Facebook和Google們現在努力的AI方向，會不會錯了？

本文首發於 AI科技評論（aitechtalk）

GAIR

今年夏天，雷鋒網將在深圳舉辦一場盛況空前的「全球人工智慧與機器人峰會」(簡稱CCF-GAIR)。大會現場，谷歌，DeepMind，Uber，微軟等巨頭的人工智慧實驗室負責人將蒞臨深圳，向我們零距離展示國外人工智慧震撼人心、撬動地球的核心所在。如果你不想錯過這個大會的盛世狂歡，請點擊GAIR.leiphone.com以6.5折的超低折扣購票！

|深度學習的坎坷之路

2012年11月23日，應該是一個讓時任谷歌人工智慧實驗室專家的Geoff Hinton倍感欣慰的日子，在這一天，紐約時報發布了名為《Scientist See promise inDeep Learning Program》（科學家們在深度學習上看到了希望）的報道，正式標誌著深度學習被學界乃至全社會完全接受，從那時開始，Hinton大神數十年的默默堅持，終於給深度學習帶來了一段持續至今的全盛期。

誰也無法否認在計算能力爆炸性增長的今天，的深度學習確實取得了巨大的成就，每一個置身於AI研究行業的人或許都永遠不會忘記，在李世石和AlphaGo的對決中，人們的態度由最初的漫不經心，到中間的震驚和沉默，第四局李世石戰勝之後的狂喜，和最終的嘆息和敬佩。可是在這股科學界「全民DL」的風潮下，卻逐漸有人開始對它提出了自己的質疑。

CVPR2016上，Mobileye的CTO Amnon Shashua在演講中說道：他認為深度學習的研究繞了遠路。因為真正的AI應該能幫人類解決人類解決不了的問題，而目前的AI的表現卻僅限於人類已經能非常明確的理解和解釋的領域。

同樣是在CVPR期間，巴黎高等計算機視覺研究所的主任Nikos Paragios表示，深度學習方法幾乎已經壟斷了目前的計算機視覺，甚至是AI科研領域的所有研究，導致其他的方法和基礎研究無人問津，對此感到有些擔憂。

而在本屆的IJCAI上，在計算機哲學上已有數十年經驗的Aaron Sloman也在演講中表示，自己認為AI作為一門科學（而不是工程學）已經在過去的二三十年間失去了方向。

今天Facebook搞了個大新聞：有多家主流媒體報道了Facebook即將建立的新數據中心和專為深度學習而研製的伺服器Big Sur，而這個新聞卻反而再次喚醒了我們心中的疑問：Facebook和Google它們現在努力的方向，會不會錯了？

讓我們先來看看關於Facebook這個伺服器的其中一條新聞吧：

|走進Facebook AI數據處理的心臟

從北美的西部訪問facebook的話，你的訪問數據有很大可能會經過一個位於俄勒岡州中心的高地沙漠中一塊被充斥著滿滿的杜松香氣的空氣所冷卻的伺服器群。在普林維爾的市區，一個有大概9000人常住著的地方，Facebook存儲著他們數以億計的數據。一行一行的電腦整齊的排列在四座總佔地面積將近75000平方米（800000平方英尺）的巨型建築里。這些建築被設計成剛好能讓從西北吹來的乾燥，並且通常相當涼爽的風吹進它們之間。過道中堆疊著的伺服器閃著藍色和綠色的燈，發出著單調的噪音，但在內部它們其實每時每刻都在不間斷的處理著Facebook登陸、贊和「大笑」之類的服務進程。

Facebook最近在普林維爾的設備中加入了一些新的機器：他們在這裡安裝了一組全新的，用來加速訓練類似翻譯軟體、私人助手和文字理解之類程序的高性能伺服器。

這些最新的「大蘇爾」伺服器（Big Sur servers）是圍繞一種最初被製造用來進行圖像處理的，以GPU的名字為大眾所知的高性能處理器而設計的。這些晶元對最近AI領域取得了極大發展的深度學習技術有著更好的支持。在GPU的支持下，曾經的深度學習軟體得以處理規模和複雜程度大得多的數據集，因而在最終識別圖像和語音等方面應用的效果取得了顯著的改善。

Kevin Lee，Facebook的一名伺服器工程師說，由於擁有了更快的速度，他們得以幫Facebook的研究者們用更多數據訓練了他們的深度學習軟體，「這些伺服器都是針對AI研究和機器學習計算而特製的。」他說，「這些GPU可以把圖片分成無數個細小的局部然後同時處理它們。」

Facebook在每台大蘇爾伺服器上放置了大概8台NVIDIA——這種晶元的領導級製造商——製造的GPU。Lee不願透露已經部署了多少台這種伺服器，但是他說Facebook至少已經有數千個GPU投入工作了。大蘇爾伺服器已經被安放在了公司在普林維爾、阿什本和弗吉尼亞的數據中心。

由於GPU的耗電量極其龐大，Facebook不得不用比其它伺服器更低的密度來在數據中心中布置這些伺服器，否則可能會形成一些過熱的情況，不僅會對冷卻系統造成更大的負擔，也會消耗掉更多的能量。一個2.1米（7英尺）高的機架上可以堆疊8台大蘇爾伺服器 ，而相同的機架可以容納30台標準的Facebook伺服器，如果是處理日常任務的話，它們其實可以做得更快。

Facebook遠遠不是唯一一家運行著龐大的數據中心以及使用GPU來進行機器學習研究的公司。微軟、谷歌和中國的百度都正在使用GPU來加速它們的研究進度。

對Facebook來說不太尋常的一件事就是它公開了大蘇爾伺服器和其它伺服器的設計，以及將在普林維爾建立的數據中心。他們將這些信息在一個2011年Facebook建立的以鼓勵計算機公司共同進行低成本計算設備開發為目的的叫做「開源計算計劃」（Open Compute Project）的計劃中貢獻了出來。這項計劃被看做幫助了亞洲國家的硬體公司以及擠壓了像戴爾和惠普這樣的傳統供應商的生存空間。

今年早些時候大蘇爾計劃公布的時候，Facebook人工智慧實驗室的主任燕樂存（Yann LeCun）說，他相信通過促進更多的組織和公司建立更強大的進行機器學習的基礎設施，這個開源計劃可以加速相關領域的研究進度。

普渡大學的一位副教授Eugenio Culurciello說，深度學習的實用性意味著這種晶元幾乎一定會被廣泛使用。他說，「這種需求已經很大了，而且在將來也只會越來越大。」

在被問及Facebook有沒有在著手研發自己的定製晶元時，Lee說，「公司正在考慮。」

|戰術的勤奮與戰略的懶惰

Big Sur的特點是什麼？是每台伺服器中都裝有8個NVIDIA生產的高端獨立GPU。如大家所知，由於伺服器的職能特點，其實一般的伺服器內部是沒有「三大件」中的獨立GPU，只有CPU和內存的。因為GPU的耗電量和發熱量都太大了。而其擅長的計算形式又不能對伺服器的常用計算需求起到太大的幫助作用。因此不太適合用在一般的伺服器中。但是Facebook卻為了深度學習而專門設計了這款帶有8個獨立GPU的伺服器，甚至不惜以減少每個機架上的伺服器數量來優化對深度學習程序的計算速度。可謂是下了血本。

而互聯網領域的其他大公司也沒閑著，如文中所說，微軟、谷歌、甚至是百度都在使用GPU、甚至開發自己的專用晶元來加速深度學習。在這些巨頭們的推動下，深度學習演算法的反應也是越來越快，精度也越來越高。

這不是好事嗎？

答案是：我們真的沒法知道。目前的大多數深度學習模型建立的過程，都是先建立相當有針對性的函數，再用龐大的，極有針對性的數據去訓練它們，最終得出一個很有針對性的概率選擇程序。也就是說，現在的深度學習AI你教它下棋，它就只會變得越來越會下棋，你教它識圖，它就只能越來越會識圖，而且它們識圖和做事的方式，說白了是經過一系列的判斷後判斷結論有99.8%的可能是選擇A，有0.2%的可能是選擇B，於是便選擇了A這樣的過程。當然，它們下棋和識圖的水平會變得很厲害，甚至變得比人類還厲害。但是終究還是只能限制於那個單獨的領域。你要問我們，或者問那些專家，我們能肯定這樣的程序發展下去，就一定能發展出真正的智能嗎？至少我們覺得，這些深度學習程序真的不太像是能發展處終極形態的AI的樣子。

Facebook的伺服器固然十分強大，但它本質上仍然是馮諾依曼架構下的一台比較快的電腦而已。它的面世不過是人工智慧軍備競賽中的一環，對於深度學習理論的整個發展，其實起不到什麼作用。包括谷歌的TPU，和逐漸開始走入很多人視野中的FPGA，也都只是一種「器」，雖然有「工欲善其事必先利其器」的古訓，但我們也都知道，有時候光有好的工具還是不夠的。深度學習的效果太好了，以至於讓很多專家忘了，其實人們還不知道真正的人工智慧應該怎麼去實現。

不過，確實也有不少專家都看到了這一點。斯坦福人工智慧實驗室負責人李飛飛最近在同矽谷頂級投資機構a16z的合伙人Frank Chen交流時就說道：她的下一個夢想就是能教會機器人怎麼去學習，而不只是模仿訓練數據。

而深度學習和計算機視覺公司商湯科技的執行研發總監曹旭東也提到過：做深度學習的人其實都有一個終極的追求，就是改變現在深度學習比較傻的以監督學習為主流的模式，讓機器人的行為更加聰明，可以像人一樣學習。

目前學界向這個方向努力的表現是大力發展半監督學習和無監督學習，努力提高深度學習的學習效率和降低對樣本的需求量。不過這一切畢竟還是在深度學習的框架內來進行的，誰也說不好無監督學習的量變能否引起質變。

所以也不奇怪逐漸開始有一些人已經開始懷疑深度學習對AI的發展到底有沒有那麼重要了。讓我們回到Facebook的伺服器上。其實無論是Facebook也好，谷歌也好，微軟、亞馬遜還是百度也好。我們沒有理由責怪他們對深度學習的熱情。畢竟作為一個商業公司，深度學習已經能在他們的研究領域上給他們帶來足夠多的成果收益，而他們對最終成效的渴求也正是深度學習能得到快速的發展的原因之一。

但資本的力量雖然強大，畢竟還是逃脫不了那一點逐利的本質，難免陷入對短期利益盲目的追逐。而能拋開短期的利益著眼於長期的考量和探索，正是學界相對於產業界在研究上最大的優勢之一。

我們並無意否定任何人在AI的研究上做出的努力，只是我們希望給大家展現一個這樣的可能性，希望大家在研究和討論之餘能偶爾想起它來，畢竟它有可能是真實存在的：

萬一最後能實現真正意義上的人工智慧的方法，和深度學習一點關係都沒有呢？

題圖來自the verge

我們一直在關注各大學術會議的進展，目前正在進行的IJCAI （人工智慧國際聯合大會）的消息我們也在密切關注，如果你希望隨時了解AI領域最新的學術進展，歡迎加入我們的大會直播群，群二維碼如下：

請您繼續閱讀更多來自 雷鋒網 的精彩文章:

TAG:雷鋒網 |

※如果Google、Facebook、Twitter等的Logo動起來，會是什麼樣？
※我們是如何拿下Google和Facebook全職Offer的？
※有了Facebook Spaces，為何還要在Gear VR上推出Facebook VR?
※AI如何提升公司效率？Google、Facebook是這樣做的
※Facebook和微軟搞了一個AI「開放生態」，卻沒帶Google玩
※Google和Facebook，哪一個代表的是廣告業的未來？
※萬聖節，你肯定沒見過Google、Facebook這麼會玩的公司
※Facebook 之後，現在是微軟模仿 Snapchat 的時候了
※架構未來怎麼寫，Facebook、Uber、Airbnb、Yahoo！給你這些答案
※Facebook 和Google的下一場戰役會是人工智慧嗎？
※Facebook，YouTube，Twitter哪個適合你？
※Instagram新留言板樣式，怎麼看都更像Facebook
※在Facebook眼中 AR和VR的未來構想是怎樣？
※Supercell 宣布將與 Facebook 合作，《部落衝突》也要推出 AR 版了
※Facebook Stories更新：幾乎是Snapchat的翻版
※Facebook，Messenger和Instagram將支持跨應用通知
※Facebook 教會機器人談判，它會比 Siri 更有趣嗎？
※愛開源的微軟是如何擊敗 Facebook、Google 成為 GitHub No.1 的？
※為了和機器人好好聊天，Facebook Messenger 平台又增新功能