真應了《笑傲江湖》里那句：“有人的地方就會有江湖，有江湖就有恩怨?！敝皇沁@次的江湖和恩怨都源自人工智能而不是人。
1月中旬，紐約大學教授馬庫斯發(fā)表一篇萬字長文，以問答形式，分14個問題回應那些對他的觀點表示質(zhì)疑的人，其中涉及紐約大學教授、臉書首席AI科學家楊立昆、AAAI前主席托馬斯·迪特里奇，魁北克大學教授、谷歌的數(shù)學博士等也卷入了論戰(zhàn)中。
這不是論戰(zhàn)的第一回合，1月初，馬庫斯就提出了自己關于深度學習的十大觀點，引得楊立昆直擺手：他說的都不對。
究竟是什么樣的爭議讓AI界的大神們辯論火力如此密集，連戰(zhàn)數(shù)日，費勁口舌、逐字力爭呢？
深度學習是個“筐” 有人看半滿，有人看半空
細讀馬庫斯后來發(fā)的這篇萬字長文，可以發(fā)現(xiàn)，不少人對他的質(zhì)疑是：你忽略了深度學習取得的成績、你沒有說深度學習有哪些好處。言外之意，你對深度學習不是“真愛”，對它的好視而不見。
而以楊立昆為代表的一派，對深度學習絕對是“真愛”。從維基百科的介紹中可以看到，正是楊立昆提出了卷積神經(jīng)網(wǎng)絡（Convolutional neural networks，簡稱CNNs）理論，并成為CNNs得以實現(xiàn)的奠基人，這一網(wǎng)絡正是實現(xiàn)深度學習的機器學習模型之一。
盡管由CNNs、RNNs（循環(huán)神經(jīng)網(wǎng)絡）、DNNs（深度神經(jīng)網(wǎng)絡）等構成的深度學習模式日漸成熟，據(jù)說網(wǎng)絡層數(shù)已經(jīng)能達到100多層，但馬庫斯認為，它仍有目前無法規(guī)避的十大問題，例如，極度依賴數(shù)據(jù)、學習過程是個“黑箱”、還不能自適應規(guī)則變化等等。
“深度學習存在不少問題，例如深度學習是固執(zhí)己見的。”清華大學教授馬少平的觀點與馬庫斯相一致。
他舉例說，一輛AI驅動的無人車可能在模擬環(huán)境中撞樹5萬次才知道這是錯誤行為，而懸崖上的山羊卻不需要多少試錯機會，改變深度學習的輸出很難，它缺乏“可調(diào)試性”。
另外，深度學習的過程如果是黑箱，會影響它的應用領域，例如診斷病癥。“AI運算像在一個黑箱子里運行，創(chuàng)造者也無法說清其中的套路?！瘪R少平說，AI雖然可能給出一個結論，但是人類如果無法知道它究竟是怎么推算出來的，就不敢采信。
在制造“噪音”的情況下，AI很容易判斷錯誤?！八鼰o法自動排除噪音，人眼看著是熊貓，AI卻會誤認為是長臂猿?！瘪R少平認為，AI仍處于初級階段，還有很多問題等待解決。
在馬庫斯列出的十大問題中，最要命的是最后一條，深度學習很難穩(wěn)健地實現(xiàn)工程化。這相當于給深度學習引領AI走向強智能的可能性亮了紅燈。
北京語言大學教授荀恩東解釋，工程化意味著有“通行”的規(guī)則。例如對某一個問題的解決方法確定了，可以固定化，哪里需要往哪里搬。而深度學習進行問題處理時，采取類似于完成項目的方式，一個一個地解題，然而世界上有無數(shù)問題，如果很難保證機器學習系統(tǒng)換個新環(huán)境還能有效工作，那深度學習這項技術可能并不合適幫助AI獲得通行的能力，引導和人類智能相當?shù)膹?a href="http://worldfootballweekly.com/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD_1.html" target="_blank" class="keylink">人工智能的實現(xiàn)。
這種對深度學習的尖銳批評，自然會讓深度學習的擁躉們很不滿意。他們的理由也很充分：這些問題只是現(xiàn)階段的，未來不一定得不到解決。批評者看到的是深度學習這個筐半空，而支持者看到的則是半滿。
AI也有門派 各有擁躉，各有所長
回應馬庫斯對深度學習的質(zhì)疑，楊立昆簡單直接：“有想法，也許吧，但大部分都是錯的?！?/p>
直截了當?shù)臍?，遠大于長篇大論的反駁。潛臺詞是：“爺不和你聊了”。其實早在2017年10月5日，馬庫斯和楊立昆就在紐約大學組織的學術辯論會上唇槍舌戰(zhàn)。當時他們是有共識的——AI仍處于起步階段；要實現(xiàn)強人工智能，機器學習從根本上來說是必要的；深度學習是機器學習中一項強大的技術等。
然而他們辯論后沒多久的10月19日，DeepMind團隊發(fā)表了最新論文，提出了全新的強化學習算法阿爾法元，它可以從零開始，通過自我對弈精通棋藝，堪稱“通用棋類AI”。
12下一頁>（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)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。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。 ）
