AI退潮背后：深度學(xué)習(xí)的“陷阱”

　 阿里云優(yōu)惠券 先領(lǐng)券再下單

人工智能產(chǎn)業(yè)正在經(jīng)歷一波高峰滑落：原以為AI無所不能，但事實是它解決的實際問題十分有限。

最近幾個月持續(xù)霸占熱點、被奉為AI領(lǐng)域最讓人興奮的新事物——OpenAI的新文本生成程序GPT-3，它在模擬會話中給患者提出“*”的建議再一次印證了這一點。GPT-3是一個由神經(jīng)網(wǎng)絡(luò)驅(qū)動的語言模型。

《The Register》隨后發(fā)文，第一句話就不免嘲諷：說實話，我寧可去看尼克醫(yī)生。Dr Nick是動畫片《辛普森一家》中的一個庸醫(yī)角色。

在11月4日與馬克·雷波特的對話活動中，談及GPT-3，周曦不免贊譽，稱它是大數(shù)據(jù)技術(shù)領(lǐng)域的巨大成功，但是同樣他也指出GPT-3反映了現(xiàn)在的深度學(xué)習(xí)技術(shù)存有瓶頸，以至于只能停留在娛樂大眾的層面，無法真正解決實際問題。

馬克·雷波特是網(wǎng)紅機器人廠商——波士頓動力的創(chuàng)始人，人稱機器人司令。周曦則是云從科技的創(chuàng)始人，師從計算機視覺之父Tomas S.Huang教授。創(chuàng)辦云從前，他在世界識別領(lǐng)域的大賽中先后七次奪冠。

01又一輪AI的起伏

不可否認，深度學(xué)習(xí)帶動的這一輪人工智能浪潮給產(chǎn)業(yè)界留下了諸多成果。但瘋狂收集數(shù)據(jù)、加持算力的趨勢也把行業(yè)逼向了高成本的崖壁面前，潮水極速后退，人工智能產(chǎn)業(yè)再次走到了歷史的分岔口。

發(fā)展至今，AI走過60載，也經(jīng)歷了數(shù)次起伏。麥卡錫等人在達特茅斯學(xué)院建立人工智能發(fā)展架構(gòu)為產(chǎn)業(yè)發(fā)展提供了思路，康奈爾大學(xué)認知心理學(xué)教授羅森布拉特創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型則進一步奠定了基石，他們都曾短暫掀起過熱潮。

80年代，專家系統(tǒng)掀起了一陣風(fēng)，當時日本甚至傾全國之力打造第五代機來實現(xiàn)對美國的技術(shù)超越，但無奈因條件不成熟，風(fēng)口散去。

2012年辛頓的算法在視覺大賽中大獲全勝，深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)模型在算力加持下發(fā)揮的巨大功用再創(chuàng)風(fēng)口，同時ImageNet的創(chuàng)建以及GPU的出現(xiàn)完全撬動了深度學(xué)習(xí)的產(chǎn)業(yè)化之路，也持續(xù)推動這波浪潮至今。

但隨著成本持續(xù)走高、深度學(xué)習(xí)算法的效用不再顯著，應(yīng)用受阻，這一波AI熱潮也逐漸冷卻，

在現(xiàn)場，周曦和馬克·雷波特均表示，AI仍然處于早期階段，而這一波人工智能浪潮的基石——深度學(xué)習(xí)，即基于大數(shù)據(jù)的發(fā)展方向是否持久尚且值得探討。

“大家認為數(shù)據(jù)多就能解決問題，但這件事情是不是這樣子呢?”在現(xiàn)場，周曦拋出質(zhì)疑。

事實上，通過最近深度學(xué)習(xí)領(lǐng)域最大的成功案例之一GPT-3可以看出，基于大量數(shù)據(jù)達到流暢并逼近人類的對答效果，它確有成功的一面，但是GPT-3目前的表現(xiàn)也僅僅停留在娛樂層面，后來在診療模擬中并未解決“核心的問題”。

“設(shè)想一下，2008年全球金融危機之后，全球最頂級的金融人才聚集一起修訂巴塞爾協(xié)議來規(guī)避全球性危機。如果將這件事交給GPT-3，那危機至少要發(fā)生一百次甚至一千次，GPT-3才能總結(jié)和修訂正確的方向，這是不可行的。”

周曦明確指出，大數(shù)據(jù)技術(shù)存有明顯局限性。

02大數(shù)據(jù)基石之上，人機協(xié)同開花

回歸現(xiàn)實，市場中其實為AI“留存”了巨大的商業(yè)機會。如受限于人力、時間等資源的不足，服務(wù)不到位成為當下普遍存在的問題，服務(wù)業(yè)因此存有巨大的提升空間。AI獨角獸云從抓住的是這樣一個市場機會，基于AI技術(shù)在金融、安防等領(lǐng)域提供解決方案，做深度服務(wù)。

但周曦發(fā)現(xiàn)，人可以在復(fù)雜環(huán)境、小樣本之上做創(chuàng)造性的決定，基于深度學(xué)習(xí)的機器則要有成千上萬次的試錯才能解決應(yīng)急問題，這在成本和應(yīng)用場景層面都是有缺陷的。

“AI的目的是用低成本釋放人類有限的精力、體力和經(jīng)驗，但是目前的AI技術(shù)做不到，所以在遭遇瓶頸之時我們不得不另尋他法。”

事實上，每一次科技進步都是效率的提升和對人能力的延展，如波士頓動力是把人體四肢能力做了延展。類比來看，周曦認為人工智能的核心價值應(yīng)該是對人腦的延展。

此前十年發(fā)展起來的人工智能系統(tǒng)確實在做類似的事情，比如計算、邏輯和預(yù)測。但為何如今無法繼續(xù)推進?他認為關(guān)鍵問題在于人與機器的邏輯不統(tǒng)一。

“目前的大數(shù)據(jù)技術(shù)，是技術(shù)人員基于大量的數(shù)據(jù)訓(xùn)練一個模型出來，沒有人關(guān)心建出來的模型是不是和人類在一個思維體系，最后系統(tǒng)也不與人產(chǎn)生交流。但技術(shù)能夠發(fā)展起來的核心在于為人類服務(wù)，當下基于深度學(xué)習(xí)的大數(shù)據(jù)技術(shù)發(fā)展邏輯本質(zhì)上與此相悖。”

凱文·凱利在《失控》一書中曾明確分析指出，人類進化了數(shù)萬年的成熟大腦值得技術(shù)人員學(xué)習(xí)，“除了生物體的邏輯之外，沒有任何一種邏輯能夠讓我們組裝出一臺能夠思考的設(shè)備。”

周曦的出發(fā)點也是如此。他認為在深度學(xué)習(xí)遭遇瓶頸的當下，將機器與人類的力量結(jié)合是未來長久的發(fā)展之路。

“當下需要走另外一條路，即專家知識，借此將機器與人類大腦的思維體系進行統(tǒng)一，做人機協(xié)同。”

03構(gòu)建人腦邏輯

與人協(xié)作的基礎(chǔ)在于理解人的邏輯，因此周曦重構(gòu)了人的邏輯過程，并依據(jù)感知、認知、專業(yè)知識到?jīng)Q策的核心大腦邏輯閉環(huán)打造了云從科技的人機協(xié)同系統(tǒng)。

“你首先要能感知這個世界，有同樣的認知邏輯，然后再往上有專業(yè)的知識，最后做決策。只有這樣，大家才能一致。”

依然從人的角度出發(fā)，云從科技表示不做四肢、腦袋的物理狀態(tài)，而是要做腦袋里的智慧。映射到機器層面，云從認為關(guān)鍵就在于保證系統(tǒng)的輸入輸出與人類一致。簡言之，如果人類對黃金的判斷是有價值，人機協(xié)同系統(tǒng)也將給出同樣的判斷。

按照云從的設(shè)想，不與現(xiàn)有基于云計算、大數(shù)據(jù)的人工智能產(chǎn)業(yè)沖突，人機協(xié)同操作系統(tǒng)將成為是基礎(chǔ)設(shè)施的一部分，且與物理層的算力服務(wù)器解耦，即可以在任何平臺上運行。

目前，周曦表示首先應(yīng)該是建立起云從的操作系統(tǒng)，隨后把專家系統(tǒng)和人的智慧連接起來，擔當“老技師”的角色，做人類治理過程中的輔助。

“云從人機協(xié)同系統(tǒng)的核心能力越做越強，他對人本身的幫助就越來越大，我們通過人機協(xié)同的機制，再去一個一個場景解決問題，金融，交通、治理、商業(yè)等等，包括其他的一些民生的事情，云從在做這些事時的思路都一樣，既然我有這套系統(tǒng)，他就可以跟本身這個行業(yè)的從業(yè)者一起去把他這個行業(yè)的事越做越強。”

周曦認為，人機協(xié)同系統(tǒng)能夠把技術(shù)優(yōu)勢轉(zhuǎn)化為效率，這是巨大的優(yōu)勢。“我們的效率來源于我們的智能，比如說銀行目前同一時間只能服務(wù)50個人，有了我們這個助理之后，銀行能服務(wù)500個人，效率可以提升10倍。”

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！