北邮在线：像FIFA一样踢球的AI，比打游戏更强吗？
还记得被阿尔法狗支配的恐惧吗？最新的“AI恐怖故事”，是谷歌教AI踢足球，打造“AI版贝克汉姆”。
其实，这个足球人工智慧研究专案Google Research Football，早在今年6月就出现在了谷歌报告上，而更早一些时间，就在Github上以开源的形式发布了足球环境游戏的测试版代码。
以谷歌“AI界顶流”的咖位，加上当今的资讯效率，现在才突然一波走红，反射弧委实有点过长了。难道是媒体们集体不蹭热点，改成冷饭热炒了？
答案或许处在“下一代AI”这个充满遐想的泛滥标题里，用一个上古时期的互联网话术来说，就是听起来很性感。
大众已经越来越明白，AI不能变魔术了。然而将时间倒回到2016年，相信绝大部分人都不会否认，担心工作被AI替代，被机器人网红索菲亚吓得瑟瑟发抖，觉得《终结者》《黑客帝国》《西部世界》早晚要来，都是切身体会过的心路历程。
传统的“AI恐怖故事”宣告破产，一方面得益于各路技术大牛日积月累地科（怼）普（人），同时也跟建立在深度学习基础上的技术上限有关。
比如建立在庞大的数据运算基础上，训练AI玩电子游戏往往就需要花费数十万美元；比如黑箱性，没有一个深度学习结构(卷积、RNN、LSTM、GAN 等)可以解释自己的决策，暗搓搓地搞歧视、骂人、发明新语种之类的事情层出不穷；再比如只会做“填空题”，面对需要引用常识、共识、推理等问题的时候就会表现的像个智障，容易被糊弄，比如将打印的人脸识别成真的，要么就是智商不及预期，医疗诊断、机器人、自动驾驶等始终进展缓慢……一贯反骨的马斯克，前不久就推出了基于计算机视觉感知的无人驾驶新方案。
总体来说，深度学习真正能成功做到的，还是在给定大量人为标注数据的情况下，实现两个空间事物之间的映射。距离人们预想中的AGI强人工智能真是“事倍功半”，极其遥远。
比如建立在庞大的数据运算基础上，训练AI玩电子游戏往往就需要花费数十万美元；比如黑箱性，没有一个深度学习结构(卷积、RNN、LSTM、GAN 等)可以解释自己的决策，暗搓搓地搞歧视、骂人、发明新语种之类的事情层出不穷；再比如只会做“填空题”，面对需要引用常识、共识、推理等问题的时候就会表现的像个智障，容易被糊弄，比如将打印的人脸识别成真的，要么就是智商不及预期，医疗诊断、机器人、自动驾驶等始终进展缓慢……一贯反骨的马斯克，前不久就推出了基于计算机视觉感知的无人驾驶新方案。
总体来说，深度学习真正能成功做到的，还是在给定大量人为标注数据的情况下，实现两个空间事物之间的映射。距离人们预想中的AGI强人工智能真是“事倍功半”，极其遥远。
不过，要称之为“下一代AI”未免有点拔苗助长。
今日我们看到的大多数AI产品思路，都是以DL(Deep Learning) + GOFAI (Good Old Fashioned AI) 的模式建立起来的。也就是将深度学习与其他算法相结合，让“AI”走向千行万业。
不过也有不少科学家是彻底的“革命派”，想了不少帮助AI的新办法，其中或许也隐藏着破局的可行性。