智源社区AI周刊No.99：OpenAI发布接近人类水平的语音识别系统Whisper；马毅：智能的计算和科学研究将融合；Marcus：文本生成图像系统离 AGI 还差得远

汇聚每周AI观点、研究和各类资源，不错过真知灼见和重要资讯！欢迎点击这里，关注并订阅智源社区AI周刊。

编辑精选

UC伯克利马毅：智能的计算和科学研究将能够很快融合

近日，智源社区举行“The Origin and Nature of Intelligence”闭门研讨会，邀请UC伯克利马毅、Doris Tsao，伦敦大学学院Karl Friston、牛津大学Michael Woorldridge、Numenta创始人Jeff Hawkins，以及智源研究院院长、北京大学黄铁军教授参与研讨。马毅教授认为：我确实相信智能的计算和科学研究将能够很快融合。Friston教授提出了一个很好的观点，任何聪明的东西都应该具有自我好奇的关键特征。对于学习分布/相关性，我使用术语“自我批评”，对于因果关系，Judea Pearl 称之为“自我询问”，这是自主的关键。我想象一个拥有真正智能系统的新世界将是一个没有数字计算机也不需要软件的世界。

Gary Marcus：文本生成图像系统理解不了世界，离 AGI 还差得远

自从 DALL-E 2 问世以来，很多人都认为，能够绘制逼真图像的 AI 是迈向通用人工智能（AGI）的一大步。知名 AI 学者（给 AI 泼冷水爱好者） Gary Marcus 表示“持保留意见”。他提出，在评估 AGI 的进展时，关键要看像 Dall-E、Imagen、Midjourney 和 Stable Diffusion 这样的系统是否真正理解世界，从而能够根据这些知识进行推理并进行决策。在判断这些系统之于 AI （包括狭义和广义的 AI）的意义时，可以提出以下三个问题：

图像合成系统能否生成高质量的图像？
它们能否将语言输入与它们产生的图像关联起来？
它们了解它们所呈现出的图像背后的世界吗？

Marcus 认为，问题的关键不在于系统能否生成图像，聪明的人总能找到办法让系统画出特定的图像，但这些系统并没有深刻理解语言与图像之间的关联，这才是关键。如果系统所能做的只是以一种偶然但令人惊叹的方式将许多句子转换为图像，它们可能会彻底改变人类艺术，但仍然不能真正与 AGI 相提并论，也根本代表不了 AGI。