全世界只有3.14 %?的人關(guān)注了

青少年數(shù)學(xué)之旅

近日，“OpenAI的機(jī)器手在4分鐘內(nèi)單手成功還原魔方”引起刷屏，然而，這一成就被著名機(jī)器學(xué)習(xí)懷疑論者馬庫(kù)斯質(zhì)疑了，馬庫(kù)斯逐條列舉OpenAI的誤導(dǎo)性說(shuō)法，機(jī)器學(xué)習(xí)圈卻都撐OpenAI。你支持哪方？歡迎來(lái)與大咖一起討論～

?

這幾天，人工智能領(lǐng)域最令人興奮的進(jìn)展莫過(guò)于?“OpenAI 的機(jī)器手學(xué)會(huì)了單手解魔方”。

OpenAI 在 10?月 15 日發(fā)布這一成果，立即引起大量討論。轉(zhuǎn)魔方的視頻被瘋狂刷屏，僅 YouTube 的視頻就有 20?萬(wàn)觀看，網(wǎng)友紛紛表示：人工智能機(jī)器人的一個(gè)新里程碑誕生了！這是機(jī)器人在機(jī)體靈活性以及機(jī)器學(xué)習(xí)軟件方面的飛躍！

機(jī)器手還原一個(gè)三階魔方全程只花了4分鐘

即使兩根手指被綁住了也沒(méi)問(wèn)題

OpenAI 使用強(qiáng)化學(xué)習(xí)和 Kociemba 算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)模擬解決魔方問(wèn)題。

研究人員專注于一個(gè)機(jī)器目前難以掌握的問(wèn)題：感知和靈巧的操作。他們訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)由法生成的還原所需的旋轉(zhuǎn)和翻轉(zhuǎn)，并開(kāi)發(fā)了一種稱為自動(dòng)域隨機(jī)化的新方法，該算法能夠無(wú)休止地在仿真中生成越來(lái)越困難的環(huán)境，從而讓神經(jīng)網(wǎng)絡(luò)在模擬環(huán)境中學(xué)習(xí)解魔方，再遷移應(yīng)用到現(xiàn)實(shí)世界。

“用機(jī)器手解決魔方”?的背后有許多人手

OpenAI 訓(xùn)練類人機(jī)器手來(lái)解魔方的嘗試，早在 2017 年 5 月就開(kāi)始了。之所以對(duì)解魔方情有獨(dú)鐘，是因?yàn)檠芯咳藛T認(rèn)為，如果能成功訓(xùn)練這樣一只機(jī)器手來(lái)完成復(fù)雜的操作任務(wù)，就能為通用型機(jī)器人奠定基礎(chǔ)。

OpenAI 同時(shí)公開(kāi)了一個(gè)機(jī)器手解魔方的完整視頻，視頻未經(jīng)任何剪輯，可以看到，機(jī)器手靈活地操作魔方，在約 4 分鐘的時(shí)間里成功還原了一個(gè)三階魔方。

機(jī)器手還原魔方的完整過(guò)程，視頻未經(jīng)任何編輯

然而，這一成果遭到了紐約大學(xué)心理學(xué)與認(rèn)知科學(xué)教授、暢銷書作家加里?·?馬庫(kù)斯?(Gary Marcus)?的質(zhì)疑?——OpenAI 聲稱?“解決”?了魔方，真的是這樣嗎？馬庫(kù)斯認(rèn)為 OpenAI 還原魔方的博客內(nèi)容存在誤導(dǎo)性，他說(shuō)：

鑒于 OpenAI 仍然沒(méi)有更改關(guān)于?“解決魔方”?的誤導(dǎo)性博客帖子?(博客標(biāo)題是?“Solving Rubik’s Cube with a Robot Hand)，所以我附上了詳細(xì)的分析，將他們的說(shuō)法和暗示與實(shí)際所做的進(jìn)行了比較。依我之見(jiàn)，這些誤導(dǎo)性對(duì)大多數(shù)對(duì)非專業(yè)人士來(lái)說(shuō)并不明顯。

馬庫(kù)斯對(duì) OpenAI“解決魔方”?的 7 條質(zhì)疑如下：

1、這不是神經(jīng)網(wǎng)絡(luò)解決的；而是有 17 年歷史的符號(hào)算法做到的。

2、這種算法是先天的，而不是學(xué)習(xí)的。

3、強(qiáng)化學(xué)習(xí)在選擇轉(zhuǎn)向哪個(gè)方向?(即大多數(shù)人所說(shuō)的解決了魔方)?時(shí)不起作用。

4、所學(xué)到的是物體操縱，而不是解魔方。

5、只有一個(gè)物體被操縱，并且沒(méi)有測(cè)試對(duì)其他對(duì)象的可推廣性。

6、該物體裝配了大量?jī)x器?(如藍(lán)牙傳感器)，機(jī)器手也安裝了 LED。

7、成功率只有 20%；魔方經(jīng)常從機(jī)器人手中掉落。

他說(shuō)：“我強(qiáng)調(diào)一下，這個(gè)成果本身給人留下了深刻的印象，但描述有誤導(dǎo)，更恰當(dāng)?shù)臉?biāo)題應(yīng)該是’用強(qiáng)化學(xué)習(xí)操縱魔方’或‘靈巧的機(jī)器人手操縱物體的進(jìn)展”?或類似的句子。”

OpenAI 聯(lián)合創(chuàng)始人、機(jī)器人團(tuán)隊(duì)負(fù)責(zé)人 Woj Zaremba 注意到馬庫(kù)斯的帖子，反駁道：

1. 你的前三個(gè)論點(diǎn)是一樣的。

2. 泛化是從模擬到現(xiàn)實(shí)，而不是從一個(gè)物體到另一個(gè)物體。

3. 我們沒(méi)有裝配儀器得到的結(jié)果稍微弱一些。

4. 你確信我們不會(huì)將性能提升到 100%?嗎？

馬庫(kù)斯回應(yīng)道：

1. 我的前兩個(gè)論點(diǎn)完全不同：先天性≠象征性。這些是不同的。第三個(gè)論點(diǎn)有一點(diǎn)重疊，但并不明顯。

2.?我當(dāng)然知道，但是為了穩(wěn)健性，你需要推廣到新物體上

3&4：我期待看到其他結(jié)果；我相信你們最終會(huì)做得更好。

盡管是馬庫(kù)斯率先提出質(zhì)疑，但不少人的回復(fù)并不贊同馬庫(kù)斯的說(shuō)法，有人回復(fù)道：

“這是一個(gè)有缺陷的批評(píng)，基于對(duì)魔方的誤解。魔方不是像圍棋那樣是一種可以學(xué)習(xí)的任務(wù)，而是需要記憶解法和熟練操作的任務(wù)；人類玩魔方也遵循一種算法。”

馬庫(kù)斯仍表示：總的來(lái)說(shuō)，他們?(OpenAI)?沒(méi)有對(duì)我的觀點(diǎn)做出回應(yīng)，我的觀點(diǎn)是那篇博客的框架與論文的內(nèi)容不相符合，雖然我同意這個(gè)工作很重要，但炒作是有誤導(dǎo)性的。

網(wǎng)友評(píng)論各執(zhí)一詞，馬庫(kù)斯是一針見(jiàn)血，還是吹毛求疵？

馬庫(kù)斯在 Twitter 上也承認(rèn)這個(gè)研究是個(gè)不錯(cuò)的研究，但博客文章中的一些說(shuō)法用詞不當(dāng)，和實(shí)際不符，具有誤導(dǎo)性。

我的主要觀點(diǎn)是，現(xiàn)在被熱議的 OpenAI 的博客文章具有誤導(dǎo)性；在技術(shù)論文中精挑細(xì)選出的東西并不能解決問(wèn)題。我在推特上也詳細(xì)講了，文章本身的標(biāo)題以及開(kāi)頭的框架都具有誤導(dǎo)性。因此，文章本身有其自身的問(wèn)題。?

OpenAI 博客中的結(jié)尾表示：“強(qiáng)化學(xué)習(xí)不僅可以作為虛擬任務(wù)的工具，而且可以解決需要前所未有的靈活性的真實(shí)世界中的問(wèn)題。” 而馬庫(kù)斯認(rèn)為，如果沒(méi)有更強(qiáng)的泛化測(cè)試，就無(wú)法提出進(jìn)一步的主張。5 個(gè)略有不同的 cube 實(shí)驗(yàn)，也不能讓這個(gè)機(jī)械手學(xué)會(huì)擰緊螺絲，開(kāi)鎖或給襯衫系上扣子。

所以，這些問(wèn)題的解決實(shí)際上無(wú)從談起。

?

Twitter 上有人對(duì)馬庫(kù)斯表示支持，認(rèn)為 OpenAI 的博客中的說(shuō)法和實(shí)際確實(shí)存在實(shí)際差異。這種夸大其詞可能導(dǎo)致大眾對(duì)技術(shù)的盲目信任，進(jìn)而造成消極后果，比如特斯拉的撞車事故。

?

馬庫(kù)斯自己還發(fā)了個(gè)投票：

?

不過(guò)從 600 多人的投票結(jié)果看，支持“解決魔方”應(yīng)包括認(rèn)知和操縱兩方面的占大多數(shù)。

?

在 Twitter 上不斷 “放炮” 的同時(shí)，這場(chǎng)辯論的戰(zhàn)火不了避免地轉(zhuǎn)到了其他平臺(tái)，比如 Reddit。

有網(wǎng)友搬運(yùn)了馬庫(kù)斯在 Twitter 上發(fā)出的對(duì) OpenAI 博客文章的 7 點(diǎn)詳細(xì)意見(jiàn)，并配了貼圖。但從網(wǎng)友討論來(lái)看，支持馬庫(kù)斯的不多。更多的人認(rèn)為他這是過(guò)于苛刻，咬文嚼字，沒(méi)事找事。

?

比如下邊這位就說(shuō)，他覺(jué)得馬庫(kù)斯寫的這 7 點(diǎn)摘要比 OpenAI 博客文章更具誤導(dǎo)性。

?

關(guān)注點(diǎn) 1-4：“神經(jīng)網(wǎng)絡(luò)沒(méi)有解決問(wèn)題；解決問(wèn)題的是具有 17 年歷史的符號(hào) AI 算法。”

博客：“我們使用強(qiáng)化學(xué)習(xí)和 Kociemba 的算法來(lái)選擇求解步驟，訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)解決仿真中的魔方。”

?

關(guān)注點(diǎn) 5：“只有一個(gè)對(duì)象被操縱，沒(méi)有對(duì)其他對(duì)象的可推廣性測(cè)試”

博客：測(cè)試使用了五種不同的原型，一個(gè)鎖緊的模仿，一個(gè)面部立方體，一個(gè)完整的立方體，一個(gè)吉克魔方和一個(gè) “常規(guī)” 魔方。這篇文章從來(lái)沒(méi)有聲稱要解決魔方的問(wèn)題。

?

關(guān)注點(diǎn) 6：“該物體已被植入大量設(shè)備（比如帶有藍(lán)牙功能傳感器）。玩魔方的手上也裝有 LED。”

博客：五個(gè)不同的原型中置入了不同級(jí)別的儀器。?“常規(guī)” 魔方?jīng)]有置入任何設(shè)備，只是從中心正方形上切除小角，以消除對(duì)稱性。

?

關(guān)注點(diǎn) 7：“成功率只有 20％；魔方經(jīng)常掉落。”

博客：“盡管如此，我們的機(jī)器人仍未完善其技術(shù)，因?yàn)橹挥?60％的成功幾率（而最困難的情況下只有 20％的成功幾率）。”

?

而且下文專門開(kāi)了一段來(lái)說(shuō)這個(gè)問(wèn)題。

?

還有人認(rèn)為，馬庫(kù)斯實(shí)在是過(guò)于挑剔了，過(guò)于糾結(jié)于實(shí)際上并不重要的問(wèn)題。

?

我承認(rèn)馬庫(kù)斯是一個(gè)能言善辯的人。但我覺(jué)得他過(guò)于迂腐，以至于無(wú)視于眼前的實(shí)際問(wèn)題，大多數(shù)外行人都有能力閱讀文章的背后之意，查看研究或博客文章的內(nèi)容。

?

你可以去追求學(xué)術(shù)上的精確，但是那些真正關(guān)心這些東西的人很可能會(huì)陷入困境。我們都對(duì)他列出的幾條問(wèn)題有所了解，但至少其中大多數(shù)。在這種情況下幾乎是無(wú)關(guān)緊要的，甚至像 “泛化性”?之類的重要論點(diǎn)，在機(jī)器人的高靈敏度這一主要問(wèn)題面前，也顯得不那么重要了。

?

我明白，不同的人會(huì)以不同的嚴(yán)謹(jǐn)程度來(lái)對(duì)待這個(gè)問(wèn)題，并且我也理解馬庫(kù)斯的擔(dān)憂，但我認(rèn)為，對(duì)于 OpenAI 的公開(kāi)批評(píng)過(guò)于挑剔，這些問(wèn)題本身對(duì)這次討論并不重要。?

馬庫(kù)斯是誰(shuí)？深度學(xué)習(xí)懷疑論者

Gary Marcus

加里?·?馬庫(kù)斯?(Gary Marcus)?是一位科學(xué)家、暢銷書作家和企業(yè)家。他是 Robust.AI 公司的創(chuàng)始人和首席執(zhí)行官，Geometric Intelligence 公司?(2016 年被優(yōu)步收購(gòu))?的創(chuàng)始人兼首席執(zhí)行官，出版著作包括《代數(shù)思維》、《怪誕腦科學(xué)?(Kluge)》、《思維的誕生》等，最新著作是與 Ernest Davis 合著的《Rebooting AI :?構(gòu)建我們可以信任的人工智能》。

馬庫(kù)斯也是著名的深度學(xué)習(xí)懷疑論者。作為認(rèn)知心理學(xué)家，他一直高調(diào)參與人工智能辯論，與 Yann LeCun、AAAI 前主席 Thomas Dietterich 等 AI 大牛都展開(kāi)過(guò)激烈辯論。

他曾撰文批判深度學(xué)習(xí)?(Marcus, 2018)，?稱深度學(xué)習(xí)實(shí)際上并沒(méi)解決什么問(wèn)題。這篇文章引起了人工智能圈極大的反響，幾天之內(nèi)，成千上萬(wàn)的人在推特上發(fā)表了自己對(duì)這個(gè)問(wèn)題的看法，有些人熱情支持馬庫(kù)斯的論點(diǎn)（例如，“這是我多年來(lái)讀到的有關(guān)深度學(xué)習(xí)和 AI 的最好的觀點(diǎn)），有些相反（例如，“有思考...... 但大部分都是錯(cuò)誤的”）。

在那篇批判深度學(xué)習(xí)的文章中，馬庫(kù)斯概括了深度學(xué)習(xí)的十大挑戰(zhàn)，直言深度學(xué)習(xí)本身雖然有用，但它不可能實(shí)現(xiàn)通用人工智能。他建議把深度學(xué)習(xí)視為?“一種非普遍的解決方法，而只是一種工具。”

他說(shuō)：“相比純粹的深度學(xué)習(xí)，我呼吁混合模型，不僅包括深度學(xué)習(xí)的監(jiān)督形式，還包括其他技術(shù)，例如符號(hào)處理（symbol-manipulation），以及無(wú)監(jiān)督學(xué)習(xí)（它本身也可能被重新概念化）。我也敦促社區(qū)考慮將更多的內(nèi)在結(jié)構(gòu)納入 AI 系統(tǒng)。”

轉(zhuǎn)載來(lái)源：新智元參考來(lái)源：https://www.reddit.com/r/MachineLearning/comments/dkd4vz/d_gary_marcus_tweet_on_openai_still_has_not部分素材源于網(wǎng)絡(luò)，版權(quán)歸原作者所有
如有侵權(quán)請(qǐng)留言聯(lián)系刪除，感謝合作

寫在最后

微信公眾號(hào)“少年數(shù)學(xué)家”提供豐富的數(shù)學(xué)課外知識(shí)數(shù)學(xué)人物、數(shù)學(xué)趣談、科技與數(shù)學(xué)

想讓孩子懂得更多有趣的數(shù)學(xué)記得關(guān)注“少年數(shù)學(xué)家”

總結(jié)

以上是生活随笔為你收集整理的OpenAI“单手解魔方”被公开质疑，Gary Marcus称七大问题涉嫌误导的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。