标签：已至 瓶颈 神经网络 学习 人工智能 困局 深度 浪潮 数据
近期，计算机视觉奠基者之一，霍金的弟子，约翰霍普金斯大学教授Alan Yuille提出“深度学习在计算机视觉领域的瓶颈已至。”
从人工智能的发展过程看，深度学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。Alan Yuille认为，现在做AI不提神经网络，成果都很难发表了，这不是一个好势头。如果人们只追求神经网络的潮流，抛弃所有老方法，也不去想如何应对深度网络的局限性，那么这个领域可能很难有更好的发展。
深度学习确实是一个让人向往的技术，这无可辩驳。其实，神经网络这个概念自上个世纪60年代就已经出现了，只是因为最近在大数据、计算机性能上面出现的飞跃，使得它真正变得有用起来，由此也衍生出来一门叫做“深度学习”的专业，当前国内涉及计算机视觉领域中，越来越多的人工智能公司或者研究机构投身到“深度学习”的浪潮中了，国内诞生了如旷视科技、商汤科技、极链科技Video++、依图科技等优秀的初创AI企业。旨在将复杂的神经网络架构应用在数据建模上，最终带来前所未有的准确性。
现在的技术开发成果也确实让人印象深刻。计算机现在可以辨识图片和视频里的东西都是什么，可以将语音转化成为文字，其效率已经超过了人力范畴。Google也将GoogleTranslate服务中添加了神经网络，现在的机器学习在翻译水平上已经逐步逼近人工翻译。现实中的一些应用也让人大开眼界，就比如说计算机可以预测农田作物产量，其准确性比美国农业部还高。机器还能更加精准的诊断癌症，其准确度也比从医多年的老医师还要高。
美国国防部高级研究计划局的一名负责人John Lauchbury形容如今人工智能领域内存在着三股浪潮：
第一股浪潮：知识库，或是类似于IBM所开发的“深蓝”和Waston专家系统。
第二股浪潮：数据学习，包括了机器学习和深度学习。
第三股浪潮：情境适应，其中涉及通过利用少量数据，在现实生活中构建出一个可靠的，解释型的模型。
从这三股浪潮中，可以发现目前深度学习算法的研究工作进展不错。
但深度学习的成果是建立在极其苛刻的前提条件之上。
不管是“监督学习”，亦或者是“强化学习”，它们都需要大量的数据进行支撑，而且在提前计划上面表现的非常差，只能做某些最简单直接的模式辨认工作。
相比之下，人就能够从极少数的例子上学到有价值的信息，并且善于在时间跨度很长的计划，在针对某个情境上有能力自己建造一个抽象模型，并利用这样的模型来做站在最高处的归纳总结。
以自动驾驶汽车为例，如果你是采用的“监督学习路径”，那么你需要从汽车驾驶的情境中提取海量的数据，而且还要以明确标示出来的“动作标签”进行分类挑拣，比如“停止”“行驶”等。再接下来，你还需要训练一个神经网络，使得它能够从眼下的情景和所与之相对应的行动之间构建因果联系。
如果你是采用的“强化学习路径”，那么你应该给算法一个目标，让它能够独立地判断当下最优解是什么，电脑在不同的情境之下，为了实现避免撞车的这个动作，它估计要宕机上几千次。虽然现在已经有了比较大的进展，一些神经网络可以从数据层面，在相当大的样本数量上给出一个惊人的成果，但是它们如果单独拿出一个出来，还是不可靠的，所犯的错误也是人一辈子都不可能犯的。
数据质量的不稳定性带来的是不可靠、不准确，以及不公平。同样，输出的结果，还得取决于输入的数据质量如何。神经网络中如果输入的数据是不准确的，不完整的，那么结果也会错的离谱，有些时候会造成巨大的损失。不要小看这样的风险，错误的输出可能会造成极大的危害，以GAN为例，有一些不轨之徒可以以一种人类肉眼无法识别的方式篡改图片，让机器错误的辨识图片。篡改的图片和最初的图片在我们看来可能是一致的，但是无人驾驶汽车中，汽车就会受到威胁。
深度学习依然存在瓶颈，但目前它要发挥的作用所需要的前置条件太过苛刻，输入数据对其最终的结果有着决定性的影响。如果要真正达到理想中的人工智能，这些瓶颈还有待于人们的进一步突破。
标签：已至,瓶颈,神经网络,学习,人工智能,困局,深度,浪潮,数据 来源： https://blog.51cto.com/u_8045998/2904709
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。