yannlecun：人们应该怀疑潜在的符号逻辑( 三 ) YannLeCun：人们应该怀疑深度学

相比之下， GeoffreyHinton等人认为神经网络不需要将符号和代数推理硬编码到其中就可以操纵符号。深度学习的目标不是机器内部的符号操纵，而是世界系统中出现的正确类型的符号使用行为。拒绝混合模式不是未经思索的，而是基于「一个人是否认为可以学习符号推理」的哲学差异。
人类思想的本质
Marcus对深度学习的批判源于认知科学（以及在哲学中更古老）的一场相关斗争，即关于智能如何产生以及是什么让人类得以独特。他的想法与心理学中一个著名的「先天论」学派一致，该学派认为认知的许多关键特征是与生俱来的——实际上，我们很大程度上天生就有一个关于世界如何运作的直观模型。
这种与生俱来的架构的一个核心特征是符号操纵的能力，关于这是整个自然界中均有的还是人类特有的，尚存在争议。对于Marcus来说，这种符号操纵能力是常识的许多基本特征的基础：遵循规则、抽象、因果推理、重新识别细节、概括和许多其他能力。简而言之，我们对世界的大部分理解都是自然赋予的，而学习则是充实细节的过程。
另一种「经验主义」观点则颠覆了这一点：符号操纵在自然界中是罕见的，主要是作为我们的人类祖先在过去两百万年中逐渐获得的学习交流能力而产生的。根据这种观点，主要的认知能力是与提高生存率相关的非符号学习能力，例如快速识别猎物、预测它们可能的行为以及发展熟练的反应。这个观点假设绝大多数复杂的认知能力是后天获得的，是通过一种普遍的、自监督的学习能力获得，这是一种通过经验获得具有常识核心特征的直观世界模型的能力。它还假设，我们大多数复杂的认知能力都不会依赖于符号操纵，相反是通过模拟各种场景并预测最佳结果来做到这一点。
这种经验主义观点将符号和符号操纵视为另一种学习能力，随着人类越来越依赖合作行为取得成功，物种获得了这种能力。这种观点将符号视为我们用来协调合作活动的发明——比如文字，还有地图、标志性描绘、仪式甚至社会角色。这些能力被认为是由于越来越长的学习青春期和对更精确、更专业的技能（如工具制造和消防维修）需求的结合而产生的。这一观点认为符号和符号操作主要归于文化发明，较少依赖于大脑中的硬接线（hardwiring），而更多地依赖于我们日益复杂的社会生活。
这两种观点之间的差异非常明显。对于先天论传统来说，符号和符号操纵本就在大脑之中，而文字和数字的使用正是从这种原始能力中衍生出来的。这种观点很具吸引力地解释了一系列源于进化适应的能力（尽管对于符号操纵如何或为何进化的解释一直存在争议）。对于经验主义传统来说，符号和符号推理是用于交流目的的有用发明，它源于一般的学习能力和复杂的社会世界。内部计算和内心独白等发生在我们头脑中的象征性东西，因而被视为源自数学和语言使用的外部实践。
人工智能和认知科学领域密切相关，因此这些争论的重演也就不足为奇了。人工智能领域中任一观点的成功，都会在部分程度上证明认知科学中的一种或另一种方法是正确的（但也仅是部分程度上），因此这些争论之激烈也就不足为奇了。现在面临的问题不仅是关于人工智能当代问题的正确方法，还有关于什么是智能以及大脑如何工作的问题。
赌注究竟是什么？
为什么深度学习撞墙的说法如此具有挑衅性？如果Marcus和先天论者是对的，那么深度学习将永远无法实现类人的AI ，无论它提出了多少新架构或投入了多少计算能力。不断添加更多层只会令人困惑，因为真正的符号操纵需要一个与生俱来的符号操纵者。而且，由于这种符号操作是几种常识能力的基础，因此深度学习系统将永远不会拥有任何东西，只能拥有对事物粗略、现成的理解。