AI的顶级专家在争论什么？

  

概要：究竟是什么样的争议让AI界的大神们辩论火力如此密集，连战数日，费劲口舌、逐字力争呢？

 

1月中旬，纽约大学教授马库斯发表一篇万字长文，以问答形式，分14个问题回应那些对他的观点表示质疑的人，其中涉及纽约大学教授、脸书首席AI科学家杨立昆、AAAI前主席托马斯·迪特里奇，魁北克大学教授、谷歌的数学博士等也卷入了论战中。

 

这不是论战的第一回合，1月初，马库斯就提出了自己关于深度学习的十大观点，引得杨立昆直摆手：他说的都不对。

 

究竟是什么样的争议让AI界的大神们辩论火力如此密集，连战数日，费劲口舌、逐字力争呢？

 

深度学习是个“筐” 有人看半满，有人看半空

 

细读马库斯后来发的这篇万字长文，可以发现，不少人对他的质疑是：你忽略了深度学习取得的成绩、你没有说深度学习有哪些好处。言外之意，你对深度学习不是“真爱”，对它的好视而不见。

 

而以杨立昆为代表的一派，对深度学习绝对是“真爱”。从维基百科的介绍中可以看到，正是杨立昆提出了卷积神经网络（Convolutional neural networks，简称CNNs）理论，并成为CNNs得以实现的奠基人，这一网络正是实现深度学习的机器学习模型之一。

 

尽管由CNNs、RNNs(循环神经网络)、DNNs(深度神经网络)等构成的深度学习模式日渐成熟，据说网络层数已经能达到100多层，但马库斯认为，它仍有目前无法规避的十大问题，例如，极度依赖数据、学习过程是个“黑箱”、还不能自适应规则变化等等。

 

另外，深度学习的过程如果是黑箱，会影响它的应用领域，例如诊断病症。“AI运算像在一个黑箱子里运行，创造者也无法说清其中的套路。”马少平说，AI虽然可能给出一个结论，但是人类如果无法知道它究竟是怎么推算出来的，就不敢采信。

 

在制造“噪音”的情况下，AI很容易判断错误。“它无法自动排除噪音，人眼看着是熊猫，AI却会误认为是长臂猿。”马少平认为，AI仍处于初级阶段，还有很多问题等待解决。

 

AI也有门派 各有拥趸，各有所长

 

回应马库斯对深度学习的质疑，杨立昆简单直接：“有想法，也许吧，但大部分都是错的。”

 

直截了当的杀伤性，远大于长篇大论的反驳。潜台词是：“爷不和你聊了”。其实早在2017年10月5日，马库斯和杨立昆就在纽约大学组织的学术辩论会上唇枪舌战。当时他们是有共识的——AI仍处于起步阶段；要实现强人工智能，机器学习从根本上来说是必要的；深度学习是机器学习中一项强大的技术等。

 

然而他们辩论后没多久的10月19日，DeepMind团队发表了最新论文，提出了全新的强化学习算法阿尔法元，它可以从零开始，通过自我对弈精通棋艺，堪称“通用棋类AI”。

 

“事实胜于雄辩”，这就好比先秦时期诸子百家论道，法家学说最终壮大秦国。杨立昆自上世纪80年代提出“人工神经网络”理论以来一度被否，直到他在2013年加入脸书团队后，其理论才慢慢开始变得热门，如今他有了这样强大、知名的佐证。

 

任凭马库斯总结概括深度学习的弱势，以阿尔法元为代表的深度学习却向前迈出了强大的一步，也让越来越多的人倾向于相信，AI可以通过训练具备和人同等的智商，这也是脸书人工智能研究院的研究人员所致力的工作——使机器不需依赖人类训练，学会自己构建内在模型。

 

聚焦热门领域 关乎未来，值得讨论

 

“深度学习，是指使用深度神经网络的统计学习模型。”北京智能一点科技公司CTO莫瑜解释，“深度学习只是机器学习的一种方法，但它火了之后，大家有时甚至将机器学习和深度学习并列起来。”

 

也就是说深度学习与机器学习是部分与整体的关系。然而由于深度学习的火热，使得它在很多人心目中已经成了机器学习的代名词。

 

事实上，除了深度学习之外，还有“决策树、随机森林、图模型等各种机器学习的方法”.莫瑜说:“大家言必称深度学习，使得深度神经网络之外的技术路线被忽视了，这不利于技术的发展。因此会有学者呼吁大家保持冷静的态度。”

 

莫瑜认为，杨立昆对深度学习技术的理解、潜力和信心是基于他对这一技术的了解和研究深度。“他是CNNs之父，在神经网络还没像现在这样火的时候就开始研究，他的视角可能更深入。”

 

这个世界总会有几个能对整个人类社会产生影响的人，他们的思想甚至可以左右人类社会的走向。

 

杨立昆认为人脑只属于人，AI要拥有同样的智能，不需要类似人类的认知能力，可以另起炉灶，深度学习可以承担构建强人工智能的任务。

 

马库斯则认为，只有通过类人的方法来理解世界，AI技术才能取得成功，而具备人类相当水平的强人工智能研究压根还没开始。可以推测，他所说的类人研究方法应该包括对人类神经、心理等的生理学破译等研究工作，马库斯正是纽约大学的心理学和神经科学教授。