多數硬體創企將死！2018年深度學習領域10大預言

【獵雲網（微信號：ilieyun）】1月6日報道 （編譯：大黃）

編者註：本文作者Carlos E. Perez專註於人工直覺系統與深度學習領域的研究，同時擔任AI創企Intuition Machine Inc.的創始人。

我對2018年有著不祥的預感，這一年很可能帶來翻天覆地的變化。在深度學習領域，2017年我們所見證的突破勢頭將在2018年繼續高歌猛進。2017年的大量研究成果將被運用到日常軟體上。

就像去年一樣，我將在本文盡述我對深度學習2018的預測。

1.絕大多數深度學習硬體領域的初創公司將會失敗

大量深入學習初創公司將在2018年向市場交作業。由於這些公司尚未準備好與之配套的軟體，這些設備將面臨幾乎是確定的失敗命運。這些公司把硬體開發刻在了骨子裡。可惜，在深度學習市場上，軟體擁有同樣重要的地位。這些公司中很大一部分不擅長軟體開發或者不理解軟體開發的成本。這些公司也許能開發出很好的硬體，但市場不會親睞他們。

收縮列陣解決方案應用，世人皆知的低垂果實已被人拾取。在2018我們不會再像2017年得到十倍的硬體性能提升。研究者們會將這些張量核心用在交互和深度學習訓練上。

Intel將提出的解決方案會被延期，並且很可能令人失望。報告顯示Intel無法在2017年如期交付，沒人能知道他們到底什麼時候能夠交付。他們會拖作業，質量也會很差。

Google會用它的TPU開發進展再次驚艷世人。儘管Google通過把IP授權給其他半導體公司來進入硬體市場。鑒於Google是黃老闆家Nvidia的唯一實際競爭者，市場能理解這種Google的選擇。

2.元學習會成為新的SGD。

2017年湧現出一系列優秀的元學習研究。隨著研究群體越來越理解元學習機制，隨機梯度下降（SGD）終將讓位於這一結合了開發性和探索性搜索模式從而更高效的新方案。

無監督學習的進展將是漸進式的。它將主要由元學習演算法驅動。

3.生成模型將驅動全新的模型構築。

生成模型技術將在科學領域發揮巨大作用。目前階段，大部分科研努力集中在生成圖像和對話上。我們需要注意到這些工具同樣可以用於構築複雜系統模型。你會在包括但不限於經濟模型構築領域見證深度學習系統的應用。

4.自我博弈將自動化知識創造

AlphaGo Zero和AlphaZero通過學習簡單的規則和自我博弈取得了重大突破。在我看來，這和深度學習系統的出現有同樣重要的意義。深度學習發現了通用函數的逼近性，自我博弈則實現了新知識的創造。

你會看到很多在自我博弈方面的突破。

5.直覺機將解決語義差異問題。

這是我最大膽的預測。我們將通過直覺機和理性機解決語義差異的問題。雙重過程理論（兩個認知機器，一個是無模型的，另一個是基於模型的）將會成為我們構築新AI的全新通行方式。具有直覺的人工智慧將在2018年成為更切實的概念。

6.無法解釋所有現象——極有可能偽造說法。

關於提供解釋（explainability）有兩大問題。其中廣為人知的是解釋需要涉及人類難以掌握的大量規則。較少人知道的另一個問題是，機器會創造一些違背現行解釋的概念。我們在Alpha Go Zero和Alpha Zero身上已經見過這個現象了。人類觀測到一步違背常規的棋，很可能是因為人類不具備理解這步棋背後運算邏輯的能力。

在我看來這個問題是無解的。事實上機器會變得越來越擅長「偽造解釋」。簡單的說，可理解機器的目標是從直覺層面上去理解人類會認同或者理解什麼樣的解釋。然而對大多數人類來說，解釋是不可能被理解的。

為了達成可理解機器，我們只能創造出「人為的解釋」。

7.深度學習資料將蜂擁而至。

2017對追蹤深度學習信息的人來說已經豐富到困難的地步了。ICLR2018峰會已收到4000份論文。光是跟上峰會進度，研究員就得以10篇每天的速度閱讀論文。

因為理論框架尚未構築完成，問題變得更加嚴峻。為了完善理論構築，我們需要尋求更高級的數學工具來提供更寬廣的視野。這會產生很大的問題，因為很多深度學習研究者並沒有相應的數學背景來理解這些系統。深度學習體系需要理解複雜性理論的研究員，沒多少人理解這玩意。

我們淪落到這一部就是大量論文和理論體系尚未完善的結果。

目前尚缺的另一點是通向強人工智慧(AGI)的路線圖。理論太薄弱了，我們能做到的最多只是提供一個布滿了人類能理解的斷點的大致方向。我們的理論體系是從認知心理學誕生的投機理論體系。這樣的現狀導致事件中大量的經驗證據都很難被準確應用，這非常糟糕，

在2018年，深度學習論文將會上漲三到四倍。

8.通過教學環境實現工業化。

通過發展體驗式教學環境，深度學習系統可以在可預測可控的環境先實現發展。具體細節很瑣碎。目前最殘酷的教學技巧就是應用在深度學習身上的。我們確定會在這個領域看到長足發展。

2018年將看到更多公司在內部基礎設施系統中大規模運用深度學習系統。

9.會話認知的出現。

我們計量強人工智慧AGI的方法是老古董。我們需求一種解決現實世界的動態（比如非固定狀態）複雜性的新範式。在這一年中我們將看到這一領域的發展和進步。我會在三月1-2日阿姆斯特丹的Information Energy大會上做關於繪畫認知範例的演講。

10.我們會要求人工智慧的運作符合道德規範。

要求更道德的使用人工智慧的呼聲會越發響亮。越來越多的民眾意識到人工智慧無意識暴走可能帶來的危害。我們在Facebook, Twitter, Google, Amazon等公司先進應用的簡單自動化系統上看到不少對社會造成不良影響的案例。

我們需要對那些預測人類行為的機器之應用的道德產生更深遠的理解。面部識別系統是我們所擁有的最危險的能力之一。演算法生成的同真實世界別無二致的媒體信息也會造成很大的問題。我們作為人類社會需要要求對AI的應用應該以全社會的利益為先，而不是濫用AI技術來加深不平等。

期待會在今年看到更多關於人工智慧道德的討論。不過別指望政策性規範。政策制定者們根本沒理解到AI可能對社會造成的影響。我可沒指望他們在今年突然停下政治鬥爭來解決社會上實際的問題。美國民眾已經成為大量安全漏洞的受害者，僅僅為此，我們都沒有看到任何相關的立法或者草案。所以別指望我們的領導人突然腦瓜開竅啦。

這就是我想到的全部。2018年會時非常重要的一年，請各位系好安全帶準備迎接撞擊。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！