幾天之前，國內(nèi)科技媒體，尤其是AI媒體之間刷屏了一篇文章。其原作者是機(jī)器視覺專家Filip Piekniewski ，標(biāo)題叫做《AI Winter is Well on its Way》。這篇文章在國內(nèi)有各種翻譯的版本，并配了很多標(biāo)題。但主旨差不多是一樣的：深度學(xué)習(xí)完了！AI寒冬又要來了！

無論是國內(nèi)還是國外，在社交媒體上“看熱鬧就不嫌事大”屬于一種基本操作。所以這篇文章還是短期內(nèi)引發(fā)了大量關(guān)注。比如我們會(huì)看到國內(nèi)一些媒體以這篇文章為依據(jù)，開始提出人工智能要完了；人工智能脫下皇帝新衣等等觀點(diǎn)。

可是這篇文章究竟是否靠譜呢？用大神Yann LeCun的評(píng)價(jià)，這篇文章的觀點(diǎn)屬于“非常無知very uninformed”。確實(shí)其中也有不少近似常識(shí)錯(cuò)誤的部分，不是很值得討論。比如文章中認(rèn)為，深度學(xué)習(xí)要糟糕的證據(jù)之一，是深度學(xué)習(xí)專家們發(fā)的相關(guān)推特越來越少了。文章中還煞有介事地分析了吳恩達(dá)發(fā)推特的數(shù)量……

這個(gè)論證邏輯實(shí)在有點(diǎn)牽強(qiáng)，一個(gè)技術(shù)誕生好幾年后，當(dāng)然難以與它剛剛面世時(shí)的流量熱度相提并論。而且另一方面，似乎全世界的人均發(fā)推數(shù)也在大幅下降……

但我們未嘗不能把目光放的更遠(yuǎn)一點(diǎn)：比如客觀來看，反深度學(xué)習(xí)思潮已非一日之寒。各種關(guān)于深度學(xué)習(xí)的爭論，以及對(duì)其泡沫的懷疑，在近半年間塵囂之上。這當(dāng)然不會(huì)完全沒有道理。而且圍繞在深度學(xué)習(xí)身旁的爭議，經(jīng)常有著復(fù)雜的動(dòng)機(jī)和話語背景。而被媒體，尤其是翻譯后媒體所展示出來的，不過是冰山一角而已。

那么或許我們可以從那篇《AI寒冬就要來了》的文章里，去觀察一下這場“深度學(xué)習(xí)的王座保衛(wèi)戰(zhàn)”?；蛟S這可以給我們一些線索，來判斷AI之冬到底是遠(yuǎn)在天邊還是觸手可及。

Filip Piekniewski對(duì)深度學(xué)習(xí)的質(zhì)疑一共有這么幾項(xiàng)證據(jù)：

1. 關(guān)于深度學(xué)習(xí)的推特在減少……這個(gè)我們就不多聊了。

2. 大公司對(duì)AI的興趣正在消退。

3. 深度學(xué)習(xí)沒有證實(shí)“架構(gòu)可以無限延展”的傳聞。

4. 接二連三出現(xiàn)的自動(dòng)駕駛事故讓深度學(xué)習(xí)失去價(jià)值。

這四大證據(jù)，得出的結(jié)論就是AI寒冬就像股市崩盤一樣，很快就會(huì)發(fā)生。不得不說，這個(gè)邏輯鏈里的槽點(diǎn)還是相當(dāng)密集的。

自動(dòng)駕駛事故，是深度學(xué)習(xí)的鍋嗎？

首先來我們回到備受爭議的自動(dòng)駕駛事故。Filip Piekniewski認(rèn)為，Uber在坦桑尼亞州撞死人的那起事件，直接證明了深度學(xué)習(xí)的無效性。原因在于報(bào)告顯示，AI系統(tǒng)沒有認(rèn)出視線范圍內(nèi)的行人。

這個(gè)推論乍聽起來有理有據(jù)的，但仔細(xì)一想絕對(duì)可謂強(qiáng)行甩鍋。這就像一輛車因?yàn)榘l(fā)動(dòng)機(jī)熄火導(dǎo)致發(fā)生了車禍，那么原因可能有很多，比如車主沒有好好保養(yǎng)；汽車制造商有質(zhì)量問題；汽車零部件生產(chǎn)商有問題；甚至是意外因素。但實(shí)在很難想象把原因甩給內(nèi)燃機(jī)技術(shù)，以及相關(guān)學(xué)術(shù)界。

當(dāng)然，深度學(xué)習(xí)目前可不像內(nèi)燃機(jī)一樣經(jīng)過了千錘百煉。但脫離具體的解決方案與算法、零部件、車載系統(tǒng)、廠商之間的技術(shù)差異等等因素，去質(zhì)疑宏觀技術(shù)，似乎也是不妥。更何況深度學(xué)習(xí)也難以被視為無人駕駛場景中的最核心技術(shù)。

比如Uber的事故率可謂出名的高，但Waymo的事故率卻出名的低。那么究竟他們都使用的某種技術(shù)不行，還是廠商不行呢？這大概不是個(gè)難以回答的問題。

換個(gè)角度想，假如深度學(xué)習(xí)非常炸裂，達(dá)到了毀天滅地的程度，于是無人駕駛就成熟到可以不經(jīng)過任何測試與研究，馬上就取代人類司機(jī)安全上路了嗎？好像也不是。

所以把個(gè)別廠商的安全事故要甩給大家都用的底層技術(shù)，實(shí)在有點(diǎn)甩鍋的嫌疑。

大公司放棄人工智能了嗎？

Filip Piekniewski提出大公司對(duì)人工智能的興趣正在衰退。比如有媒體報(bào)道谷歌正在不知道拿DeepMind怎么辦（這篇文章之后沒多久，谷歌I/O大會(huì)里又著重強(qiáng)調(diào)了DeepMind的技術(shù)）,而DeepMind和OpenAI這兩個(gè)深度學(xué)習(xí)王牌公司如今靜悄悄的沒什么聲音,結(jié)論是Facebook和谷歌開始展露出從AI撤退的意圖。

那這個(gè)意圖可能確實(shí)有點(diǎn)太隱晦了。就像Yann LeCun批評(píng)的那樣，谷歌、Facebook和微軟這樣的大公司，近期對(duì)AI的加注和加速招聘人才都是顯而易見的。這個(gè)時(shí)間段最有代表性的可能是微軟，最近憑借一通緊密關(guān)聯(lián)AI的神操作，微軟股價(jià)漲出了新高。谷歌和Facebook，甚至亞馬遜的進(jìn)一步AI化都非常明顯。而谷歌，可就連軍方AI項(xiàng)目都那么地不離不……

文章提到了另一點(diǎn)，是DeepMind在AlphaGo之后就沒有什么驚人表現(xiàn)了。當(dāng)然每個(gè)人對(duì)于驚人的定義是不同的，但從我們的角度看，DeepMind這兩年在強(qiáng)化學(xué)習(xí)和仿生AI的研究上，成果是非常顯著的。它與谷歌能否長期兼容當(dāng)然是另一個(gè)商業(yè)層面的問題，僅僅就技術(shù)表現(xiàn)而言，絕不可能每一個(gè)技術(shù)進(jìn)步都有AlphaGo的傳播性和公關(guān)價(jià)值。

當(dāng)然，值得注意的是，DeepMind確實(shí)正在越來越少提出深度學(xué)習(xí)相關(guān)的技術(shù)，反而強(qiáng)化學(xué)習(xí)正在成為這家公司新的關(guān)鍵詞。

泡沫與不確定性，確實(shí)彌漫在DL身旁

整體而言，這篇刷屏文章中相對(duì)靠譜的一個(gè)懷疑，是關(guān)于深度學(xué)習(xí)的框架延展性問題。13到16年間，確實(shí)彌漫過很多對(duì)深度學(xué)習(xí)的過分吹捧，并且其中很大部分來自于科學(xué)家。其中一個(gè)論調(diào)，是深度學(xué)習(xí)的特殊性讓其架構(gòu)可以無限增長，于是智能也就會(huì)停不下來地幾何級(jí)擴(kuò)張。

但在實(shí)踐中，這顯然不靠譜。首先是無限增長架構(gòu)效果并不一定好，這在很多過分復(fù)雜的模型中都得到了印證；其次過于復(fù)雜的架構(gòu)，同時(shí)也意味著巨大的能耗和龐大的數(shù)據(jù)需求量，這都是今天無法負(fù)擔(dān)的。

這類赤果果的打臉，在深度學(xué)習(xí)身上已經(jīng)發(fā)生了不少。由于深度學(xué)習(xí)技術(shù)提出時(shí)，確實(shí)讓學(xué)術(shù)界和產(chǎn)業(yè)界看到了非?？捎^的延展空間，以及把很多抽象能力計(jì)算化的可能。而在競技、視覺以及自然語言翻譯等領(lǐng)域，深度學(xué)習(xí)也的確帶來了不可替代的提升。

于是無論圈內(nèi)還是圈外，關(guān)于深度學(xué)習(xí)就是那個(gè)“終極算法”，人類可以借由DL一路達(dá)到通用智能等等言論蜂擁而至。而深度學(xué)習(xí)之所以被很多科學(xué)家反感，這些反常識(shí)的言論其實(shí)占據(jù)了主要原因。

這些言論和樂觀估計(jì)是否帶來了資本和商業(yè)市場上的泡沫呢？可以說是絕對(duì)有的，而且恐怕美國比中國更甚。這些因素，加上深度學(xué)習(xí)技術(shù)一些無法被攻破的先天不足：比如嚴(yán)重的黑箱性、數(shù)據(jù)依賴性，以及對(duì)動(dòng)態(tài)模擬的不足等等，共同組成了一個(gè)不穩(wěn)定空間。

尤其在AI嘗試走向商業(yè)化的時(shí)候，這些不穩(wěn)定或許會(huì)發(fā)展為定時(shí)炸彈。好在目前來看，商業(yè)應(yīng)用初級(jí)深度學(xué)習(xí)的技術(shù)紅線，還有非常遙遠(yuǎn)的距離。

而即使是“反深度學(xué)習(xí)聯(lián)盟”中最大的旗幟Marcus也認(rèn)為，在功能架構(gòu)上來說，深度學(xué)習(xí)可能是今天最好的解決方案，雖然它有這樣或那樣的問題。