矽谷與人工智慧的一段風流曖昧史

來源:Piekniewski"s blog

曾幾何時，20世紀的80年代，有一個神奇的地方叫矽谷。

很多美妙的事情在矽谷發生，很多人掙了大錢。這一切都和計算機的奇蹟有關，計算機幾乎變革了所有事物。

計算機當中有很多應用程序，它們完全改進了我們的工作娛樂方式，也不斷改變我們溝通、購物和使用銀行系統的方式。

但那時電腦十分笨重，運行慢而且價格昂貴，除非計算機的速度再快上幾個量級，價格再便宜幾個量級，很多事情都不可能發生。

摩爾定律奏效：賺錢的機會觸手可及

然而根據摩爾定律，在1970年的十年里，集成電路中的晶體管數量每18個月翻一番。

如果這個定律站得住腳，那未來必將是很美好的。這些應用會逐漸向那些有需求的市場打開，賺錢的機會觸手可及。

到20世紀90年代中期很明顯摩爾定律奏效了。

計算機變得越來越快，軟體變得越來越複雜，變化速度很快以至於每年必須升級換代以跟上計算速度的提高。

每一代新CPU都明顯比上一代快，每一代新軟體都明顯比上一代慢而且功能更強大。

總的來說，通過定期升級新的硬體，軟體似乎同樣快速（或更快）地運行，進而提供越來越多的功能。

這都得益於時鐘速度的提升（1990年初開始有33Mhz，到了2000年有超過1Ghz的時鐘可用了），對於利用提升的計算能力沒有什麼可多說的，在新電腦上所有操作都會更快。

GPU加溫晶元市場

20世紀90年代一種新的處理器：圖像處理器（GPU）誕生了，這種處理器一定程度上和常規的CPU不同。

GPU晶元可以多核並行工作優化3D渲染性能。

最初它們作為額外的加速器（3dfx voodoo）出售，但很快就被集成到了常規顯卡（Nvidia - Riva TNT）中。

遊戲的視覺效果開始變得更好，運行也更加流暢，矽谷大亨們再次把更多的「硅」賣給了千家萬戶。

90年代後期（左）和20年後（右）的計算機內部視圖，它們的大小和組件相似，但後者可能要強大幾千倍。

到了2000年初，情況開始有所不同了，互聯網泡沫破滅，很多人損失慘重。此外，提高時鐘速率的黃金策略遇到了主要的障礙：為了提高轉換速率，電路必須保持相對較高的工作電壓。

這樣一來晶元的溫度一下就上去了，後面計算速度的提升受限於晶元的散熱能力。為了把遊戲玩下去，CPU製造商開始增加晶元中處理器的數量。

這時很多軟體就要重新編程才能利用並行機制的優勢，新一代的處理器不再以速度取勝，但更糟糕的是，大多數計算機應用也並不需要變得更快了。

大部分軟體堆棧協議已經成熟，應用程序已經固化，人們不再每年需要新的CPU或2倍更多的內存。

大多數辦公室工作都可以在35$的樹莓派上完成。甚至遊戲行業也因大量的遊戲機而飽和了。這些遊戲機以低於成本的價格出售，前期投資從遊戲里隱藏的費用中收回。

遊戲機為絕大多數人提供了便利，簡單的界面和滿意的體驗。對矽谷來說需求增長放緩是一個大問題。

智能手機的發明帶來了轉機

雖然PC市場增長明顯放緩，但這一類新產品正在蓬勃發展，2007年至今推出的各種型號的iPhone把發展不斷推向高潮。

對於智能手機，發展迭代並不是主要關注CPU速度，而是關注功耗（電池壽命）和感測器/屏幕的質量。

在過去的10年中，相機和屏幕確實取得了很大進步，但除了一個關鍵的公司—蘋果之外，矽谷大亨並沒有獲得多少新的收入。

相反，矽谷專註於軟體方面的工作，成立服務性公司，如Uber，Netflix和其他利用手機平台的應用程序。

但從一開始所有人就知道，智能手機的革新不會一直火下去。

事實上，到2018年，大多數人意識到他們不需要每兩年購買一台價值1000美元的新智能手機，就像早前PC電腦的境況的一樣，舊型號對大多數的應用來說都還不錯。

這導致蘋果股票在2018年秋季受到重創，使該公司估值回到遠低於1萬億$。

區塊鏈和人工智慧重新點燃市場

隨著各種市場枯竭，矽谷需要一些新事物：與90年代PC革命影響力一樣大的事物；能夠實現全新功能顛覆現有產業格局的事物；能重新點燃矽谷需要在數量級上提升算力的事物。

到2012年，兩個這樣的潛在事物出現了：區塊鏈和人工智慧（AI）。區塊鏈（最初在2010年被稱為比特幣），其想法是通過消除（銀行）底賬的需求來完全取代金融系統，並提供一個建立遠程交易的自我認證手段。

構建區塊鏈需要大量的計算能力，以計算出所謂的「工作證明」。這是矽谷所希望的：一個新的，利潤豐厚的應用領域，此外這個領域還需要大量「硅」來滿足計算需求。

人工智慧大約在2012年進入了矽谷的視線範圍內。當時一位名叫傑夫·辛頓的加拿大紳士在模型連接和神經網路的神秘領域中與他的學生一起工作了30年，使用在GPU上實現的深度神經網路終結了ImageNet對象分類競賽（雖然還應該歸功於Jürgen Schmidhuber，他已經在2011年使用基於GPU的conv-net網路贏得這項比賽）。

與區塊鏈一樣，這項技術可以開啟一系列新應用和大量的晶元需求。矽谷中的許多人很快就看到了機會，而且資金開始大量湧入。

自從90年代上一次神經網路冬天以來，大學裡處於低谷期的神經網路學者們很快就注意到了這個機會。

突然，他們受邀參加矽谷派對。這種多層感知器的新化身不斷給出了令人興奮的新結果，一時間：物體識別和分割，語音識別，機器翻譯都不斷變得越來越精確。

這些新功能很快被擁有大量數據（如Google或Facebook）的公司所利用。但對於這些真實但可能不是很令人興奮的應用程序，人們很快就激動過了勁。

在政府項目計劃里，那些科學家曾經被承諾各種支持但往往都落空，但他們現在有了更好的金主：風險資本家。

風險資本家們喜歡聽改變世界的故事，他們對謊言的識別能力遠低於政府資助機構，而且科學家的論文也不用被政府投資機構仔細審核了。

另外，人工智慧是這樣一片土地，在這裡給神話故事澆灌幾點科幻小說的想像力，它就可以茁壯成長。這些神話故事在科幻小說的參照下，使情況看起來就像我們好像到了一些讓人驚訝的拐點--人工智慧可以以我們想不到的程度自我進化，也就是——奇點。

這個論調導致了嚴重的焦慮（措施恐懼症），在過去政府資助機構覺得自己是人工智慧神話的受害者，這就導致了這些機構對人工智慧資助的凍結，也就是所謂的人工智慧寒冬。

矽谷同時也打造了人工智慧最大的狂歡盛宴，它毫不猶豫地擁抱了人工智慧。

隨著沒有多少工業經驗的深度學習科學家們從大學畢業，研發中心、非營利實驗室和初創公司的深度學習專家數量也開始激增。

初創公司蓬勃發展，承諾在機器人技術、自動駕駛汽車、自動飛行器等領域創造各種奇蹟。

所有問題的解決方案都變成了深度學習，其實也不過是在更大的GPU上使用更多的數據訓練更深的神經網路。

大家都覺得僅僅需要更多的數據和更多的計算問題就能解決。狂歡就這樣進行著。

直到2018年一些人開始意識到這麼做是可能不奏效了。對象識別或分割中的大多數「現實」的基準開始顯示出收益遞減的強烈跡象。

使用大量的數據在很強大的機器上訓練這些模型，在表現上只取得了平庸的提升，而在另一些情況里根本沒有提升。於是科學家們開始做他們最擅長的事，寫很多論文，其中一部分人放棄做產品，開始探索這項新科技的局限性。

用深度學習玩遊戲

在深度學習應該帶來革命的所有領域中，有一個領域持續給出了的優異成果：遊戲。

因為遊戲可以在計算機上推演，進而產生比在現實世界裡要高出幾個數量級的數據，這樣大量的數據很難從現實中獲得和標記。

在許多情況下，僅僅訓練電腦（代理人）玩這些遊戲就可能花費數十萬美元（僅僅是電力和計算硬體）。

但是同樣的技巧不適用於現實世界的問題，標記這樣的數據花費高昂，並且這些數據通常不能完全代表手頭問題的極端情況。

在所有這些人工智慧的狂潮中，Hans Moravec那古老被人遺忘的觀察也就是Moravec悖論，變得越發清晰和明顯。

雖然深度學習在廣泛的計算機感知領域實現了許多新功能，但它沒有解決人工智慧的一般問題。

即使在計算機感知更接地氣的應用中，大量標記數據也不容易獲得，基於經典演算法和手工特徵的解決方案在現場應用中更容易開發也有更強的預測能力。這些方案經過精心的設計和優化。

人工智慧技術進步的試金石是自動駕駛汽車開發

到2016年，矽谷的許多人都相信這項技術幾乎可以實際部署，並且將成為深度學習的關鍵支柱之一畢竟汽車已經可以在沒有干預的情況下行駛數英里。

這種信心非常強烈，以矽谷為基地的汽車製造商特斯拉甚至開始將該功能作為雲端升級（即將發布的更新）出售。

到2019年初，這些說法基本上沒那麼有底氣了，一些關於銷售蒸發器的訴訟正在進行中。與此同時，對於許多自動駕駛汽車公司來說，2018年是艱難的一年，亞利桑那州由優步AV造成了致命撞車事故以及特斯拉自動駕駛儀相關事故造成了多人死亡。

此時，即使在矽谷，人們也開始慢慢意識到，一輛完全自動駕駛的汽車，能夠像計程車一樣把人載著到處跑的自動汽車，還是一個遙遠的未來。

很明顯，汽車將繼續內置電腦，從這個意義上說，矽谷已經贏了，但這與之前的夢想相去甚遠。

2018年，比特幣的價格從近20,000美元跌至4.000美元以下，跌幅超過80％。

在2018年，矽谷的另一個大賭注面臨嚴重打擊：比特幣，區塊鏈的頭兵，價值下跌超過80％。許多人損失了很多錢，市場對加密數字貨幣的熱情普遍大幅下降。

AI還有很遠的路要走

深度學習和區塊鏈都是非常有趣的技術，它們實現了以前不可能的事。

谷歌的圖像搜索比以前的好了很多。其中樣式轉換過濾器是一個非常酷的工具，使得這篇文章的特色圖像成為可能。

機器翻譯現也足夠讓你在外國找到路了，但還遠不能翻譯詩歌。

以上說的種種這些改進似乎都不足以贏得勝利，不足以為矽谷的大賭注正名。它們看起來都不像90年代瘋狂的計算機熱潮一樣有影響力，有利可圖。

至於人工智慧，這波炒作周期與以往的炒作周期沒有太大差別。

我們想讓計算機做受過教育的成人可以做的事情，但後來才意識到這些計算機無法處理嬰兒或動物認為理所當然的事情。

只要我們繼續跌入同樣的陷阱，AI（就像在實際的通用人工智慧中）將仍然是一個白日夢。

英偉達是一家給區塊鏈和人工智慧淘金熱賣鏟子的矽谷公司

過去四年的股票行情既反映了人們很高的期望，也反映了期望不斷破滅的過程。

未來很難預測，但至少現在看起來這兩個賭注都是死路一條。

也許就像互聯泡沫網破滅之後會出現谷歌和臉書這樣的公司，當前技術成熟周期之後在區塊鏈和人工智慧領域可能出現相似的成功案例。

但也就像那時一樣，只有極少數人會贏，而很多人會錯過機遇。

END

看累了嗎？戳一下「在看」支持我們吧！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！