為AI清君側(cè)：為什么鼓吹“寒冬論”的都是AI學者？

原標題：為AI清君側(cè)：為什么鼓吹“寒冬論”的都是AI學者？

炎炎夏日即將來臨，想要防酷暑降溫，除了開空調(diào)吃冰淇淋之外還有什么其他方法嗎？

當然有啦！比如關注一下深度學習領域，就會發(fā)現(xiàn)人工智能又又又寒冬了。明明是一項在世界范圍內(nèi)受關注和投入頗多的技術，為什么時不時就會有大佬開麥，給人一種一年四季都在“寒冬”的錯覺呢？

最近幾個月以來，曾經(jīng)在去年發(fā)表過《AI Winter is Well on its Way》聲稱AI和深度學習寒冬即將到來的AI專家Filip Piekniewski陸續(xù)發(fā)表了兩篇“雄文”，再次對深度學習進行了抨擊，一篇稱AI和“區(qū)塊鏈”一樣，都將面臨崩盤的終局，另一篇稱深度學習的應用性遠比人們想象中狹隘。

我們不如以Filip Piekniewski的言論為線索，看看在“AI寒冬論”背后，又暗暗隱藏著哪些秘密。

時隔一年寒冬回歸，又帶來了哪些論據(jù)？

在上次發(fā)表《AI Winter is Well on its Way》后，F(xiàn)ilip Piekniewski遭到了不少抨擊，其中原因是Filip Piekniewski的觀點和論據(jù)實在是存有過多的槽點。例如Filip將學術領秀在Twitter上提及深度學習的次數(shù)減少，當做深度學習衰落的證據(jù)。又將知名不靠譜自動駕駛廠商Uber的自動駕駛事故，歸咎到深度學習技術的不靠譜上。

但在最近發(fā)表的言論中，F(xiàn)ilip Piekniewski又對自己的觀點進行進一步的補充。

首先，F(xiàn)ilip Piekniewski再次強調(diào)了自動駕駛的不靠譜。證據(jù)是最近一年自動駕駛領域逐漸冷卻，實驗過程中時有事故發(fā)生，福特CEO Jim Hackett也承認，該公司“高估”了全自動駕駛汽車的到來速度。

同時Filip Piekniewski還將比特幣與深度學習做對比，認為兩者都是硅谷在芯片銷售乏力時，“炒作”出的新概念，一個依靠算力挖礦，一個依靠大型模型創(chuàng)造計算需求，最終目的是賣出更多的GPU。而比特幣目前已經(jīng)崩盤，深度學習所創(chuàng)造的AI夢境也距離夢醒不遠了。

至于當前AI界最為頭痛的人才問題，F(xiàn)ilip Piekniewski則給出了不同的意見，他認為相比AI人才緊缺，實際上AI人才是魚龍混雜的，只要在頂會上發(fā)布一篇論文就能替代一切背調(diào)，加上大量所謂AI人才都是直接從高校和研究院進入企業(yè)，缺乏現(xiàn)實場景經(jīng)驗，更加速了AI的“滅亡”。

比特幣誅心論：AI是硅谷的帶貨高手嗎？

相比上一次那Twitter內(nèi)容當做證據(jù)，這一次Filip Piekniewski所提出的自動駕駛遇冷、AI人才審核標準模糊等等，看似客觀許多，但將區(qū)塊鏈和AI相提并論，則是一種極其誅心的理論。

我們不得不承認，從硅谷視角來看，AI和區(qū)塊鏈確實有顯著的共同點。第一，兩者都通過對算力的強大需求，帶動了芯片行業(yè)的發(fā)展；第二，兩者都是先“賦能”了硅谷的財富集中，再去賦能現(xiàn)實場景的落地應用。

在移動終端逐漸走向成熟后，硅谷一度無法再像PC和移動終端熱潮初期，通過一種普遍性的設備和產(chǎn)品更新?lián)Q代來獲得財富。但AI和區(qū)塊鏈的出現(xiàn)，又在試圖從底層改變整個軟件和硬件生態(tài)。這其中讓科技企業(yè)獲得了不少紅利，例如大量投資涌入?yún)^(qū)塊鏈和AI創(chuàng)業(yè)領域，又像是英偉達近年來的迅速成長。

但我們并不能因此將AI和區(qū)塊鏈完全看做一談，兩件事情形成的結(jié)果有部分融合，并不代表兩件事的性質(zhì)完全一樣。

我們需要知道的是，深度學習之所以會在今天出現(xiàn)，是因為移動時代帶來的數(shù)據(jù)量暴漲和算力基礎提升，給予了深度學習深入研發(fā)和應用的可能。深度學習和芯片算力是彼此成就的，而非像比特幣那樣通過一種類似于投資的概念，用“挖礦”這種行為來對算力進行一種空對空的消耗，如同“帶貨”一般促成芯片需求。

所以我們很難將比特幣的潰塌看做AI必將到來的未來。

技術原罪論：深度學習是L5自動駕駛的絆腳石嗎？

同時比特幣價格的波動，也不代表區(qū)塊鏈技術是毫無意義的。不管比特幣是漲是跌，我們依然能看到區(qū)塊鏈正在進入種種領域。在應用層面，F(xiàn)ilip Piekniewski一直試圖通過抨擊自動駕駛來駁倒AI整體的應用價值。

把目標集中在自動駕駛這一領域中，我們發(fā)現(xiàn)似乎真的有一絲“寒冬”的意味：從2018年年底開始，自動駕駛相關創(chuàng)業(yè)企業(yè)就開始有了融資量下降甚至估值回調(diào)的現(xiàn)象；特斯拉改變了在2019年推出完全自動駕駛的口徑，甚至因此遭到了車主訴訟；福特CEO和Waymo CEO接連在公開場合發(fā)表言論，稱“自動駕駛很困難，尤其是L5級別的自動駕駛”。

可自動駕駛降溫的原因，真的和AI技術有關嗎？

深度學習在復雜環(huán)境下感知能力正在應用到自動駕駛視覺、毫米波雷達、激光雷達等等領域中，但其黑箱特征在決策能力上的弱勢，確實也對L5級別的自動駕駛發(fā)展產(chǎn)生了一些阻礙?？晌覀儾荒軐⒆詣玉{駛的發(fā)展看做一條單一路徑，雖然L5級別自動駕駛尚且沒有理想進展，但L4級別的自動駕駛已經(jīng)開始了頻繁的測試階段，甚至有了商業(yè)落地的雛形。

何況阻礙L5級別自動駕駛發(fā)展的，絕不僅僅是AI技術，更多還有落地過程中的各種問題，例如法律法規(guī)、配套設施、倫理道德等等。更何況AI在自動駕駛之外，還廣闊天地大有作為。僅僅因為如此就一言以蔽之對AI進行通篇否定，顯然是不合理的。

為AI“清君側(cè)”：為什么鼓吹AI寒冬論的都是AI學者？

面對這些不靠譜的言論，我們或許應該從“源頭”開始關注。發(fā)布這一系列“雄文”的Filip Piekniewski是一位AI領域和機器視覺領域的研究者，Twitter資料顯示他就職于一家名為Accel Robotics的AI創(chuàng)業(yè)企業(yè)。實際在發(fā)表《AI Winter is Well on its Way》一文之前，說Filip Piekniewski在AI學術界毫無存在感也不為過。只是因為對深度學習和AI的抨擊，才讓他一具成名。到今天我們可以清晰地看到Filip Piekniewski批判AI的套路：首先對于技術進行“商業(yè)羞辱”，與概念炒作掛鉤；再將普遍矛盾集中成技術矛盾，將一切落地過程中的問題都歸咎于技術本身；最后開始誅心說，把一切都形容成大公司的商業(yè)騙局。

在發(fā)布了AI寒冬理論之后，LeCun、吳恩達等等活躍在AI產(chǎn)業(yè)界的學者們都提出了反駁。可同時市面上也傳來了一些贊同的聲音，例如紐約大學心理學與神經(jīng)科學教授Gary Marcus，也曾在去年撰文批判深度學習。

我們可以看到一個很有趣的現(xiàn)象：這些為AI“哭喪”的學者，恰恰也都是研究AI相關領域的。

這種行為并不是來源于學者干一行“唱衰”一行，而是因為他們所研究的領域和當前AI的發(fā)展有所出入。

就拿Filip Piekniewski本人來說，其研究范圍在經(jīng)典計算機視覺中，既是在廣泛的算法集合中從圖像中提取信息，作為機器學習分類器的前端，以構(gòu)建更復雜的檢測器。但在現(xiàn)實應用場景中，檢測器的搭建過程非常復雜也不具有可復制性，相比之下遠不如深度學習更加高效，所以一直很難走向市場。

但經(jīng)典計算機視覺的優(yōu)勢在于，其準確度相比深度學習解決方案更高，對計算力的要求也更低。

看到這里，F(xiàn)ilip Piekniewski此前一些看似非常不合理、不具有學術專業(yè)性的言論就有了解釋。不論是強調(diào)深度學習是硅谷的為了賣GPU營造的算力騙局，還是強調(diào)AI炒作帶來的學者身價膨脹，本質(zhì)上都是在為自己的學術觀點站臺，表達對目前深度學習一家獨大的不滿。

包括上文提到的Gary Marcus，也是在表達對深度學習不滿的同時，強調(diào)了深度學習必須要結(jié)合符號計算才能進步。而這也正是Gary Marcus本人的學術方向。

說到底，這些看似鼓吹AI寒冬的學者，并不是真正的不看好的AI價值，只是對AI學術發(fā)展的趨勢有所不滿，以一種勸諫的姿態(tài)在表達意見，仿佛深度學習和硅谷的勾結(jié)已經(jīng)禍國殃民，學者們捶胸頓足的哭嚎著：“陛下，看看您的江山吧！”

結(jié)束語

雖然Filip Piekniewski對于深度學習的抨擊本質(zhì)上是一種夾帶私貨，但他的一些觀點也并非不無道理，例如目前硅谷和學術界關系過密，是否會影響到學術發(fā)展的方向？以及目前企業(yè)對于深度學習學術人才的追捧，是否會反而會因為學術人才的水土不服而阻礙AI應用的發(fā)展？

當今世界和過去產(chǎn)生的一大區(qū)別是，商業(yè)與學術研究正在結(jié)合的越來越緊。在大量科技企業(yè)出資支持學界的情況下，學者們究竟是在進行純粹的學術創(chuàng)新，還是被商業(yè)支持圈到了某一個籠子里？商業(yè)資助的影響，是否會對學者們的學術道路選擇產(chǎn)生一定的影響，最終導致技術創(chuàng)新在錯誤的方向上越走越遠？

雖然“AI寒冬論”和對深度學習的盲目指摘并不可取，但其背后所隱藏的問題，我們應當時時警醒、銘記在心。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。