AI“深度泛濫”，如何降溫？

人工智能阿里閔萬里

量子位 | 2017-05-02 17:10

【數(shù)據(jù)猿導(dǎo)讀】 AI還是應(yīng)該向?qū)嶋H的應(yīng)用場景去落地，不落地的東西說得再天花亂墜，都得不到大眾的支持，老百姓的感知不一樣——天天聽到打雷卻見不到下雨，肯定是不行的，一定要到應(yīng)用當中去

今天的人工智能行業(yè)是否有些發(fā)燒？

如何降溫？

人工智能專家，到底該如何創(chuàng)造出實際價值？

帶著上面這些問題，量子位近日對阿里云人工智能首席科學(xué)家閔萬里博士進行了專訪。閔萬里平時喜歡用花名“山景”來稱呼自己。

而這個花名，來源于他的家鄉(xiāng)大別山區(qū)。閔萬里自小在山里長大，他說，如果有一天真的徹底閑下來，自己的終極理想是回山里隱居、支教。

采訪的時候，我們也以“山景”來稱呼這位科學(xué)家。

有個現(xiàn)象，叫“深度泛濫”

“我看了。但是說實話，還是希望人工智能領(lǐng)域能百花齊放，多一些研究方向。”當被問起是否關(guān)注了前幾天在法國土倫召開的ICLR2017，有什么感受時，山景如是回答量子位。

2013年LeCun和Bengio牽頭創(chuàng)辦ICLR，被公認為機器學(xué)習(xí)&深度學(xué)習(xí)領(lǐng)域的頂級學(xué)術(shù)會議。

他進一步說道：“這些人都還是在講深度學(xué)習(xí)的故事”，山景的觀點是要獨辟蹊徑，“不是說人工智能就是深度學(xué)習(xí)。我說現(xiàn)在有個現(xiàn)象，叫‘深度泛濫’，一提到人工智能，就是深度學(xué)習(xí)，我覺得這個事情是有問題的”。

“今天所有成功的深度學(xué)習(xí)，都是一些‘黑盒子’：工程調(diào)調(diào)參數(shù)，樣本量大，然后進去跑。跑出來結(jié)果知其然，不知其所以然。很危險，我很不喜歡這個狀態(tài)”，學(xué)數(shù)學(xué)出身的山景說：我相信一點，我們所看到的任何現(xiàn)象背后都是存在第一性原理的，就像牛頓三定律一樣。

“如果我們對基礎(chǔ)的、本質(zhì)的東西沒有了解清楚就去對它進行描述，最后很可能發(fā)現(xiàn)自己走上一條偏頗的道路”，這位阿里云人工智能首席科學(xué)家對量子位說：“不過這也更堅定了我的信心：我們現(xiàn)在應(yīng)該往新的方向去走，不能局限于深度學(xué)習(xí)”。

談到未來趨勢，山景也承認深度學(xué)習(xí)會繼續(xù)發(fā)展，因為它的門檻已經(jīng)相對較低，“只要具備了云計算的能力，就可以去跑數(shù)據(jù)”，因此，會有很多人繼續(xù)朝這個方向走。

隨之而來的會是一個量變到質(zhì)變的過程，當深度學(xué)習(xí)達到了一定層次的時候，就會有人從深層原理上來對其進行反推。山景認為，基礎(chǔ)理論取得突破的一天一定會到來，而這個時間取決于技術(shù)在實際應(yīng)用中鋪開的速度。

當AI遍及各行各業(yè)，找不到新的應(yīng)用場景時，人們就會更多地從原理上進行探索。

AI過熱不完全是壞事

現(xiàn)在，不少創(chuàng)業(yè)公司的商業(yè)計劃書里都非得提個“人工智能”，感覺沒這幾個字都不好意思見投資人。談到當下人工智能行業(yè)的過熱現(xiàn)象，山景說，“有的人隨便整了一個數(shù)據(jù)，就叫大數(shù)據(jù)，然后號稱做的是大數(shù)據(jù)建模、大數(shù)據(jù)風(fēng)控之類的東西，其實他那些數(shù)據(jù)可能都是一些網(wǎng)上扒來的、過時的數(shù)據(jù)。這里面的泡沫非常地大。”

“還有一個比較明顯的特征，你可以數(shù)一下，我們現(xiàn)在每周的人工智能峰會有多少？”山景笑言。

不過從另一個角度來說，他也認為這不是一件壞事。畢竟有關(guān)注才會有資源投入，促進行業(yè)發(fā)展。任何新興行業(yè)的發(fā)展，一定會有泡沫發(fā)生，大浪淘沙后才是真英雄。“產(chǎn)業(yè)的發(fā)展必然從開始的一窩蜂、過熱，到慢慢冷靜、聚焦，最后成熟”，山景說。

而對于如何給過熱的AI行業(yè)降溫，山景表示，AI還是應(yīng)該向?qū)嶋H的應(yīng)用場景去落地：“其實我覺得，我們現(xiàn)在做的就是在解答這個問題（指阿里工業(yè)大腦、城市大腦等）。不落地的東西說得再天花亂墜，都得不到大眾的支持，老百姓的感知不一樣——天天聽到打雷卻見不到下雨，肯定是不行的，一定要到應(yīng)用當中去。”

AI專家要忘了自己是個專家

知乎上有篇文章里提到了這樣一種現(xiàn)象：一些公司高薪聘請機器學(xué)習(xí)專家，而這些專家到來之后，也一直將自己的全部心血傾注在計算環(huán)境和模型的搭建上。

然而到最后公司發(fā)現(xiàn)，這些機器學(xué)習(xí)專家并沒有給自己帶來實際價值——原因是，專家只是專注于自己的數(shù)據(jù)準備、處理、建模、調(diào)參等工作，并未將業(yè)務(wù)和商業(yè)問題納入自己的考慮；而專家和部門之間，又缺乏必要的聯(lián)系和溝通，因此最終雙方不歡而散。

那么，AI專家，或者說人工智能方面的人才到底該如何創(chuàng)造出真正的價值？

“我這樣講吧，十年前我是這樣的狀態(tài)”，山景博士揚著頭，一邊回想著說，“十三年前，那時候我剛剛博士畢業(yè)，我以為模型能解一切的問題。后來我很快發(fā)現(xiàn)了一個瓶頸：在你做的研究，發(fā)表的學(xué)術(shù)論文中，有非常多的假定條件，‘如果XXX……’，對吧？”

一個理想化的產(chǎn)品，從實驗室走到實際生活中，這當中有非常大的不同。很多條件假設(shè)，都是不成立的，系統(tǒng)完全不支持。這種情況下怎么辦？或者說，整個業(yè)務(wù)流程當中，根本沒有這樣的數(shù)據(jù)。又該怎么辦？

“所以，人工智能領(lǐng)域，越是那些高大上的人，越難落地——他鉆得太深了，以至于不接地氣了。他不知道現(xiàn)實之中，該妥協(xié)、該變通的地方在哪里。我招的一些人也有這種情況，總是沉浸在細節(jié)的改進上，但其實，只是在一艘要沉沒的大船上做內(nèi)部裝修——最后船還是沉下了水”，山景給量子位舉了一個形象的例子。

在他看來，不少人工智能專家（尤其是從大學(xué)出來的），都存在不接地氣的問題。

“去了公司壓根沒想過業(yè)務(wù)是什么。對業(yè)務(wù)場景的提煉其實比做研究還要難，你要知道哪些地方該放棄、該妥協(xié)、可以放棄、可以妥協(xié)……但是很多人沒有意識到這一點，以為只是寫文章發(fā)paper就好了”，山景說他后來明白發(fā)paper只是業(yè)務(wù)中一個環(huán)節(jié)而已。

來自山景的建議是：人工智能專家先忘掉自己的專家身份，多跟業(yè)務(wù)的人學(xué)一學(xué)。這樣才可能實現(xiàn)接軌，才有可能創(chuàng)造價值。不然的話，你創(chuàng)造的價值永遠只是文章，沒有人能去把它落地。

而對于AI人才的職業(yè)選擇，山景的建議是去那些“有業(yè)務(wù)的公司”。

“像有些人工智能的創(chuàng)業(yè)公司，說我搞圖像識別，成功率到了99.9%，這種公司其實沒前途的，因為它沒業(yè)務(wù)。我見過太多這樣的公司，一開始還關(guān)注它們的發(fā)展，后來發(fā)現(xiàn)它們大部分都被收購了，或者說偃旗息鼓了。這些都是偽創(chuàng)業(yè)。”

同時山景表示，阿里其實沒有固定的人才培養(yǎng)模式，都是放到實戰(zhàn)中去練兵。對新人會有一定的技術(shù)培訓(xùn)，但是很短。山景認為，戰(zhàn)場是人才最好的訓(xùn)練場景。

山景老師接受采訪時一直笑呵呵的。他說，可能自己的觀點犀利了點，但這也確實是自己真實的看法。尤其當看到很多人人云亦云的時候，特別希望能給大家?guī)聿灰粯拥囊暯恰?/p>

來源：量子位

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。