無(wú)論在中國(guó)市場(chǎng)還是歐美市場(chǎng)，對(duì)人工智能，尤其是深度學(xué)習(xí)技術(shù)的炒作已經(jīng)到達(dá)白熱化的巔峰，各路AI創(chuàng)業(yè)公司、項(xiàng)目和技術(shù)如雨后春筍。一夜之間，工人、司機(jī)、醫(yī)生、律師、法官、新聞?dòng)浾�、股票交易員甚至碼農(nóng)和黑客都被鋪天蓋地的人工智能審判日陰影所籠罩(人工智能，提前到來(lái)的職業(yè)殺手)，而過(guò)于與人工智能毫不沾邊的IT電子消費(fèi)產(chǎn)品，例如路由器、揚(yáng)聲器、手環(huán)、手機(jī)APP甚至豆?jié){機(jī)等“智能產(chǎn)品”都紛紛貼上了人工智能的新標(biāo)簽。

在各路新老媒體和“專家”的鼓噪下，人工智能似乎成了一把萬(wàn)能的錘子，任何行業(yè)、任何職業(yè)、任何應(yīng)用似乎都可以被人工智能取代甚至革新，但是關(guān)于人工智能真正的價(jià)值和局限性，參與這波炒作的國(guó)內(nèi)媒體和專家們幾乎沒(méi)有人去關(guān)心。正如IT經(jīng)理網(wǎng)專欄作者趙敏在《讓AI發(fā)光發(fā)熱莫發(fā)燒》一文中引用的北航計(jì)算機(jī)學(xué)院劉連忠教授的話：

“外行鼓噪情有可原，許多科學(xué)技術(shù)工作者有時(shí)也故意混淆視聽(tīng)。AI現(xiàn)在太熱了，不過(guò)很快會(huì)降溫，因?yàn)锳I自己還只能循序漸進(jìn)的發(fā)展著�！�

深度學(xué)習(xí)技術(shù)的潛力和價(jià)值毋庸置疑

神經(jīng)網(wǎng)絡(luò)技術(shù)誕生于上個(gè)世紀(jì)60年代，但是直到近年隨著大數(shù)據(jù)和計(jì)算機(jī)性能的發(fā)展才變得真正實(shí)用起來(lái)，尤其是深度學(xué)習(xí)技術(shù)利用復(fù)雜的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行的數(shù)據(jù)模式識(shí)別的準(zhǔn)確性達(dá)到了令人振奮的高水準(zhǔn)。2016年初AlphaGo碾壓式戰(zhàn)勝李世石宣告了一個(gè)全新的人工智能時(shí)代的到來(lái)，這是毋庸置疑的。

其他令業(yè)界震動(dòng)的成果也不勝枚舉，例如圖像和視頻識(shí)別（ImageNet大賽心得），超過(guò)人類準(zhǔn)確性的語(yǔ)音轉(zhuǎn)文本。Google甚至用神經(jīng)網(wǎng)絡(luò)代替了舊的谷歌翻譯技術(shù)架構(gòu)，使得機(jī)器翻譯的質(zhì)量快速拉近與人類翻譯的水平（編者按：對(duì)英文的語(yǔ)音識(shí)別，英文與法文德文等語(yǔ)種間的互譯已經(jīng)非常棒，但中文相關(guān)的互譯質(zhì)量依然不好）。

其他可能改變世界的人工智能成果還有很多，例如斯坦福大學(xué)研發(fā)的人工智能算法（論文）能夠根據(jù)遙感數(shù)據(jù)預(yù)測(cè)農(nóng)作物產(chǎn)量，準(zhǔn)確度比美國(guó)農(nóng)業(yè)部還要高。而斯坦福醫(yī)學(xué)院的人工智能算法在判斷癌癥類型的準(zhǔn)確性上甚至超過(guò)了高水平的醫(yī)生。

深度學(xué)習(xí)不是萬(wàn)能藥，也有自己的問(wèn)題和局限性

在最近舉行的灣區(qū)人工智能大會(huì)上，深度學(xué)習(xí)算法庫(kù)Keras的開(kāi)發(fā)者Francois Chollet認(rèn)為：與人腦能夠基于少量的樣本和經(jīng)驗(yàn)做出長(zhǎng)期規(guī)劃，或者高度抽象提煉模型的能力相比，當(dāng)下火爆的深度學(xué)習(xí)只不過(guò)是比傳統(tǒng)的統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方法強(qiáng)大的模式識(shí)別算法而已，當(dāng)前的監(jiān)督式學(xué)習(xí)和增強(qiáng)學(xué)習(xí)算法需要大量數(shù)據(jù)“喂養(yǎng)”，而且只能做定向的模式識(shí)別，這大大制約了其實(shí)用性。而生成式對(duì)抗網(wǎng)絡(luò)（Generative adversarial networks，GANs）的發(fā)明者Lan Goodfellow則在會(huì)議上展示了神經(jīng)網(wǎng)絡(luò)如何被對(duì)抗式樣本戲耍，例如下面中間這個(gè)人工算法處理過(guò)的噪點(diǎn)圖像，在人眼中什么也不是，但是與原始圖像疊加后能夠欺騙人工智能系統(tǒng)做出錯(cuò)誤的識(shí)別判斷。

以在北京過(guò)馬路這么簡(jiǎn)單的事情為例，深度學(xué)習(xí)算法要死上好幾千次，而且一不小心就被“臟數(shù)據(jù)”帶溝里去了，表現(xiàn)還不如一條狗。

關(guān)于深度學(xué)習(xí)算法適用的局限性，希伯來(lái)大學(xué)近日發(fā)布了一篇論文《深度學(xué)習(xí)無(wú)法完成的任務(wù)》

深 度 學(xué) 習(xí) 不可能完成的任務(wù) 551.95 KB

請(qǐng)輸入下載密碼 Processing...

登錄/注冊(cè)

(獲取下載密碼請(qǐng)關(guān)注IT經(jīng)理網(wǎng)微信號(hào)：ctociocom，后臺(tái)回復(fù)：深度學(xué)習(xí)無(wú)法完成的任務(wù))

深入探討了當(dāng)前深度學(xué)習(xí)算法在解決特定類型問(wèn)題，例如無(wú)信息梯度(Non-Informative Gradients)時(shí)的局限性。

IT經(jīng)理網(wǎng)專欄作者、智能制造專家趙敏曾在文章中指出，根據(jù)2016年Gartner新興技術(shù)成熟度曲線，智能機(jī)器人、認(rèn)知專家顧問(wèn)、機(jī)器學(xué)習(xí)、自動(dòng)駕駛汽車等AI熱門(mén)技術(shù)正處于“期望膨脹期”，接下來(lái)可能進(jìn)入“幻滅期”。如圖7所示。而“通用機(jī)器智能”，還在遙遠(yuǎn)的路上。

針對(duì)時(shí)下人工智能技術(shù)的“熱播”，杜克大學(xué)杜克進(jìn)化智能研究中心主任、深度學(xué)習(xí)專家陳怡然教授表示：“AI熱不是因?yàn)殚T(mén)檻高，恰恰是因?yàn)檫M(jìn)入門(mén)檻低：從公司方面來(lái)說(shuō)，知道點(diǎn)需求，甚至需求都不知道，只是靠覺(jué)得AI能解決這個(gè)問(wèn)題、然后靠人脈能忽悠到錢(qián)就敢開(kāi)AI公司的多了去了。至于AI真的能不能解決這些問(wèn)題，能不能招到能解決問(wèn)題的人，以后再說(shuō)。”

突破深度學(xué)習(xí)的天花板

我們?nèi)绾瓮黄粕疃葘W(xué)習(xí)的“天花板”，朝著通用人工智能系統(tǒng)進(jìn)發(fā)呢？Keras發(fā)明者Chollet目前正在開(kāi)發(fā)一個(gè)“深度數(shù)學(xué)”DeepMath項(xiàng)目，能夠模擬數(shù)學(xué)家的直覺(jué)方法來(lái)輔助數(shù)學(xué)定理的證明。另外一種方法是開(kāi)發(fā)更高級(jí)的可解釋性模型，例如筆跡識(shí)別方面，神經(jīng)網(wǎng)絡(luò)系統(tǒng)需要學(xué)習(xí)數(shù)十萬(wàn)個(gè)樣本才能達(dá)到滿意的識(shí)別率，而美國(guó)國(guó)防部高級(jí)規(guī)劃局DARPA的Launchbury認(rèn)為，通用模型可以接受筆畫(huà)級(jí)別的整塊信息，而不是像素級(jí)別的處理，這樣人工智能系統(tǒng)就能識(shí)別任何字符上的類似筆鋒，甚至能夠區(qū)分外觀類似的手寫(xiě)字符，例如9和4.

Facebook人工智能實(shí)驗(yàn)室總監(jiān)，卷積神經(jīng)網(wǎng)絡(luò)發(fā)明人Yann LeCun提出了一種基于能量的模型（Energy-based models）,作為深度學(xué)習(xí)局限性的突破方法，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)通常智能輸出單一結(jié)果，例如圖像標(biāo)簽或者句子翻譯內(nèi)容。LeCun的能量模型則能夠給出一整組可能的輸出結(jié)果，例如一個(gè)句子的各種翻譯版本，以及各種結(jié)果的打分。

號(hào)稱深度學(xué)習(xí)之父的Geoffrey Hinton則打算用“膠囊”（capsules）來(lái)替代神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元，Hinton認(rèn)為這樣能更加準(zhǔn)確地映射人類大腦皮層結(jié)構(gòu)，而且能夠更加有效地抵御Goodfellow演示的對(duì)抗式攻擊。