Artificial Intelligence

Home8 保全系統是一個很棒的基本保全系統，也很適合安裝在建築大樓裡的一個套房。安裝這個產品準沒錯!”

來源：大数据文摘

這不是一個會不會發生的問題，而是會什麼時候發生的問題。

在之前的文章中，我寫過關於AI在創新潛能上與之前的科技浪潮的不同之處。

文章的核心主題，是近期在主流科技浪潮中，獨一無二的全分布式創新模型。

在過去的幾年中，AI無窮的潛力被大肆宣傳。這些宣傳中，一些是符合實際情況的，但是很多卻被過分誇大。

事實上，對於一項正在風頭上的科技，人們很難想像，未來將會遇到什麼樣的困難。人工智慧和相關技術，被追捧的時間已經很長了，常理推斷它由盛轉衰的最高點也即將來臨。在過去長達1年半的時間裡我都有這種預感，而高德納公司2016年的「炒作週期」更是映證了這一看法(參考機器學習)：

　　《高德納2016炒作週期》

整體來看，AI 可能已經開始出現「幻滅」的勢頭。作為一種主觀推斷，幻滅發生的時間無法用科學方法去測算。然而不論我們相信與否，AI的熱度會不可避免的有所反彈。然而，關於AI的幻滅，從一定程度上來說並不是一件壞事，因為在很多情況下，炒作宣傳的內容，都遠遠超過了當前的技術發展水平。

但是我並不擔心這種情況的發生，因為我對長遠的規劃更感興趣，這包括：過去幾年中的傑出成就能否持續發展?是否能繼續遵循全分布式的創新模式?或者是事與願違，AI會最終迎來一個寒冬?

這都很難預測，因為很多因素會減緩現在的創新速率，接下來我會對此進行深入探討。

1、專利比論文更受偏愛

與之前的技術相比，AI的一個重要優勢就是強有力的研究背景。在電算科學領域，創新程度是用發表的文章，以及這些文章對AI技術的影響程度來衡量的。谷歌，臉書，和其他大型AI公司，從學校挖走了很多頂尖的AI人才，而這些人才在業界也還在繼續發表文章。

儘管學術論文經常會讓人覺得晦澀難懂，但是它們確實包含著，如何應用一個新方法，或者算法來繪製技術的前景藍圖，這也使得AI領域中的大多數創新能夠公之於眾。甚至有些情況下，在新論文發表的幾天之內，github上就會出現相應的應用實例。

在大企業中，關於是否將一個想法發表專利，一直都存在爭議。考慮到機器學習領域的飛速進展，研究人員都想盡快發表自己的論文，以宣示對新想法的所有權。谷歌目前除了對一些有專利的產品，如 word2vec，對其他產品都持有較為開放的態度。我希望谷歌能繼續保持下去，不然這種現象可能會嚴重阻礙AI社區的發展。

2、少數大公司雇傭了所有的AI人才

目前有很多關於科技巨頭從各大高校席捲AI人才的故事。在過去的幾年中，很多高調收購案的目的，都是為了獲得AI核心人才。這種現象的好處，是抬高了AI技術的身價，壞處則是人才都去了少數的大公司。

谷歌、臉書、亞馬遜、百度、微軟、特斯拉、蘋果和IBM都在野心勃勃的建立AI中心，並且把能找到的博士生都收入麾下。這些公司在AI研究社區都極力表現，以維持自己的聲望，但是由於公司內部的工作進程安排，使得那些來大公司的人才，很難獲得在學校或者在自己創辦的公司中，實踐想法的自由度。

如果少數十幾家公司網羅了世界上絕大部分的AI人才，我們將看不到，更多與眾不同的創意和新的解決方案。多數大公司並不能快速換代，創建新產品。因此，我們更需要一個健康的創業環境來激發新靈感。

3、等待好結果的時間太久

當每個人都從Good Morning America上瞭解到AI時，其實人們的心理倒計時已經開始了。如果沒有好的產品來支撐，在宣傳維持了一段時間的熱度之後，人們終會對AI喪失信心，並且把它丟進名為過度炒作的垃圾桶裡。

這意味著如果得不到新的解決方案或者新結論，人們將不會再關注下去。

4、幾個重大失敗案例

一個難以避免的會減慢AI發展的情況，就是出現重大失敗。不論是AI公司沒能提供承諾的價值，還是一個新產品發售後迴響平平，都會給大眾埋下懷疑的種子。就像沒有值得上新聞的突破一樣，類似MD Anderson取消與IBM Watson的合作協議，一樣的重大失敗，會讓原本對AI很熱忱的公眾，開始產生懷疑。

5、Tensorflow變得太複雜和太佔主流

也許這不符合常理，但是實際情況是，擁有很多AI開發平台才是一件好事，而不是像現在這樣，Tensorflow成為了主流。無論如何，應用新的AI技術對於小團隊和個人都是很困難的。開發整體佈署軟體(如操作系統)需要大量的開發者的協作，但AI平台與此不同。當一篇新的論文發表後，相互競爭的實踐產物經常在幾周或幾天之內就出現了。

Tensorflow是最流行的機器學習框架，並且正在變得越來越強大和複雜。如果Tensorflow真的變得過於複雜，讓人難以應用，或者谷歌失去了對它進行高頻更新的興趣，那Tensorflow本身將會阻礙創新。雖然短期來看，所有人都使用Tensorflow是一件好事，但在長遠來看很可能成為一個隱患。

6、我們用深度學習只到達了局部最優

深度學習已經一戰封神。現在它能讓軟體替代醫生，甚至能做飯，清潔，洗碗。有些暫時或許還沒有實現，但是人們把太多的注意力，投注在深度學習上，會導致對其他領域的關注不足，而下一個突破點很可能就在這樣的過程中被忽視了。深度學習也有自己的不足，所以我們需要持續地探索新的想法和概念。

7、社會和政治上的壓力會阻礙AI前進

我認為AI發展會減緩的最主要的原因，並不是技術本身或者創造新解決方案的能力，反而是公眾對這些方案實施的熱度。

公眾非常期待5級自動駕駛技術能夠應用，同樣也對飛機的無人駕駛很感興趣，但是目前駕駛艙坐著的仍然是人類。

公眾多年建立起來的信心，可能只需要一個偶然的重大事故就摧毀了。我們可以預見，將來AI會產生的事故不止一個。儘管機器操作可能比人工操作的事故率低，但是AI還是會因為這少數的「事故」獲得很慘的下場。

8、放慢速度是件好事

我希望未來AI能夠不要太主流。一定程度上，獲得巨大關注是一件好事，這會讓個人和公司對開發新技術興致高漲，但這樣會產生過度炒作的弊端，以及帶來很多任意消費，而不思回報的盲從者。同時，讓我更擔心的是熱度越高，摔得越重。