深度學習論戰 AI大神們在吵什麼

張佳星

2018年02月06日08:38  來源:科技日報
 
原標題:深度學習論戰 AI大神們在吵什麼

  真應了《笑傲江湖》裡那句:“有人的地方就會有江湖,有江湖就有恩怨。”只是這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·迪特裡奇,魁北克大學教授、谷歌的數學博士等也卷入了論戰中。

  這不是論戰的第一回合,1月初,馬庫斯就提出了自己關於深度學習的十大觀點,引得楊立昆直擺手:他說的都不對。

  究竟是什麼樣的爭議讓AI界的大神們辯論火力如此密集,連戰數日,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

  細讀馬庫斯后來發的這篇萬字長文,可以發現,不少人對他的質疑是: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網絡(Convolutional neural networks,簡稱CNNs)理論,並成為CNNs得以實現的奠基人,這一網絡正是實現深度學習的機器學習模型之一。

  盡管由CNNs、RNNs(循環神經網絡)、DNNs(深度神經網絡)等構成的深度學習模式日漸成熟,據說網絡層數已經能達到100多層,但馬庫斯認為,它仍有目前無法規避的十大問題,例如,極度依賴數據、學習過程是個“黑箱”、還不能自適應規則變化等等。

  “深度學習存在不少問題,例如深度學習是固執己見的。”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,例如診斷病症。“AI運算像在一個黑箱子裡運行,創造者也無法說清其中的套路。”馬少平說,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麼推算出來的,就不敢採信。

  在制造“噪音”的情況下,AI很容易判斷錯誤。“它無法自動排除噪音,人眼看著是熊貓,AI卻會誤認為是長臂猿。”馬少平認為,AI仍處於初級階段,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,深度學習很難穩健地實現工程化。這相當於給深度學習引領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”的規則。例如對某一個問題的解決方法確定了,可以固定化,哪裡需要往哪裡搬。而深度學習進行問題處理時,採取類似於完成項目的方式,一個一個地解題,然而世界上有無數問題,如果很難保証機器學習系統換個新環境還能有效工作,那深度學習這項技術可能並不合適幫助AI獲得通行的能力,引導和人類智能相當的強人工智能的實現。

  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疑,楊立昆簡單直接:“有想法,也許吧,但大部分都是錯的。”

  直截了當的殺傷性,遠大於長篇大論的反駁。潛台詞是:“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。當時他們是有共識的——AI仍處於起步階段﹔要實現強人工智能,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”。

  “事實勝於雄辯”,這就好比先秦時期諸子百家論道,法家學說最終壯大秦國。楊立昆自上世紀80年代提出“人工神經網絡”理論以來一度被否,直到他在2013年加入臉書團隊后,其理論才慢慢開始變得熱門,如今他有了這樣強大、知名的佐証。

  任憑馬庫斯總結概括深度學習的弱勢,以阿爾法元為代表的深度學習卻向前邁出了強大的一步,也讓越來越多的人傾向於相信,AI可以通過訓練具備和人同等的智商,這也是臉書人工智能研究院的研究人員所致力的工作——使機器不需依賴人類訓練,學會自己構建內在模型。

  而另一些科學家則特立獨行,他們執意証明深度學習並不是必須的。2017年12月18日,《科學》雜志刊登了一個叫Libratus的AI成果,它在持續了20天的12萬手比賽中擊敗了4位頂級人類玩家。它的設計者卡內基梅隆大學博士生Noam Brown說,其間不使用任何深度學習,希望有助於人們認識到AI比深度學習更重要,深度學習本身不足以玩扑克這樣的游戲。

  聚焦熱門領域 關乎未來,值得討論

  “深度學習,是指使用深度神經網絡的統計學習模型。”北京智能一點科技公司CTO莫瑜解釋,“深度學習只是機器學習的一種方法,但它火了之后,大家有時甚至將機器學習和深度學習並列起來。”

  也就是說深度學習與機器學習是部分與整體的關系。然而由於深度學習的火熱,使得它在很多人心目中已經成了機器學習的代名詞。

  事實上,除了深度學習之外,還有“決策樹、隨機森林、圖模型等各種機器學習的方法”.莫瑜說:“大家言必稱深度學習,使得深度神經網絡之外的技術路線被忽視了,這不利於技術的發展。因此會有學者呼吁大家保持冷靜的態度。”

  莫瑜認為,楊立昆對深度學習技術的理解、潛力和信心是基於他對這一技術的了解和研究深度。“他是CNNs之父,在神經網絡還沒像現在這樣火的時候就開始研究,他的視角可能更深入。”

  這個世界總會有幾個能對整個人類社會產生影響的人,他們的思想甚至可以左右人類社會的走向。

  楊立昆認為人腦隻屬於人,AI要擁有同樣的智能,不需要類似人類的認知能力,可以另起爐灶,深度學習可以承擔構建強人工智能的任務。

  馬庫斯則認為,隻有通過類人的方法來理解世界,AI技術才能取得成功,而具備人類相當水平的強人工智能研究壓根還沒開始。可以推測,他所說的類人研究方法應該包括對人類神經、心理等的生理學破譯等研究工作,馬庫斯正是紐約大學的心理學和神經科學教授。

  值得玩味的是,二人目前都從團隊領導崗位退出,2017年3月,馬庫斯宣布從優步公司AI實驗室負責人崗位上離職,楊立昆2018年1月下旬也卸任臉書人工智能研究院負責人。

  “無官一身輕”的二人現在擔任首席科學家或顧問的職務,或許,不為職務所累,更有利於進行關乎未來走向的引領式探索。

(責編:趙光霞、宋心蕊)

推薦閱讀

升國旗唱紅歌送祝福 盤點媒體國慶創意策劃
  今年10月1日,中華人民共和國迎來了68歲的生日,不少人的朋友圈裡也被各種各樣獻給祖國的祝福“刷了屏”。媒體們各出奇招,用MV、H5等新穎的形式“烹飪”出了不一樣的國慶報道“大餐”。
【詳細】升國旗唱紅歌送祝福 盤點媒體國慶創意策劃   今年10月1日,中華人民共和國迎來了68歲的生日,不少人的朋友圈裡也被各種各樣獻給祖國的祝福“刷了屏”。媒體們各出奇招,用MV、H5等新穎的形式“烹飪”出了不一樣的國慶報道“大餐”。 【詳細】

慶祝建國68周年 重溫媒體開國大典報道
  1949年10月1日,在天安門舉行的盛大的開國大典,向全中國、全世界庄嚴宣告中華人民共和國的誕生。在慶祝建國68周年之際,讓我們重溫當時關於開國大典的新聞報道,再次感受那一神聖而又偉大的時刻。 
【詳細】慶祝建國68周年 重溫媒體開國大典報道   1949年10月1日,在天安門舉行的盛大的開國大典,向全中國、全世界庄嚴宣告中華人民共和國的誕生。在慶祝建國68周年之際,讓我們重溫當時關於開國大典的新聞報道,再次感受那一神聖而又偉大的時刻。 【詳細】