当前位置:

OFweek人工智能网

机器学习

正文

深度学习论战 AI大神们在吵什么

导读: 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。

真应了《笑傲江湖》里那句:“有人的地方就会有江湖,有江湖就有恩怨。”只是这次的江湖和恩怨都源自人工智能而不是人。

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。

“深度学习存在不少问题,例如深度学习是固执己见的。”清华大学教授马少平的观点与马库斯相一致。

他举例说,一辆AI驱动的无人车可能在模拟环境中撞树5万次才知道这是错误行为,而悬崖上的山羊却不需要多少试错机会,改变深度学习的输出很难,它缺乏“可调试性”。

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。

在马库斯列出的十大问题中,最要命的是最后一条,深度学习很难稳健地实现工程化。这相当于给深度学习引领AI走向强智能的可能性亮了红灯。

北京语言大学教授荀恩东解释,工程化意味着有“通行”的规则。例如对某一个问题的解决方法确定了,可以固定化,哪里需要往哪里搬。而深度学习进行问题处理时,采取类似于完成项目的方式,一个一个地解题,然而世界上有无数问题,如果很难保证机器学习系统换个新环境还能有效工作,那深度学习这项技术可能并不合适帮助AI获得通行的能力,引导和人类智能相当的强人工智能的实现。

这种对深度学习的尖锐批评,自然会让深度学习的拥趸们很不满意。他们的理由也很充分:这些问题只是现阶段的,未来不一定得不到解决。批评者看到的是深度学习这个筐半空,而支持者看到的则是半满。

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”。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

X
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: