AI 关于AI的四个最常见的谬论( 二 ) 关于AI的四个最常见的谬论|

Mitchell将此谬误称为“一厢情愿的助记符的诱惑”，并写道：“这种简写可能会误导试图理解这些结果的公众（以及报道这些结果的媒体），并且还会无意识地影响甚至AI专家的思考方式。他们的系统以及这些系统与人类智能的相似程度。”
一厢情愿的谬论也导致AI社区以令人误解的方式命名算法评估基准。例如，考虑由AI中一些最受尊敬的组织和学术机构开发的通用语言理解评估（GLUE）基准。GLUE提供了一组任务，这些任务可以帮助评估语言模型如何将其功能推广到其已受训的任务之外。但是，与媒体所描述的相反，如果AI代理获得的GLUE得分高于人类，则并不意味着它的语言理解能力要高于人类。
Mitchell写道：“虽然在这些特定基准上机器的性能优于人类，但AI系统仍远不能与我们与基准名称相关联的更一般的人类能力相匹配。”
如意算术的一个明显例子是Facebook人工智能研究公司2017年的一个项目，科学家在该项目中训练了两个AI代理以基于人类对话的任务进行谈判。在他们的博客文章中，研究人员指出“更新两个代理的参数会导致与人类语言的差异，因为代理开发了自己的语言进行谈判（强调我的意思）。”
这导致了一系列的点击诱饵文章，它们警告了AI系统变得比人类更智能，并且正在以秘密方言进行交流。四年后，最先进的语言模型仍然难以理解大多数人在很小的年龄就没有受到指导的情况下所学的基本概念。
没有身体的AI
智慧能否与世界丰富的物理经验孤立地存在？这是科学家和哲学家几个世纪以来一直困惑的问题。
一种思想流派认为，智力全在大脑中，并且可以与身体分离，这也被称为“桶中的大脑”理论。米切尔（Mitchell）称其为“智力全在脑中”的谬论。有了正确的算法和数据，我们就可以创建可以生活在服务器中并与人类智能相匹配的AI 。对于这种思维方式的拥护者，尤其是那些支持纯粹的基于深度学习的方法的人，达到通用AI取决于收集适量的数据并创建越来越大的神经网络。
同时，越来越多的证据表明这种方法注定会失败。她写道：“越来越多的研究人员正在质疑“全脑”信息处理模型的基础，以理解智能并创建人工智能。”
【AI|关于AI的四个最常见的谬论】人和动物的大脑已经与所有其他人体器官一起进化，其最终目标是提高生存机会。我们的智力与身体的极限和能力紧密相关。嵌入式AI的领域不断扩大，其目的是通过通过不同的感官刺激与环境互动来创建能够发展智能技能的主体。
米切尔（Mitchell）指出，神经科学研究表明“控制认知的神经结构与控制感觉和运动系统的神经结构紧密相连，抽象思维利用了基于人体的神经“图” 。”事实上，越来越多的证据和研究证明了来自反馈的反馈。大脑的不同感觉区域会影响我们的有意识和无意识思想。
米切尔（Mitchell）支持这样的观念，即情感，感觉，潜意识偏见和身体经验与智力密不可分。她写道：“在我们的心理学或神经科学知识上，没有任何东西可以支持'纯粹的理性'与可以影响我们的认知和目标的情感和文化偏见分开的可能性。”

“相反，我们从体现认知的研究中学到的是，人类智力似乎是一个高度集成的系统，具有紧密相关的属性，包括情感，欲望，强烈的自我意识和自主性以及对世界的常识。尚不清楚这些属性是否可以分开。”

人工智能常识
发展通用人工智能需要对我们对智能本身的理解进行调整。我们仍在努力定义什么是智能以及如何在人工和自然界中对其进行测量。
“很明显，为了更有效地实现和评估AI的进步，我们将需要开发出更好的词汇来谈论机器可以做什么，” Mitchell写道。

“从更广泛的意义上讲，我们将需要对智能进行更好的科学理解，因为它体现在自然界的不同系统中。”

米切尔（Mitchell）在论文中讨论的另一个挑战是常识性挑战，她将其描述为“一种当今最先进的AI系统所缺少的保护伞” 。
常识包括我们获得的有关世界的知识，并且每天无需付出太多努力就可以应用它。当我们还是孩子的时候，通过探索世界，我们可以学到很多东西，而无需明确指示。其中包括诸如空间，时间，重力和物体的物理属性之类的概念。
例如，一个孩子很小的时候就知道，当一个物体被另一个物体挡住时，它并没有消失并继续存在，或者当一个球在桌子上滚动并到达壁架时，它应该掉下来。我们使用这些知识来构建世界的心理模型，进行因果推断，并以相当高的准确性预测未来状态。