一輛自動(dòng)駕駛的航天飛機(jī)在拉斯維加斯耐心地等待著一輛貨車(chē)的倒車(chē)，然后再倒車(chē)，然后再倒車(chē)。這是在航天飛機(jī)的就職典禮幾個(gè)小時(shí)內(nèi)發(fā)生的。真正的問(wèn)題是，航天飛機(jī)不能像人類(lèi)一樣從事故中學(xué)習(xí):立即而且不忘記如何在這個(gè)過(guò)程中做其他事情。

美國(guó)國(guó)防高級(jí)研究計(jì)劃局(DARPA)正尋求改變人工智能的工作方式，通過(guò)一個(gè)名為L(zhǎng)2M的程序，或終生學(xué)習(xí)機(jī)器。該機(jī)構(gòu)正在尋找不斷學(xué)習(xí)、適應(yīng)新任務(wù)、知道該學(xué)習(xí)什么和什么時(shí)候?qū)W習(xí)的系統(tǒng)?！拔覀兿Ｍ詣?dòng)化的嚴(yán)謹(jǐn)性與人類(lèi)的靈活性，”該項(xiàng)目的主管Hava t . Siegelmann說(shuō)。這個(gè)耗資6500萬(wàn)美元的項(xiàng)目已經(jīng)選擇了16個(gè)小組進(jìn)行為期4年的項(xiàng)目，但根據(jù)Siegelmann的說(shuō)法，仍然有機(jī)會(huì)提出12個(gè)或18個(gè)月的項(xiàng)目。

人工智能的大問(wèn)題源于今天使用的結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)是一種適應(yīng)性強(qiáng)的系統(tǒng)，它的學(xué)習(xí)能力來(lái)自于不同的人工神經(jīng)元之間的連接強(qiáng)度。如今，這些網(wǎng)絡(luò)被訓(xùn)練在一組數(shù)據(jù)圖像上，例如汽車(chē)和人。網(wǎng)絡(luò)連接的強(qiáng)度是固定的，系統(tǒng)會(huì)進(jìn)入世界去做它的事情。

問(wèn)題來(lái)了，當(dāng)人工智能遇到了從未受過(guò)訓(xùn)練的東西。如果不進(jìn)行再培訓(xùn)，系統(tǒng)將一次又一次地犯同樣的錯(cuò)誤。但現(xiàn)在，AIs不能真正地接受重新培訓(xùn)。Siegelmann在IEEE Rebooting計(jì)算會(huì)議上解釋說(shuō)，用今天的系統(tǒng)來(lái)嘗試這樣做會(huì)導(dǎo)致一種叫做“災(zāi)難性遺忘”的現(xiàn)象。在這種情況下，學(xué)習(xí)新項(xiàng)目會(huì)破壞系統(tǒng)已經(jīng)知道如何去做的所有其他事情的知識(shí)。

即使是人類(lèi)在遇到新事物時(shí)也會(huì)經(jīng)歷一些性能下降，但我們可以在執(zhí)行一個(gè)函數(shù)時(shí)恢復(fù)。如果你在一個(gè)籃球賽中以30厘米的速度把網(wǎng)舉起來(lái)，球員們將會(huì)錯(cuò)過(guò)大部分的時(shí)間，但是隨著他們繼續(xù)比賽，他們將學(xué)會(huì)在新的高度得分。你不必把他們從球場(chǎng)上拉下來(lái)，然后再把整個(gè)游戲教給他們。

16個(gè)主要資助項(xiàng)目由兩組學(xué)生組成。一組將有4年的時(shí)間來(lái)開(kāi)發(fā)能夠持續(xù)學(xué)習(xí)、適應(yīng)新任務(wù)和環(huán)境的系統(tǒng)，并根據(jù)系統(tǒng)的任務(wù)(稱(chēng)為“目標(biāo)驅(qū)動(dòng)感知”)理解輸入。另一組將有4年時(shí)間來(lái)確定終身學(xué)習(xí)的新機(jī)制——從生物學(xué)或物理科學(xué)——并將其轉(zhuǎn)換為一種改進(jìn)人工智能的算法。