人工智能与对世界的理解 深度机器学习 还是语言失去了的美？

人工智能领域的研究人员致力于生产一种具有创造力、艺术创作能力和文学创作能力的智能机器，虽然机器能够通过自学技术的发展写短文本的这些梦想，他们已经实现，但无论机器多么智能，许多人仍然怀疑机器创造音乐的能力，或者创造精美文学作品的能力。

作者纪尧姆·格雷特在法国杂志Le Point发表的报告中，引用了喜欢哲学的企业家托马斯·索伦纳克的话，他对在当今非常流行的技术“深度学习”持保留态度，这项技术需要大量数据。由于法国人卢卡、加拿大人约书亚和杰弗里·欣顿，这项技术近40年来得到了普及。

深度学习

该技术集中于开发人工神经网络，通过模拟人脑工作方式，它能够在没有人工干预的情况下自行进行实验、学习和发展，而“深度学习”技术已证明，有能力识别图像并理解语言之间的话语和翻译。

纽约大学学者卢卡告诉法国杂志Le Point的记者，这是关于建立人工神经网络，这些网络学会了分层地表示数据，机器也学会了用多个抽象层次来表示世界。

为此，这些机器迅速消耗了消耗大量有区分的分析算法产生的数据，但都没有吸收，有时很有趣、有时很无聊的深度学习，取决于大量示例，这些示例必须手动确定其特征，并且可以反复尝试，持续很久。

 

然而，正如托马斯·索伦纳克所解释的那样，教机器学习知识不止有一种方法。他提到了1975年由心理学家、瑞士哲学家让·皮亚杰和美国思想家乔姆斯基关于语言学习的争论。

皮亚杰认识论认为，语言的共同本能并不存在，而美国语言学家乔姆斯基则认为，所有个体都有大量共同的认知结构。

索伦纳克解释说，第一种方法区分了深度学习，技术认为机器能够通过快速消耗’大量信息和数据，无需掌握，从头开始学习所有内容，而第二种方法则依赖于基础是学习质量的世界观，而不是数量。

乔姆斯基在他的科学专业领域被称为“现代语言学之父”，并且是“生成语法”理论的创始人，这是对20世纪语言学理论领域的最重要贡献。自加入研究所以来，他反复修改了他的语言理论，同时保持了其基本假设。他还是语言分析的乔姆斯基序列理论的创始人。

认识世界

该作者指出，受索伦纳克启发的第二种方法，使机器能够以更具有示范性的方式理解世界。

在此背景下，以一家使用人工智能快速响应电子邮件的公司为例。当环境发生剧烈变化时，就像当前的疫情一样，第二种方法允许程序更具交互性。企业家提出了一项不需要培训的技术，以一种与生俱来的方式了解人类语言的工作。

索伦纳克解释说，例如，该命令允许混淆和区分橙色这个词，这意味着橙色和橙色水果，这意味着该机器可能有能力去理解。

 

文化和雕刻术语

然而，机器塑造表达从未有过的新概念和过程的新术语，哲学家、作家甚至技术人员使用不同的创造性方式，来衍生和产生表达新思想或新技术所需的词语。另一方面，机器缺乏这种创新的方法，即使对于技术概念而言，也需要很高的分析能力。

机器无法搬运伟大的文学作品中的文字和精神之美，作家富有表现力的独创性是作家的一个特色，他们能够设计出美丽的隐喻来唤起强烈的情感，这通常是努力的结果。即使在某些领域，机器能够代替翻译者，文学翻译将仍然是有成就的译者的专有特权，而机器实际上可以代替以“自动化”且并不优秀的 “翻译”。

由于机器缺乏对世界各地不同文化的理解，因此它们常常无法识别特殊文化表达背后的复杂形式，无法将其转换为合适的目标语言形式。语境对机器起着混乱的作用，而译者为人类服务并帮助他们了解意义的传递。