2012年，谷歌奇怪机构X实行室里的一项令人惊讶的项目被世界所知晓。这些拥有三百万个神经元的模拟神经收集在没有人工接济的状况下，只依靠从YouTube里获得的图片就识别出了图片中的猫和人物。

　　项目的成员组建了一个新的研究小组，这就是公司搜刮部门下面的“谷歌大脑”(GoogleBrain)。他们和其他的研究者一路很快向世界证实了一个拥有几十年汗青的发现——人工神经收集将图像识别和语音识另外切确度晋升到了一个前所未有的新高度。深度进修的成功促使谷歌和其他公司起头大举投资人工智能，甚至使一些专家起头传播鼓吹“我们应该为泛起比人类加倍伶俐的软件做好筹办。”

　　然而，谷歌这个“猫检测器”在某种水平上是一条死胡同。近期深度进修的成功是创设在那些需要人工接济其进修的软件之上的，这极大限制了人工智能的上升空间。

　　谷歌的实行利用了一种非监视式进修的方式，软件被输入未经加工的原始数据，然后必需在没有人工接济的状况下争论出成绩。尽管它或许学会识别猫、人脸和其他物体，但它的切确度还没有达到或许利用的程度。深度进修研究和基于此的产物开发的爆发都是基于监视式进修，数据需要人工打好标签之后再供给给软件——例如，我们要给图片中的各个物体都标上名称。

　　事实证实，这对于管理一些问题非常有效，好比说识别图片中的物体、过滤垃圾邮件，甚至是为用户复兴短信供给建议(这是谷歌客岁上线的一项功能)。但假如需要软件更好地去了解世界，那可能就需要非监视式进修了，JeffDean如是说，他而今辅导着谷歌大脑项目，也曾经在GoogleX的“猫检测器”项目中工作过。

　　“我非常确信我们需要它，”Dean说，“当你有准确的数据集时，监视式进修会阐发得很好，但最终的非监视式进修会成为构建真正的智能系统中主要的一环——假如你调查人类的进修格局，你就会发现所有都长短监视式的。”

　　一个绝好的例子就是，婴儿的进修格局为成年期间的智能打下了根基。好比说我们知道，当一个物体移到视线之外时依然存在，或者没有支撑就会掉到地上，这些工作是我们过程调查世界而进修到的，并不需要明确的指引。和动物日常，假如机械人想要摸索真实世界，那它们就需要这种常识。这也能巩固加倍抽象的使命，例如对说话的了解。

　　Facebook人工智能研究组主管YannLeCun说，假如人工智能要知足人们更大的野心，就必需弄清楚软件若何才能完成那些对人类婴儿来说十分轻易的工作。他说：“我们都知道，最终的谜底就长短监视式进修。管理了非监视式进修的问题，将把我们带向更高的级别。”

　　尽管他们还没有获得最终的谜底，但Facebook、Google等公司以及学术界的研究者正在对某些有限的非监视式进修进行实行。

　　此中一个研究分支的目的是缔造出一小我工神经收集，让它消化吸取视频和图像，并用它们获得的关于世界的常识发生出新的图像——这意味着它们已经形成了关于世界是若何运行的内部表征。对世界作出精准的猜测是人类智能中一个非常主要的根基特征。

　　Facebook的研究者建造了一个称为EyeScream的软件。这个软件或许按照提醒(例如“教堂”或“飞机”)生成可识另外图像。他们也在研究对视频做出猜测的软件。Google旗下DeepMind的研究者已经开发了一种软件，给它一些部门遮掩的图片，它能用十分真实的图像来进行填补。

　　DeepMind还在研究一种完全的非监视式进修，叫做强化进修(reinforcementlearning)。在强化进修中，软件被练习来领受关于自我阐发的主动反馈——好比说，这些反馈会来自电脑游戏的得分系统。还有一些不利用深度进修的研究者则证实，软件或许从单个例子中学会识别手写字体(见《人工智能终于能像人类日常进修》)。

　　可是迄今为止，这些考试都尚未揭示出一条能让非监视式进修达到人类程度的路径，或者说，软件尚不及仅过程履历或实行就学会与真实世界有关的复杂器械。百度硅谷AI实行室主任AdamCoates说：“今朝，我们似乎缺失了某个环节的思惟。”

　　Coates说，跟着搜寻的继续，监视式进修依然还能带给我们许多器械：互联网公司或许获得大量数据，包孕人们做了什么事和关心什么事，或许用这些原料来建造比今天的产物加倍有效的语音交互和小我助理等产物。他说：“在不远的将来，你还或许用标记数据来做许多事。”大公司在这方面花了很多金钱，让合约商为他们的机械进修系统标记数据。

　　Facebook的LeCun相信，研究者不会永远依靠标记数据。可是，他拒绝评价软件还需要多久才能达到人类智能的程度。他说：“我们知道原材料，但却不知道菜谱。这可能还需要破费一些时候。”