摘要： 自深度學習（deep learning）技術問世後，許多人都相信這將是帶領我們逐步走入「通用 AI」（general AI）夢想的關鍵，企業領導者也都在演講中談及 AI 時代將會如何來臨，然而事情真的如此順利嗎？電腦視覺與 AI 領域專家 Filip Piekniewski 並不這麼認為，近日在部落格的一篇文章中，Piekniewski 也詳細談及對於現今 AI 發展進度的看法，在他看來，已經有許多跡象都顯示出 AI 產業的「凜冬將至。
Piekniewski 指出，在 ImageNet 獲得不錯的解決方案時，許多該領域的知名研究人員都積極的受訪並採用相同的論調表示：人們正處在一場巨大的革命前面，從現在開始，所有 AI 發展只會加速。
然而許多年過去了，期待中的加速並未發生，這些受訪的研究人員也不再那麼活躍的鼓吹相同的想法，隨著情緒降溫，他們開始不將深度學習形容為終極演算法，AI 相關論文也從「革命」一詞逐漸改變為「進化」。
相較起前者，進化聽起來要溫和且緩慢許多，而這似乎也更為符合 AI 發展的現實情況。Piekniewski 指出，包含 OpenAI 在內，許多知名研究單位近期都開始變得相對安靜，自 AlphaGo Zoro 問世後 Deepmind 也並未再展現任何更為驚奇的事物，甚至一些論述指出，Google 其實不太確定該如何處理 Deepmind，因為團隊得出的研究成果明顯不如原先預期的「那麼實際」。
除此之外，Piekniewski 也觀察到一些大型科技企業的傑出 AI 研究人員，都開始從實際操作的研究負責人轉任至協助遊說政府資助的職務上，他認為這種細微轉變跡象顯示，像是 Google、Facebook 這些公司對 AI 研究的興趣實際上正在慢慢收斂。
至於深度學習所面臨的瓶頸，Piekniewski 認為自動駕駛（self-driving）技術在現實世界的實際應用便是最明顯的例子，除了 Nvidia、Tesla 在發展自駕技術上都遇到困難， Uber 自駕車在亞利桑那州的死亡車禍更是能夠用來做最好的說明。
從 NTSB 的初步報告中，除了能明顯看出系統設計的問題之外，最為驚人的莫過於發現系統花費了很長一段時間，去試圖判斷眼前的物體究竟是什麼（行人、腳踏車、車輛或其他），而不是做出在該情況下最重要、也是邏輯上唯一該做的決策：確保不會碰撞它。
▲人在碰到危機時多半會先採取行動。（Source：pixabay）
這與人對危機的處理方式並不相同。Piekniewski 指出，儘管人們經常在交通事故後說出當下的判斷標準，像是「我看到前方有騎士所以轉向左邊避開它」，但許多心理物理學（Psychophysics）文獻都曾經提出解釋，人們往往是在當下透過神經系統迅速將其判斷為障礙並採取行動，等到一小段時間過後才會意識到發生了什麼，並試著將其組織為言語進行說明。
這並不僅限於駕駛行為，其實每天我們都會做出許多沒有言語化的的決定，因為言語化是「昂貴的」，需要花費時間，而現實生活中的許多情況並無法提供時間。
這種生存機制來源已久，數十億年來都保護著我們的安全，而在駕駛車輛時，人們自然也就使用到這樣的原始反應，由於這些反應並非專為駕駛行為發展，自然偶爾也會因為這些反射神經引發一些事故。然而整體上來說，這種對空間、速度及周遭警覺的原始能力，對於人類安全仍舊有著許多保障。
只是這種能力大多無法用言語來描述，也難以進行測量，這使得研究人員難以對機器進行這方面的系統改良，Nvidia 過去所提出的 End-to-End 方法雖然理論上可行，但從現實一些測試中我們也可知道情況並非這麼簡單。
在 Piekniewski 看來，這些發展困境都表明著 AI 發展的寒冬即將來臨，就像股市崩盤一樣，雖然不太可能準確說出發生的時間點，但你從某些明顯的跡象中，幾乎可以肯定它將會在某個時刻出現，然而因為外界的呼聲太過強烈，以至於人們很容易就忽視掉這些徵兆。
可想而知，一些研究人員應該會對「凜冬將至」的說法感到憤怒，但 Piekniewski 指出，過去已經有許多知名研究者都警告過，群眾對於 AI 關注的熱潮已有些過頭，就連 Geoffrey Hinton 也曾在受訪時承認，反向傳播法（back-propagation）似乎已走入死胡同，相關研究可能得從頭開始展開。
然而，由於 AI 炒作的風聲實在過於強大，以至於這位對神經網路有著巨大貢獻、經常被外界稱作深度學習之父者的聲音並沒有太多人真的聽見。
「究竟冬天會有多『嚴寒』？我不知道。接下來會發生什麼？我不知道。但是我相當確定凜冬即將來臨，或許事情只會比我預想的更早發生。」
轉貼自： 科技新報Technew
留下你的回應
以訪客張貼回應