6
2012年，IBM的Watson获得了克利夫兰诊所勒纳大学医学院的录取通知书，作为一名医生院学生开始了求学之旅。Watson是IBM的人工智能，而它进入医学院是在让医生们训练它，用于医学研究。
三年后，你可能想当然地认为，或许Watson至少在对医学的理解上有一些进步了。但从它的同类来看，人工智能的表现很不如人意，甚至不能通过美国八年级的科学测试，更不要说符合医学院的录取标准了。或许Watson当初是走后门进去的吧。
华盛顿大学的计算机科学教授Oren Etzioni和艾伦人工智能研究所最近举行了一场比赛，邀请800个人工智能团队让其AI系统参加八年级（相当于国内的初二）科学测试。如今结果出来了：表现最好的也只答对了60%的问题。换句话说：在座的各人工智能都是……不如中二少年。
对Etzioni来说，这场长达五个月的测试说明了人工智能的发展现状。得益于深度神经网络（模拟人脑神经元网络的软硬件网络）的兴趣，Google和Facebook还有微软等公司的系统在图像语音识别等领域，达到了人类高度的表现水平。但要让机器学会思考，还是一件不太可能的事，他们甚至不能进行对话，也不能通过基本的科学测试。
遥想2011年，Watson在问答节目Jeopardy!上击败了最优秀的人类选手；就在前不久，Google的人工智能还在围棋上战胜了人类职业选手。但对机器来说，这些都没科学测试难。
研究所的科学测试不仅包括知识问答，它还会要求机器理解基本的概念，回答进化适应这类复杂的问题。其中一个多项选择问题是：
一些鱼类成熟后的多数时间都生活在盐水中，但会在淡水中产蛋。它们适应不同环境的能力是什么的最佳例证？
这些多项选择机器还是应付不过来，就算是用神经网络也不行。Etzioni表示，自然语言处理，推理，理解科学书籍上的概念，这些都是更为复杂的挑战，需要很多推理。
虽然多数参赛的人工智能都属于学术机构和独立研究员，但Etzioni认为科技巨头的表现也不会好到哪里去。“Google那样公司的得分很可能高些，但‘集体的智慧’说明了一切，而且参赛的还有一些很聪明的人。”
亲爱的Watson呢？Etzioni说IBM拒绝参加比赛，因为对这类比赛没什么兴趣，更关注解决现实世界中的问题。不过Watson也不是最好的测试对象了，它以前可能主要关注问答比赛，但现在已经是一系列人工智能工具的集合了，也不能代表普遍的水平。
Etzioni测试是对自然语言处理的测试，能用来了解机器能在多大程度上理解人类语言。IBM的服务包括自然语言处理，但自Watson诞生以来，这类技术逐渐更多受到了深度神经网络的影响。正如你能用大量喵星人图片训练神经网络识别猫一样，你也能用对话教它理解自然语言。Google甚至还用这种方式开发了一个聊天机器人，能与你探讨人生的意义。
但聊天机器人并不能让人信服，而且人工智能的现状不取决于单一的技术。在没有通用方法前，我们需要多种机器学习和人工智能工具。就像在Etzioni的测试中，很多参赛者也用了多种工具，但结果仍旧不理想。
不过也有人认为让机器通过科学测试没多大意义，我们关注的应该更深远。完全多项选择题并不是人工智能的目标。像自然语言理解和科学测试，应该是真正的智能程序可以自然掌握的内容，换句话说，通过测试也并不代表真正的智能。既然还无法战胜中二少年，人工智能们还需努力。
via wired
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
