xí)，將突發(fā)事件整合到所收集的知識和對世界的預(yù)期中。ART的網(wǎng)絡(luò)源自人和動物與環(huán)境互動的思想實驗，他補充稱：“ART電路是人類和其他陸生動物已成功適應(yīng)的多種環(huán)境限制的計算解決方案?！笔聦嵄砻鳎珹RT設(shè)計可能以某種形式嵌入未來的自適應(yīng)自主智能設(shè)備，無論是生物的還是人工的。“未來的技術(shù)和人工智能將越來越依賴于這類自我調(diào)節(jié)系統(tǒng)?！备窳_斯伯格總結(jié)道，“在自動駕駛汽車和飛機等的設(shè)計中，這類情形已經(jīng)發(fā)生。當(dāng)大腦設(shè)計的深入見解融入到資金雄厚的工業(yè)研究和應(yīng)用中，想想將能夠取得多少成果，真是令人興奮?！?/span>