after.dev

Week 20, 2019 Artificial-Intelligently challenged

May 19, 2019

Winograd Schema Challenge

On the surface, Winograd Schema questions simply require the resolution of anaphora: the machine must identify the antecedent of an ambiguous pronoun in a statement. This makes it a task of natural language processing, but Levesque argues that for Winograd Schemas, the task requires the use of knowledge and commonsense reasoning. 1

Artificial-Intelligently challenged

使用体验方面,这些助理的服务范围覆盖面基本跟当前的所有引擎一样。在设计逻辑上,基本都是基于用命名实体识别来代替打字输入关键词然后返回检索结果SERP。而信息检索,离人们要完成的服务需求有很大的区别。5

影响人们对话的,光是信息(还不含推理)至少就有这三部分:明文(含上下文)+ 场景模型(Context)+ 世界模型。普通人都能毫不费力地完成这个工作。但是深度学习只能处理基于明文的信息。对于场景模型和世界模型的感知、生成、基于模型的推理,深度学习统统无能为力。这就是为什么现在炙手可热的深度学习无法实现真正的智能(AGI)的本质原因:不能进行因果推理。6

重新定义问题

真正的问题就像是俄罗斯套娃里面最小的那个套娃,面对问题要连续问为什么,从而最终找到真正的问题。2

user-facing feature development

As systems approach a certain cost threshold, it becomes more optimal to trade engineering salary for technical optimizations. We try to avoid this as it removes engineering resources from user-facing feature development, but over the years we’ve made significant improvements to low-level caches, bulk data aggregations, and HTTP caching. 3

用户需要沉迷其中

少数精英追求效率,实现自我认知,他们活在现实中。但大部分人是需要围绕一个东西转的。不管这些东西是宗教、小说、爱情还是今日头条,用户是需要一些沉迷的,我不认为打德州、喝红酒和看八卦、视频有多大区别。 4