深度学习：远非人工智能的全部和未来

合法的深度学习市场非常有限：在决策结果造成财政、健康上的区别，或者存在歧视性，而深度学习无法理解决策是否公正以及为什么公正的时候，法官可以处罚。那么自动驾驶呢？似乎在艺术、游戏或高级幽默以外的领域使用深度学习都有法律风险。现有的非深度学习方法可以取代深度学习，新方法也会被（重新）发现，因此 AI 的发展将会顺利进行。尤其是每个人研究（并投资）AI 和机器学习科学领域中的所有新旧算法，而不只是深度学习：这也是成为「人工智能专家」的唯一路径。

深度学习除了正在「非法」用于很多可解任务以外，它也不能被用于解决以下一系列问题：那些需要抽象推理来找出数据中哪些是公平，哪些是不公平的任务，那些需要解释其中的逻辑，并自行作出决定的任务。即使对于那些不需要解释的任务来说，深度学习看起来是最好的系统（如图像识别），但是也不如人类自己那样具有稳定性。你可以轻而易举地使用对抗样本来让深度学习系统出错：为一张猫的图片加入一些特殊的噪点，机器就会把它误认为其他不相关的东西，而人类绝不会犯错。如果街边的路牌被对抗样本黑掉了，现在的自动驾驶汽车将不再安全。新一代的人工智能系统必须克服这个问题——它也将取代深度学习。

著名深度学习库 Keras 作者 François Chollet 曾在一篇名为《深度学习的限制》的文章中说到：「深度学习唯一真正能成功做到的是使用几何变换，在给定大量人类标注数据的情况下将空间 X 映射到空间 Y 的能力。」这些空间拥有多维，不仅仅是三维的，这就是深度学习可以模仿毕加索风格作画、在德州扑克中 Bluff，以及在其他一些方面里展示创造力的原因。但是对于外行人来说，这也许意味着：深度学习模型可以被训练成拥有识别猫的能力，但本身不知道什么是猫；可以是一个种族主义者，但不知道什么是种族主义。深度学习可以识别猫、具有种族主义，并赢得很多游戏，这看起来是令人瞩目的进步，但深度学习无法解释为什么图中的动物是猫，也无法定义种族主义。

在《深度学习的未来》中，Keras 的作者描述了一种只有「几何模块」的全新深度学习系统，它应该与尚未出现的「算法模块」和「元学习器」相关。这种方式可以显著增加可以解决问题的类型与数量，但因为深度学习模块的存在，这种方式仍然无法解释决策的机制。这就像我们不能用言语解释大脑中计算出的某些感觉或图像。人类可以解释自己的想法，但这种解释过于简单化，不甚准确。机器的算法却总被要求完全准确。有一些专家正在开发完全不包含深度学习的全新人工智能系统，但他们缺乏支持：现在所有人都只投资深度学习，而这个风潮还将持续一段时间。没有人知道下一个人工智能浪潮将会是关于什么的，但看起来不会是深度学习 2.0。

深度学习正处于过热状态，因为只有与深度学习软/硬件相关的人正在不断讨论它。你可曾见过任何「自然智能」专家，如心理学家和哲学家支持过深度学习？

如果你不太了解人工智能，或者还没有时间来学习，我认为你可以等待下一代人工智能系统的兴起，直接跳过深度学习 1.0 时代。如果你有这方面的需求，我建议你深入了解整个人工智能及机器学习领域的知识——而不仅仅是深度学习。在人工智能成为火热概念的今天，我们更需要冷静的思考。 

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!