人工智能爆炒中的冷思维，深度学习的地板和天花板在哪里？

关键词:人工智能来源:网络整理作者:Ioter 2019-05-26 13:45

他指出，要高度重视、提高站位，全面增强打响“上海制造”品牌的紧迫感、责任感、使命感。

无论在中国市场还是欧美市场，对人工智能，尤其是深度学习技术的炒作已经到达白热化的巅峰，各路AI创业公司、项目和技术如雨后春笋。一夜之间，工人、司机、医生、律师、法官、新闻记者、股票交易员甚至码农和黑客都被铺天盖地的人工智能审判日阴影所笼罩(人工智能，提前到来的职业杀手)，而过于与人工智能毫不沾边的IT电子消费产品，例如路由器、扬声器、手环、手机APP甚至豆浆机等“智能产品”都纷纷贴上了人工智能的新标签。

在各路新老媒体和“专家”的鼓噪下，人工智能似乎成了一把万能的锤子，任何行业、任何职业、任何应用似乎都可以被人工智能取代甚至革新，但是关于人工智能真正的价值和局限性，参与这波炒作的国内媒体和专家们几乎没有人去关心。正如IT经理网专栏作者赵敏在《让AI发光发热莫发烧》一文中引用的北航计算机学院刘连忠教授的话：

“外行鼓噪情有可原，许多科学技术工作者有时也故意混淆视听。AI现在太热了，不过很快会降温，因为AI自己还只能循序渐进的发展着。”

深度学习技术的潜力和价值毋庸置疑

神经网络技术诞生于上个世纪60年代，但是直到近年随着大数据和计算机性能的发展才变得真正实用起来，尤其是深度学习技术利用复杂的神经网络架构进行的数据模式识别的准确性达到了令人振奋的高水准。2016年初AlphaGo碾压式战胜李世石宣告了一个全新的人工智能时代的到来，这是毋庸置疑的。

其他令业界震动的成果也不胜枚举，例如图像和视频识别（ImageNet大赛心得），超过人类准确性的语音转文本。Google甚至用神经网络代替了旧的谷歌翻译技术架构，使得机器翻译的质量快速拉近与人类翻译的水平（编者按：对英文的语音识别，英文与法文德文等语种间的互译已经非常棒，但中文相关的互译质量依然不好）。

其他可能改变世界的人工智能成果还有很多，例如斯坦福大学研发的人工智能算法（论文）能够根据遥感数据预测农作物产量，准确度比美国农业部还要高。而斯坦福医学院的人工智能算法在判断癌症类型的准确性上甚至超过了高水平的医生。

深度学习不是万能药，也有自己的问题和局限性

在最近举行的湾区人工智能大会上，深度学习算法库Keras的开发者Francois Chollet认为：与人脑能够基于少量的样本和经验做出长期规划，或者高度抽象提炼模型的能力相比，当下火爆的深度学习只不过是比传统的统计和机器学习方法强大的模式识别算法而已，当前的监督式学习和增强学习算法需要大量数据“喂养”，而且只能做定向的模式识别，这大大制约了其实用性。而生成式对抗网络（Generative adversarial networks，GANs）的发明者Lan Goodfellow则在会议上展示了神经网络如何被对抗式样本戏耍，例如下面中间这个人工算法处理过的噪点图像，在人眼中什么也不是，但是与原始图像叠加后能够欺骗人工智能系统做出错误的识别判断。