专访递归神经网络之父：AI下一轮革命核心是“人工好奇心”( 九 )_：专访递归神经网络之父：AI下一轮革命

Jürgen Schmidhuber：我们已经在21世纪早期的瑞士人工智能实验室中开发了数学上最优的通用人工智能和问题解决程序，例如Marcus Hutt针对所有定义明确的问题的最快算法，或者我的元学习、自引用、自我改进的G del Machine。这些系统在理论上是最优的，但还不够实用。这就是为什么我们仍在开展业务，努力弥合理论和实践之间的差距。我认为这一差距即将缩小；许多本质的见解已经存在，拼图的碎片已经开始就位了。

我认为许多进展将建立在两个相互作用的循环神经网络（RNN）的基础上。回想一下我刚才跟你说过的关于人工好奇心的事。其中一个RNN是一个控制器，它学习将输入的数据（如视频、音频、饥饿和疼痛信号）映射到一个能够最大化奖励且最小化疼痛的动作序列上，直到智能体的生命结束。另一个是一个世界模型，它去学习预测环境对动作序列的反应。前者可以利用后者来计划、思考和提高解决问题的能力。我们的第一个这样的系统可以追溯到1990年，但现在我们更清楚如何把它做得更好了。

除此之外，我们仍然受益于这样一个事实：每5年，同等价格可以获得的算力能提高大约10倍。与摩尔定律（Moore's Law）不同，摩尔定律（Moore's Law）认为每片微芯片的晶体管数量每18个月翻一番，且这一趋势最近被打破了。自从康拉德·祖斯（Konrad Zuse）于1935-1941年制造出第一台能用的程序控制计算机以来，这种趋势一直持续着。如今，75年后的今天，同等价格的硬件速度大约提升了一百万倍。如果这一趋势不被打破，很快我们将拥有廉价的，具有人类大脑的原始计算能力的设备。几十年后，计算设备将拥有100亿人的大脑计算能力。