深度学习技术即将碰到天花板，NeurIPS 会议上多名专家发出警告

Posted 2021-04-20 雷锋网

NeurIPS会议上，不少专家对深度学习的局限性表示了担忧，认为这项技术的发展即将遭遇瓶颈。

 文 | 刘伟 

上周，超过1.3万名人工智能领域的专家齐聚温哥华，参加世界领先的人工智能学术会议NeurIPS。会上，不少专家对深度学习的局限性表示了担忧，认为这项技术的发展即将遭遇瓶颈。

当地时间周三上午八点半，谷歌顶级研究员Blaise Aguera y Arcas发表了主题演讲。演讲中，他首先称赞了深度学习技术的革命性。他表示，正是因为有了这项技术，很多向他一样的团队才可以用手机识别人脸和声音。但同时他也对深度学习技术的局限性提出了警告。

他说道，“我们就像追到了车子的狗（指达到目标却不知道下一步怎么做的人）。”深度学习技术迅速消除了人工智能领域长期存在的一些挑战，但这不意味着它能解决所有问题。尤其是和推理以及社交智能相关的任务，比如用人类的方式去衡量一位潜在雇员的能力。在这方面，深度学习还有非常远的路要走。Blaise Aguera y Arcas表示，“我们目前所有的训练方面都是为了让AI在特定任务中取得胜利或者赢得高分，但这并不是智能的全部。”

无独有偶，几个小时后，Mila人工智能研究所的主任Yoshua Bengio也在谈话中提到了深度学习的局限性。Yoshua Bengio不久前刚刚和另外两名学者一起获得了计算机领域的最高奖项，他是被誉为“深度学习之父”的三位学者之一。

Yoshua Bengio指出，深度学习模型是高度专业化的，一个经过训练的模型可以在特定游戏中击败人类，但到了另一个游戏就无法发挥作用了。“我们的算法和模型非常狭隘”，Bengio说道，“它们学习一项任务需要比人类多得多的样本，但即便如此它们还是会犯非常愚蠢的错误。”

Bengio和Aguera y Arcas在演讲中呼吁与会者更多地关注和思考自然智能的起源。其中，Aguera y Arcas展示了一项实验结果，实验模拟了细菌是如何适应寻找食物和通过人工进化的方式进行交流的。Bengio则介绍了他是如何让深度学习系统更加灵活地应对非训练场景的，他将这个过程和人类处理新状况的方式进行了类比，比如在新的国家或城市开车。

学者们在NeurIPS警示深度学习局限性的同时，人工智能领域的投资达到了前所未有的高峰。根据Pitchbook的数据，2018年风投机构累计向人工智能和机器学习领域投入了近400亿美元，大约是2017年的两倍。

不过，关于人工智能局限性的讨论正越来越多。以谷歌为代表的部分公司曾经乐观地认为，自动驾驶出租车可以快速完成落地部署，但如今这一预期正变得审慎而克制。Facebook的人工智能主管最近表示，无论Facebook还是其他公司都不应该寄希望于，仅仅通过构建更大规模、更大算力和更多数据的深度学习网络，就能继续在人工智能领域取得大的进展。他说道，“某种程度而言，我们已经快要碰到天花板了，甚至在很多方面我们已经碰到了。”

很多专家正在试图寻求突破，比如优步研究员Jeff Clune，他将于明年加入非营利机构OpenAI。

Clune在周五的演讲中介绍了他是如何让人工智能通过自我学习变得更强大的。Clune是新兴的元学习领域的代表学者之一。元学习领域致力于打造能为自己设计学习算法的人工智能系统。为了实现这一目标，Clune不断用新的环境来挑战他的人工智能系统，以刺激它自我进化。

和Aguera y Arcas一样，Clune也认为人工智能学者应该从大自然的进化中获取灵感。他说，“作为计算机科学家，我不知道有什么算法运行了十亿年，仍然能做出有趣的事情。”

周三上午Yoshua Bengio的演讲结束时，同样来自Mila人工智能研究所的蒙特利尔大学副教授Irina Rish也发表了讲话。他表示，NeurIPS已经被深度学习成功的喜悦给占领了，他希望在这样的背景下，能有更多新的技术和方法被提出。他说道，“深度学习很好，但我们需要一个由不同方法组成的工具箱。”

Rish回忆起2006年参加NeurIPS时曾参加过一个关于深度学习的非正式研讨会。当时NeurIPS的规模还不到今天的六分之一，主办方拒绝了将当时还很边缘的深度学习作为一个正式议题。Rish说，那个非正式研讨会就像一场宗教会议，信徒们聚集在一间屋子里。他希望，今年NeurIPS的某个角落里也能有这样一群人，未来可以把人工智能带到新的高度。

via wired 雷锋网编译

往期推荐

100000AI人才为你投票，企业扫码报名

你还在看吗？