هوش مصنوعی دورگه رویایی است که در سر بسیاری از دانشمندان قرار دارد
یادگیری عمیق ، نوآوری اصلی که در سالهای اخیر باعث افزایش علاقه به هوش مصنوعی شده است ،
این فناوری به حل بسیاری از مشکلات مهم در دید رایانه ، پردازش زبان طبیعی و تشخیص گفتار کمک کرده است.
با این حال ، هنگامی که یادگیری عمیق بالغ می شود و از اوج از نقطه عطف خود پایین می آید
، مشخص می شود که برخی از مؤلفه های اساسی از دست رفته است.
در Neurips 2019 ، Bengio در مورد سیستم یادگیری عمیق 2 ، نسل جدیدی از شبکه های عصبی
که قادر به ترکیب ترکیبات ، خارج از توزیع سفارش و ساختارهای علمی هستند ، بحث شد
در کنفرانس AAAI 2020 ، هینتون در مورد کمبودهای شبکه عصبی کانولشن (CNN) و لزوم حرکت به سمت شبکه های کپسولی بحث کرد.
اما برای دانشمند شناختی، گری مارکوس ، راه حل در ایجاد مدل های ترکیبی است
که شبکه های عصبی را با هوش مصنوعی نمادین ترکیب می کنند ،
شاخه ای از هوش مصنوعی که قبل از ظهور یادگیری عمیق بر این میدان مسلط شده است.
در مقاله ای با عنوان “دهه بعدی در هوش مصنوعی: چهار قدم به سمت هوش مصنوعی قوی” ،
ماركوس بحث می كند كه چگونه هوش مصنوعی ترکیبی می تواند برخی از مشکلات اساسی امروز با یادگیری عمیق را حل کند.
اتصال دهنده ها ، طرفداران رویکردهای مبتنی بر شبکه عصبی خالص ، هرگونه بازگشت به هوش مصنوعی را رد می کنند.
هینتون هوش مصنوعی هیبریدی را با ترکیب موتورهای برقی و موتورهای احتراق داخلی مقایسه کرده است. Bengio
همچنین چندین بار از ایده هوش مصنوعی ترکیبی چشم پوشی کرده است.
اما مارکوس معتقد است که مسیر رو به پیشرفت
از کنار گذاشتن رقابت های قدیمی و جمع کردن بهترین های هر دو جهان است حاصل می شود.