人工智能的下一個突破可能需要結(jié)束長期的競爭。

多年以來，人工智能研究人員在創(chuàng)建解決問題的算法時通常采用以下兩種方法之一：符號主義或基于規(guī)則的AI，其重點是將概念，規(guī)則和邏輯手動編碼到計算機軟件中;以及連接主義，它基于人工神經(jīng)網(wǎng)絡(luò)和大腦的數(shù)字表示，通過比較一段時間內(nèi)的許多示例來有機地發(fā)展其行為。

直到最近，符號AI才更流行，神經(jīng)網(wǎng)絡(luò)被許多研究人員和公司所規(guī)避。但是在2012年，多倫多大學(xué)的計算機科學(xué)家通過使用深度學(xué)習(xí)(基于神經(jīng)網(wǎng)絡(luò)的AI算法)取得了突破，贏得了著名的年度計算機視覺競賽ImageNet。

從那時起，深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)引發(fā)了AI行業(yè)的一場革命，并幫助解決了以前認為超出計算機功能范圍的問題。今年早些時候，神經(jīng)網(wǎng)絡(luò)的先驅(qū)者獲得了圖靈獎，相當于諾貝爾計算機科學(xué)獎。

隨著神經(jīng)網(wǎng)絡(luò)的普及，象征性AI從風(fēng)度滑落，被推到了研究的邊緣。但是到了深度學(xué)習(xí)革命已經(jīng)過去七年了，我們已經(jīng)看到深度學(xué)習(xí)并不是一個完美的解決方案，并且存在明顯的弱點，限制了其應(yīng)用。