人工智能陷入困境：基于错误的抽象，忽视视觉感知

文章认为，人工智能行业陷入困境，是因为它在与大脑和视觉感知实际工作方式联系薄弱的抽象概念基础上构建模型。它声称视觉感知比任何AI架构都更为重要，突破往往发生在研究人员回归具体示例时，正如霍普菲尔德将固态物理学与神经生物学联系起来那样。作者用冶金学做了一个类比：退火工艺存在了数千年，之后科学才将能量和温度等概念形式化，而这些抽象概念在世界中并不作为独立实体存在。同样，现代AI使用的抽象概念如像素、卷积和人工神经元，与生物现实相去甚远，导致巨大的能源成本和潜在的根本性限制。作者提到，霍普菲尔德网络受生物神经元启发，后来被辛顿修改以便实际应用，但这些修改是对原始生物现象的扭曲。视觉感知提供了人类关于世界信息的90%至95%，持续工作，并不断受到现实的检验。语言文字系统正是这种进化测试的产物，因为人们丢弃了不便的元素。作者所在的公司TAPe开发的模型基于真实感知而非像素和卷积，取得了卓越的成果。