【重新撰写】
机器之心编译 机器之心编辑部
早在2016年，Hinton曾预言，深度学习将取代放射科医生。然而，多年过去，AI并未取代任何一位放射科医生。这其中的问题出在哪里呢？
近年来，尽管AI在大数据和大模型的深度学习之路上取得了显著的进步，但许多核心问题仍未解决。例如，如何让模型具备真正的理解能力。在一些复杂问题上，单纯扩大数据和模型规模带来的收益似乎已经不那么明显。
Robust.AI创始人、纽约大学名誉教授Gary Marcus认为，这预示着深度学习（尤其是纯粹的端到端深度学习）可能即将“撞到南墙”。整个AI领域需要寻找新的出路。
Gary Marcus认为，长期以来被忽视的符号处理很可能成为一条新的道路。将符号处理与现有的深度学习相结合的混合系统可能是一条值得探索的道路。
然而，Gary Marcus的提议并未受到社区的广泛重视，特别是以Hinton为代表的顶级AI研究者。Hinton甚至曾表示，在符号处理方法上的任何投资都是一个巨大的错误。在Marcus看来，Hinton的这种对抗伤害了整个领域。
尽管如此，一些研究人员正在朝着神经符号的方向努力，并且IBM、英特尔、谷歌、Meta和微软等公司已经开始认真投资神经符号方法。这让Marcus对人工智能的未来发展感到乐观。
以下是Gary Marcus的原文内容：
在2016年多伦多举行的人工智能会议上，深度学习“教父”Geoffrey Hinton曾预言：“如果你是一名放射科医生，那你的处境就像一只已经在悬崖边缘但还没有往下看的郊狼。”他认为，深度学习非常适合读取核磁共振（MRIs）和CT扫描图像，因此人们应该“停止培训放射科医生”，而且深度学习在五年内将做得更好。
时间过去，我们并没有看到任何一位放射科医生被取代。相反，现在的共识是，机器学习在放射学中的应用比预想的要困难，至少到目前为止，人和机器的优势还是互补的。
当任务本身风险较低，且最优结果可选时，深度学习的效果是最好的。但在风险较高的领域，比如放射学或无人驾驶汽车领域，我们对是否采用深度学习要更加谨慎。因为在这些领域，一个小小的错误就可能导致灾难性的后果。
然而，人工智能领域在多个方面被炒作和过度宣传，它不断地变身并给出各种承诺，但只有少数承诺能够兑现。近年来，深度学习推动了当代人工智能的发展，但当我们需要更高层次的理解时，深度学习似乎遇到了限制。
那么，新的出路在哪儿呢？Gary Marcus认为，符号处理是一个潜在的方向。将符号处理与现有的深度学习相结合的混合系统可能是一个非常有前途的探索方向。
实际上，将神经和符号结合在一起的探索从未停止，并且正在积聚力量。例如，AlphaGo结合了深度学习和符号树搜索，DeepMind的AlphaFold2则是将深度学习和精确构建的分子结构表示方法结合在一起。
四十年来，Gary Marcus第一次对人工智能感到乐观。他认为，混合人工智能（不仅限于深度学习或符号处理）似乎是最好的前进方向，理由包括：许多领域的知识主要以符号形式出现，混合模型能够利用这些现有知识，而深度学习本身在算术等有序领域也仍在挣扎，混合系统可能比单一系统具有更大的潜力。
在人工智能的未来发展中，我们需要将不同领域的知识结合起来，包括语言学、心理学、人类学和神经科学等。只有这样，AI领域才有可能继续前进。
