深度学习已经触到天花板了吗

大数据文摘出品

编译：小蒋、lvy、王嘉仪

经过了多波浪潮的人工智能这次能够有新的突破吗?还是，历史依然会重演呢?岁末年初，本文作者Thomas Nield从历史上的英国讲起，进而探讨了人工智能到底是什么，以及这一波人工智能浪潮又有哪些不同。

许多人认为算法将会超越人类的认知意识：机器可以在没有人为干预的情况下辨别和学习任务，并将大规模地替换掉工人;他们完全可以“思考”;许多人甚至提出了我们是否可以将机器人作为配偶的问题。

但这不是什么新颖的想法，早在20世纪60年代，当时的人工智能先驱Jerome Wiesner、Oliver Selfridge和Claude Shannon已经很坚信，这种情况会在不久的将来发生。

快进到1973年，AI的炒作给英国带来了适得其反的结果。

在这种AI热潮下，英国议会不会无动于衷，他们委任当时的人工智能专家，James Lighthill爵士撰写一份英国的AI研究现状报告。

在这份研究报告中，James Lighthill非常激烈地批评了当时被给予厚望的人工智能研究。Lighthill还指出，专业程序(或人)是如何比他们的“AI”同行表现得更好的。

这份报告被称为Lighthill Report，也正因为这份报告，当时的英国政府取消了所有人工智能研究经费(英国的研究在20世纪80年代再次兴起，Alvey项目是对日本的第五代计算机项目的回应)。

点击查看当时关于Lighthill报告的辩论：https://youtu.be/03p2CADwGF8

1965年突破性的“MAC Hack VI

同一时间在大西洋彼岸，美国国防部在人工智能研究上投入了大量资金，随后由于同样的挫折，几乎取消了所有资金：人工智能能力的夸大，高成本且无回报，以及在现实环境中价值前景存疑。

在20世纪80年代，日本积极尝试用第五代计算机项目大胆刺激“AI”。然而，这最终也是一次耗资8.5亿美元的失败。

第一轮AI寒冬

20世纪80年代末迎来了第一轮AI寒冬。这是计算机科学的一个黑暗时期，组织和政府面临“人工智能”研究失败和沉没成本，也由此导致人工智能研究停滞了数十年。

到了1990年代初，“AI”变成了一个肮脏的词，这一状况持续到了2000年。人们普遍认为“人工智能不起作用”。编写看似智能程序的软件公司使用了“搜索算法”、“业务规则引擎”、“约束求解器”和“运筹学”等术语。值得一提的是，这些宝贵的工具确实来自人工智能研究，但由于未能实现更宏大的目的，它们现在被重新命名。

但在2010年左右，情况开始发生变化。人们对AI的兴趣再次迅速增长，关于图像分类的竞赛引起了媒体的关注。硅谷第一次通过使用足够大的数据使神经网络发挥作用。

到2015年，“AI”研究获得了许多财富500强企业的巨额预算。通常情况下，这些公司是由FOMO(fear of missing out)驱动而不是实际的案例，担心他们会被自动化的竞争对手所抛弃。毕竟，让神经网络识别图像中的物体真是令人印象深刻!对于非专业人士来说，SkyNet的能力肯定是下一个。但这真的是迈向真正的人工智能的一步吗，或者是历史重演?

所以，什么是AI呢?

很长一段时间，我一直不喜欢“人工智能”这个词。

它太模糊且深奥，这还更多的是由营销人员而不是科学家定义的。当然，市场营销和流行语可以说是促进改变和接受新思维的必要条件。然而，流行语的混杂不可避免地导致了混乱。我的新华硕智能手机就被称作具有“AI铃声”功能，，而也就是可以动态调整铃声音量，使其在环境噪音中足够响亮。我猜想一些可以用一系列“if”条件或简单的线性函数进行编程的东西，都被称为“AI”。

有鉴于此，“AI”的定义受到广泛争议也就不足为奇了。我喜欢Geoffrey De Smet的定义，该定义指出AI解决方案适用于具有不确定性答案和/或不可避免的误差范围的问题。这将包括从机器学习到概率和搜索算法的各种工具。

也可以说人工智能的定义不断发展，只包括突破性的发展，而过去的成功(如光学字符识别或语言翻译)不再被视为“AI”。所以“人工智能”可以是一个相对术语，而不是绝对的。

近年来，“AI”经常与“神经网络”联系在一起，这也是本文将重点关注的问题。还有其他“AI”解决方案，从其他机器学习模型(朴素贝叶斯，支持向量机，XGBoost)到搜索算法。然而，神经网络可以说是目前最热门的技术。

人工智能的“复兴”?

2010年之后，人工智能的兴起仅仅是掌握了一类新的任务：分类。更具体地说，由于神经网络的存在，科学家已经开发出有效的方法来分类大多数类型的数据，包括图像和自然语言。即使是自动驾驶汽车也是分类任务，其中周围道路的每个图像都可以转化为一组离散动作(加油，刹车，左转，右转等)。如果想要简单了解其工作原理，请观看这个如何制作一个视频游戏的AI的教程。

(https://v.qq.com/x/page/x0827h24k33.html)

在我看来，自然语言处理比纯粹的分类更令人印象深刻。很容易相信这些算法是有感知的，但如果你仔细研究它们就可以说它们依赖于语言模式而不是有意识构建的思想。

（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!