🔔 ✂️ 🙍🏿 神经智能还是神话？ 🏯 🙅🏾 🤞🏿

神经网络人工智能时代如火如荼！近年来的真正突破-神经网络不仅可以识别语音，动物图片，复杂的场景，甚至可以用文字描述它们！（神经对话）。在神经网络上，制造的机器人仍然很糟糕，但是它们已经在响应。神经网络创作音乐和写诗。根据场景，神经网络甚至要拍电影！很快，新闻记者就预言，很快他们将经营汽车，银行，公司，国家。 “每个人都将乘坐驿马车”-这就是上世纪初他们的梦想。因此，现在它的创建者梦想着神经网络的未来。他们说，他们很快就会超越所有人。神经网络已经在Jaopardy（自己的游戏）中下棋，打人。因此，他们称自己的创作不亚于人工智能。认出了图中的马-人工智能。为什么要智力？因为以前只有人类知道该怎么做。奇怪的是为什么计算器没有被称为人工智能。那叫神经网络是真的吗？

当然，神经网络比计算器要复杂几个数量级。但是，如果您在不预期智能的情况下查看神经网络的工作结果，那么这只是一个分类器！而且，它具有回归性质-将输入集减少为几个选项的选择（关联网络和Boltzmann机器除外）。继电器，只有更复杂的输入。在我看来，智力至少是推理的能力。尽管没有网络可以建立最简单的三段论，但称其为智能，说得太温和，为时过早。我不是在谈论更复杂的任务。举个例子

一只蜜蜂的头上有更多的神经元，但是它知道现代神经网络还不能做什么-在树枝和树木之间高速飞行。尽管Google在10年的发展过程中一直汗流difficulty背，但它却沿着路标驾驶汽车。蜜蜂是昆虫，是神经网络进化的开始。我们甚至还没有达到这个初始水平，但是已经将网络称为标志着神经网络发展之冠的创造力-智力。

每个人以及科学家们自己都犯了同样的认识论错误。他们说网络是智能的，因为它可以识别图中的马！她认出那匹马吗？她只是选择了出口X，研究人员称之为“马”。是的，她做了一个概括（分类器），将马匹的版本简化为出口“马匹”。但是神经网络不知道她选择了什么。她没有“马”（语义学）的概念，“马”输出的“含义”在我们的脑海中，而不是在网络中。为了使他能够进入神经网络本身，她必须选择的不是输入，不是根据公认的图片选择单词，而是选择所有与上下文相关的单词，即“马”的整个概念。然后，她也许会明白，仅在宇宙尘埃云的意义上，马和星云才具有共同的含义。对于神经网络，选择的输出是没有内容的语义“点”。

神经网络最弱的成就恰恰是在自然语言处理中，这需要理解自然语言。因为我们似乎仍然不了解我们自己的意思，就像我看来。这是我们想在汽车中实现的最重要方面。然后可以适当地将其称为情报。准确地理解“马”的语义。同时，似乎我们正在接近了解自己正在做的事情的门槛-他们创建网络，进行培训，但他们不再能够根据创建者自己的理解去实现结果。尽管我们仅创建了智能建筑中的第一块砖。然后我们能否达到更高的AI水平，这比当前的AI复杂一个数量级？

总结

从文章的结果报价，刚刚出现在哈布雷，中语言（语义）模仿神经网络的“成功” habrahabr.ru/company/payonline/blog/307666

“这里只有一个问题，它正迅速成为显而易见的，别人的观察系统响应。当李问：“猫有几只腿？”系统回答：“我想是四只。”之后，他又做了一次尝试：“ a有几条腿？”答案很好奇：“八个”。本质上，Lee的程序根本不知道她在说什么。她了解符号的某些组合可以一起出现，但对现实世界的存在一无所知。她不知道actually的实际外观或移动方式。也就是说，在我们面前仍然只是智力的幻觉剥夺了我们人类理所当然的常识。结果的这种不稳定性对于深度学习系统来说非常普遍。 Google的字幕图片程序会犯一些奇怪的错误。例如，看着一个交通标志，她可能会称它为装有食物的冰箱。”

从评论中，我注意到ZhenyaZero，它非常准确地表达了现代神经网络与人类如何识别图片之间的具体差异。 “不过，毫无疑问，您将第五只腿的马与第五只腿的老虎区分开。而且，在描述图片时，大多数人会说“有第五条腿的马”，而不是“我认为这是小菜一碟”。而且，关于异常和临界变体的神经网络结果的预测确实很差，而且通常看起来完全不够。

还有一些事实
1）要看到这么多不同的“马”，没有一个人会拥有一生的时间。
2）通常，一个孩子只需要展示一张新动物的图片并说明其区别是足够的，这样他就可以在下一次以任何姿势识别这些动物。
3）即使看到马bri，我们的意思是“马”。

本文的结论很明显，但是更重要的是要理解为什么存在这种差异以及下一步该做什么。您的建议。

神经智能还是神话？

More articles: