全球机器智能峰会（GMIS 2017），是全球人工智能产业信息服务平台机器之心举办的首届大会，邀请了来自美国、欧洲、加拿大及国内的众多顶级专家参会演讲。本次大会共计 47 位嘉宾、5 个 Session、32 场演讲、4 场圆桌论坛、1 场人机大战，兼顾学界与产业、科技巨头与创业公司，以专业化、全球化的视角为人工智能从业者和爱好者奉上一场机器智能盛宴。
5 月 27 日，机器之心主办的为期两天的全球机器智能峰会（GMIS 2017）在北京 898 创新空间顺利开幕。中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃为本次大会做了开幕式致辞，他表示：「我个人的看法是再过几年，我们 90% 的工作是人工智能提供的，就像我们今天大部分工作是机器提供的一样。我们知道人工智能会给我们提供一个更美好的未来。」大会第一天重要嘉宾「LSTM 之父」Jürgen Schmidhuber、Citadel 首席人工智能官邓力、腾讯 AI Lab 副主任俞栋、英特尔 AIPG 数据科学部主任 Yinyin Liu、GE Transportation Digital Solutions CTO Wesly Mukai 等知名人工智能专家参与峰会，并在主题演讲、圆桌论坛等互动形式下，从科学家、企业家、技术专家的视角，解读人工智能的未来发展。
下午，纽约大学心理学教授、Geometric Intelligence 创始人、畅销书作者 Gary Marcus 发表了主题为《通往通用人工智能的道路》（The Road to Artificial General Intelligence）的演讲。时下，人工智能大潮来势凶猛，然而人工智能的最终实现还需要不同领域的探索和参与。对此，Marcus 针对人工智能提出了不同的洞见，阐述了自己的解读。
事实上，Marcus 在发表的作品、评论或是公开的演讲中，都以一个严厉的深度学习批评者身份亮相。他相信，要想实现真正的人工智能，光有深度学习是远远不够的，还需要更多方向，应该更加认真地对待认知科学，尤其是发展心理学和发展认知科学。Marcus 曾建立了一家致力于让人工智能系统和代理通过使用很少的数据就能进行有效学习的创业公司 Geometric Intelligence，并于去年宣布成功开发出了一种可以使用更少的数据进行更快的机器学习的算法 XProp。2016 年 12 月，Uber 以未披露的价格收购了这家公司，随即便以该公司的员工为核心组建了自己的人工智能研发团队 UberAILabs，Marcus 也随之加入并担任该实验室的主管。不过那之后仅仅过了四个月，Marcus 就离开了 Uber。（详见 Gary Marcus：在人工智能上取得成功的「叛逆者」）
演讲一开场，Marcus 展示了吴恩达曾在推特上发表的观点：如果一项任务只需要经人类短暂的思索就可以完成，那么机器可能也能实现同样的任务。对此，Marcus 认为只吴恩达说对了一半，「AI 只擅长部分人们可以在瞬间做到的事情。」
在这里，Marcus 谈到谈到了大数据。人们可以轻松进行数据方面的分析，但是由于感知器的任务并不止是简单的分类，这导致许多问题对于人类来说是简单的，但是机器却很难做到。比如人们可以轻松地描述出一张图像，可是机器却很容易因为种种原因曲解图片中的内容、做出错误的判断。
Marcus 表示，感知（Perception）只是实现通用人工智能的一小部分，虽然它很重要，但是人类智能里面还有更多的元素，比如常识、推理、分析等。
另外，Marcus 也提出了对 AI 的一些担忧，并不是说像美国电影《终结者》中出现的可怕情景，而是担心 AI 可能会有所障碍造成止步不前。人们现在已经可以利用 AI 技术来做一些很棒的工作，比如优化搜索查询、自动化监控、或是其他语音识别图像识别应用等等，但是目前人们还没有办法构建可以治愈癌症疾病、理解人脑工作的机器或者是可以完全信任的自动驾驶汽车。
至今，人们已经花费接近有 60 年的时间进行研究，也拥有了海量数据。但是，为什么我们还没有达到通用的人工智能呢？Marcus 给出了他的答案，主要有三方面。首先，虽然我们现在有相关的技术，但是由于调试、增量修改、验证等过程存在难度，很好地将技术应用应用并不是一件简单的事。在这里，Marcus 推荐大家阅读一篇关于机器学习的论文：Machine Learning：The High-Interest Credit Card of Technical Debt。其次，数据不等于知识使得机器需要经过很多的训练才可以了解输入背后的信息。另外，在这个领域标准的偏见就是希望所有的东西都是从头开始来进行学习。反观人类的演化史却并非如此，人类需要经过几百万年的进化才能拥有如今的智力。岩羊也需要多次的尝试才能到学习生存技能，这是物竞天择的结果。
随后，Marcus 提到如何在这个领域更好地前进。「我们是要更好的做深度学习吗？当然这能够帮助一点，但是不能完全解决所有的问题。」人们可以把解决复杂问题的思路用到 AI 领域的前进上，采用跨领域专家合作的形式。
演讲的最后，Marcus 举了自己女儿的一个例子：他让女儿把艺术品放进妈妈的衣柜里，尽管他的女儿不到三岁，但是就可以想到一些指令背后的意图，而 AI 却只知道我们告诉它做的事情，并不会理解背后的意图。
Marcus 也问了 Siri 同样的问题，但是 Siri 也不知道该怎么样来回答这个问题。换句话说，AI 系统可能还有很多需要学习的东西，包括对这个世界进行推理。可能机器具备了这样的能力后，真正的通用智能离我们也就不远了。
