Deepmind Gato带来希望，也带来绝望，通用人工智能之路仍不清晰-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

手头有600种武术。深思熟虑的”通才”加托仍然看不到这台机器能产生普遍智能的希望

作者的智慧

这是《智慧》的原创文章，请联系后台转载

最近，DeepMind推出了一个名为Gato的人工智能模型。Alphabet旗下的这个人工智能实验室宣布，该模型可以玩雅达利电子游戏.聊天.使用真正的机械手臂堆叠砖块和其他600种技能。

Nandud Freitas是DeepMind的顶级研究人员之一，也是Gato论文的合著者，他兴奋地在推特上写道：”游戏结束了！”

他认为，从Gato到AI或Alamos Gold有一条清晰的道路，并表示建造Alamos黄金的方式主要是规模问题，也就是说，让Gato这样的模型变得更大更好。

《新科学家》的报告解释了Alamos Gold，也就是说，一个可以学习人类可以学习的任何智能任务的模型。

Deepmind的创始人认为Gato是重要的一步

然而，DeepMind一直对技术趋势极为乐观，但这次未能说服业界：AI参数缩放是AI性能的最终路径吗？它最终会实现AGI，从而成为全自动驾驶和各种机器人的内在灵魂吗？吴恩达反驳李开复：人工智能的趋势是更小的数据构建算法

目前，道路很艰难。《下一个网络》的专栏作家特别提到了德弗雷塔斯，认为他没有看到加托的希望，反而让加托失望了。也许AGI是一种未实现的奢侈。

《麻省理工学院技术评论》(MIT Technology Review)指出，关于DeepMind AI新模型Gato的炒作将损害整个领域。

加托，路被堵住了

斯坦福大学(Stanford University)教授李菲菲(Li Feifei)也是业内第一个在图像识别领域看到机器学习机会的人。机器学习酵母曾经比较过人类和机器之间的差异：

机器学习系统可以通过学习和训练数万张图片来识别猫.狗和动物。李菲菲3岁的女儿只需要看两三张照片。

在Deepmind的AlphaGO和李世石的比赛中，赢得比赛的AlphaGO消耗了几十万的能量，而李世石只是脸红了一下，觉得很热。

这是人类智能和人工智能之间的差距。深度思维是否跨越了这一自然屏障？

Deepmind指出，受大规模语言建模的启发，它应用了类似的方法来构建一个”通才”代理Gato。它具有多模式.多任务和多实施例的特点，可以执行600多个不同的任务。

在某种意义上，它是一个变形金刚。作为复杂推理任务的首选架构，它展示了总结文本.制作音乐.对照片中的对象进行分类和分析蛋白质序列的能力。

然而，近年来对人工智能模型的仔细审查表明，Gato的架构与当今使用的许多人工智能系统非常相似。以人工智能(AGI)公司OpenAI的GPT-3为例，OpenAI旨在开发和控制AGI。通往AGI的道路是LLM。

问题是没有人知道如何使AGI工作。正如从”火的发现”到”内燃机的发明”花费了大量时间一样，如何从深度学习AGI也不会一蹴而就。

Gato自称是”通用人工智能”，做的事情与GPT-3几乎相同。它只将一个类似LLM的工作原理整合到一个能够表演600多种魔术的”魔术师”中。

就连DeepMind自己的科学家大卫·帕夫(David Puff)也表示：”我真的不明白为什么人们对Gato的论文如此兴奋。他们找到了一组独立的培训代理，然后将所有的保险单分配给一个网络？这并不奇怪。”AI独角兽隐藏的疾病：生意取决于面子，收入取决于政府和股东

Gato更像一个拼盘，而不是升级版

更重要的是，Gato参数的数量比单任务系统(包括GPT-3)低几个数量级。参数是从训练数据中学习的系统组件，从根本上描述了系统解决问题的能力。例如，文本生成，GPT-3超过1700亿，而Gato只有12亿。GPT-3的参数比人脑少1000倍。

在广告中

DeepMind称Gato为”多面手”，这可能会让它成为AI领域Alamos Gold过度炒作的受害者。更严重的是，人工智能和机器人研究人员Emmanuel Kahem bwe认为，围绕Gato这样的工具的炒作对人工智能的整体发展有害，这导致许多有趣的话题因缺乏资金而被搁置。

人工智能泛化的下一步是什么

他指出，Alamos Gold表达了一种深刻的人姓-我们可以通过构建工具来超越自己，从而提升自己的伟大。但让我们忽略一个事实，即我们现在面临的是真正的问题，我们应该尝试使用人工智能来解决这些问题。

自Transformer诞生以来，Gato一直沿用人工智能的”泛化”路线。AI算法可以处理文本.图像.雷达信号等。谷歌.Meta.OpenAI和特斯拉正在探索这条道路，谷歌去年推出的Perceiver和Pathway也是如此。

乐观主义者认为，当人工智能从纯文本和图像识别变得越来越”通才”时，它将突破将通用机器人应用于现实世界的难题。悲观主义者认为，拥有数千亿参数的人工智能模型将导致AGI走向斯胡同，需要找到新的突破路径。