2018年02月05日 星期一
深度学习论战 AI大神们在吵什么
本报记者 张佳星

    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”。

    “事实胜于雄辩”,这就好比先秦时期诸子百家论道,法家学说最终壮大秦国。杨立昆自上世纪80年代提出“人工神经网络”理论以来一度被否,直到他在2013年加入脸书团队后,其理论才慢慢开始变得热门,如今他有了这样强大、知名的佐证。

    任凭马库斯总结概括深度学习的弱势,以阿尔法元为代表的深度学习却向前迈出了强大的一步,也让越来越多的人倾向于相信,AI可以通过训练具备和人同等的智商,这也是脸书人工智能研究院的研究人员所致力的工作——使机器不需依赖人类训练,学会自己构建内在模型。

    而另一些科学家则特立独行,他们执意证明深度学习并不是必须的。2017年12月18日,《科学》杂志刊登了一个叫Libratus的AI成果,它在持续了20天的12万手比赛中击败了4位顶级人类玩家。它的设计者卡内基梅隆大学博士生Noam Brown说,其间不使用任何深度学习,希望有助于人们认识到AI比深度学习更重要,深度学习本身不足以玩扑克这样的游戏。

    聚焦热门领域 关乎未来,值得讨论

    “深度学习,是指使用深度神经网络的统计学习模型。”北京智能一点科技公司CTO莫瑜解释,“深度学习只是机器学习的一种方法,但它火了之后,大家有时甚至将机器学习和深度学习并列起来。”

    也就是说深度学习与机器学习是部分与整体的关系。然而由于深度学习的火热,使得它在很多人心目中已经成了机器学习的代名词。

    事实上,除了深度学习之外,还有“决策树、随机森林、图模型等各种机器学习的方法”.莫瑜说:“大家言必称深度学习,使得深度神经网络之外的技术路线被忽视了,这不利于技术的发展。因此会有学者呼吁大家保持冷静的态度。”

    莫瑜认为,杨立昆对深度学习技术的理解、潜力和信心是基于他对这一技术的了解和研究深度。“他是CNNs之父,在神经网络还没像现在这样火的时候就开始研究,他的视角可能更深入。”

    这个世界总会有几个能对整个人类社会产生影响的人,他们的思想甚至可以左右人类社会的走向。

    杨立昆认为人脑只属于人,AI要拥有同样的智能,不需要类似人类的认知能力,可以另起炉灶,深度学习可以承担构建强人工智能的任务。

    马库斯则认为,只有通过类人的方法来理解世界,AI技术才能取得成功,而具备人类相当水平的强人工智能研究压根还没开始。可以推测,他所说的类人研究方法应该包括对人类神经、心理等的生理学破译等研究工作,马库斯正是纽约大学的心理学和神经科学教授。

    值得玩味的是,二人目前都从团队领导岗位退出,2017年3月,马库斯宣布从优步公司AI实验室负责人岗位上离职,杨立昆2018年1月下旬也卸任脸书人工智能研究院负责人。

    “无官一身轻”的二人现在担任首席科学家或顾问的职务,或许,不为职务所累,更有利于进行关乎未来走向的引领式探索。

京ICP备06005116