AI越来越强,但我们快要养不起了(2)
一些尚未发现或被低估的机器学习类型也可能降低计算量。比如基于专家见解的机器学习系统更为高效,但如果专家不能辨别所有的影响因素,这样的系统就无法与深度学习系统相媲美。仍在发展的神经符号等技术,有望将人类专家的知识和神经网络的推理能力更好地结合。正如罗森布拉特在神经网络诞生之初所感受到的困境,今天的深度学习研究者也开始面临计算工具的限制。在经济和环境的双重压力下,如果我们不能改变深度学习的方式,就必须面对这个领域进展缓慢的未来。我们期待一场算法或硬件的突破,让灵活而强大的深度学习模型能继续发展,并为我们所用。
(据《环球科学》 编译:郑昱虹)
(责编:罗知之、陈键)