為AI清君側：為什麼鼓吹“寒冬論”的都是AI學者？_風聞

炎炎夏日即將來臨，想要防酷暑降温，除了開空調吃冰淇淋之外還有什麼其他方法嗎？

當然有啦！比如關注一下深度學習領域，就會發現人工智能又又又寒冬了。明明是一項在世界範圍內受關注和投入頗多的技術，為什麼時不時就會有大佬開麥，給人一種一年四季都在“寒冬”的錯覺呢？

最近幾個月以來，曾經在去年發表過《AI Winter is Well on its Way》聲稱AI和深度學習寒冬即將到來的AI專家Filip Piekniewski陸續發表了兩篇“雄文”，再次對深度學習進行了抨擊，一篇稱AI和“區塊鏈”一樣，都將面臨崩盤的終局，另一篇稱深度學習的應用性遠比人們想象中狹隘。

我們不如以Filip Piekniewski的言論為線索，看看在“AI寒冬論”背後，又暗暗隱藏着哪些秘密。

時隔一年寒冬迴歸，又帶來了哪些論據？

在上次發表《AI Winter is Well on its Way》後，Filip Piekniewski遭到了不少抨擊，其中原因是Filip Piekniewski的觀點和論據實在是存有過多的槽點。例如Filip將學術領秀在Twitter上提及深度學習的次數減少，當做深度學習衰落的證據。又將知名不靠譜自動駕駛廠商Uber的自動駕駛事故，歸咎到深度學習技術的不靠譜上。

但在最近發表的言論中，Filip Piekniewski又對自己的觀點進行進一步的補充。

首先，Filip Piekniewski再次強調了自動駕駛的不靠譜。證據是最近一年自動駕駛領域逐漸冷卻，實驗過程中時有事故發生，福特CEO Jim Hackett也承認，該公司“高估”了全自動駕駛汽車的到來速度。

同時Filip Piekniewski還將比特幣與深度學習做對比，認為兩者都是硅谷在芯片銷售乏力時，“炒作”出的新概念，一個依靠算力挖礦，一個依靠大型模型創造計算需求，最終目的是賣出更多的GPU。而比特幣目前已經崩盤，深度學習所創造的AI夢境也距離夢醒不遠了。

至於當前AI界最為頭痛的人才問題，Filip Piekniewski則給出了不同的意見，他認為相比AI人才緊缺，實際上AI人才是魚龍混雜的，只要在頂會上發佈一篇論文就能替代一切背調，加上大量所謂AI人才都是直接從高校和研究院進入企業，缺乏現實場景經驗，更加速了AI的“滅亡”。

比特幣誅心論：AI是硅谷的帶貨高手嗎？

相比上一次那Twitter內容當做證據，這一次Filip Piekniewski所提出的自動駕駛遇冷、AI人才審核標準模糊等等，看似客觀許多，但將區塊鏈和AI相提並論，則是一種極其誅心的理論。

我們不得不承認，從硅谷視角來看，AI和區塊鏈確實有顯著的共同點。第一，兩者都通過對算力的強大需求，帶動了芯片行業的發展；第二，兩者都是先“賦能”了硅谷的財富集中，再去賦能現實場景的落地應用。

在移動終端逐漸走向成熟後，硅谷一度無法再像PC和移動終端熱潮初期，通過一種普遍性的設備和產品更新換代來獲得財富。但AI和區塊鏈的出現，又在試圖從底層改變整個軟件和硬件生態。這其中讓科技企業獲得了不少紅利，例如大量投資湧入區塊鏈和AI創業領域，又像是英偉達近年來的迅速成長。

但我們並不能因此將AI和區塊鏈完全看做一談，兩件事情形成的結果有部分融合，並不代表兩件事的性質完全一樣。

我們需要知道的是，深度學習之所以會在今天出現，是因為移動時代帶來的數據量暴漲和算力基礎提升，給予了深度學習深入研發和應用的可能。深度學習和芯片算力是彼此成就的，而非像比特幣那樣通過一種類似於投資的概念，用“挖礦”這種行為來對算力進行一種空對空的消耗，如同“帶貨”一般促成芯片需求。

所以我們很難將比特幣的潰塌看做AI必將到來的未來。

技術原罪論：深度學習是L5自動駕駛的絆腳石嗎？

同時比特幣價格的波動，也不代表區塊鏈技術是毫無意義的。不管比特幣是漲是跌，我們依然能看到區塊鏈正在進入種種領域。在應用層面，Filip Piekniewski一直試圖通過抨擊自動駕駛來駁倒AI整體的應用價值。

把目標集中在自動駕駛這一領域中，我們發現似乎真的有一絲“寒冬”的意味：從2018年年底開始，自動駕駛相關創業企業就開始有了融資量下降甚至估值回調的現象；特斯拉改變了在2019年推出完全自動駕駛的口徑，甚至因此遭到了車主訴訟；福特CEO和Waymo CEO接連在公開場合發表言論，稱“自動駕駛很困難，尤其是L5級別的自動駕駛”。

可自動駕駛降温的原因，真的和AI技術有關嗎？

深度學習在複雜環境下感知能力正在應用到自動駕駛視覺、毫米波雷達、激光雷達等等領域中，但其黑箱特徵在決策能力上的弱勢，確實也對L5級別的自動駕駛發展產生了一些阻礙。可我們不能將自動駕駛的發展看做一條單一路徑，雖然L5級別自動駕駛尚且沒有理想進展，但L4級別的自動駕駛已經開始了頻繁的測試階段，甚至有了商業落地的雛形。

何況阻礙L5級別自動駕駛發展的，絕不僅僅是AI技術，更多還有落地過程中的各種問題，例如法律法規、配套設施、倫理道德等等。更何況AI在自動駕駛之外，還廣闊天地大有作為。僅僅因為如此就一言以蔽之對AI進行通篇否定，顯然是不合理的。

為AI“清君側”：為什麼鼓吹AI寒冬論的都是AI學者？

面對這些不靠譜的言論，我們或許應該從“源頭”開始關注。發佈這一系列“雄文”的Filip Piekniewski是一位AI領域和機器視覺領域的研究者，Twitter資料顯示他就職於一家名為Accel Robotics的AI創業企業。實際在發表《AI Winter is Well on its Way》一文之前，説Filip Piekniewski在AI學術界毫無存在感也不為過。只是因為對深度學習和AI的抨擊，才讓他一具成名。到今天我們可以清晰地看到Filip Piekniewski批判AI的套路：首先對於技術進行“商業羞辱”，與概念炒作掛鈎；再將普遍矛盾集中成技術矛盾，將一切落地過程中的問題都歸咎於技術本身；最後開始誅心説，把一切都形容成大公司的商業騙局。

在發佈了AI寒冬理論之後，LeCun、吳恩達等等活躍在AI產業界的學者們都提出了反駁。可同時市面上也傳來了一些贊同的聲音，例如紐約大學心理學與神經科學教授Gary Marcus，也曾在去年撰文批判深度學習。

我們可以看到一個很有趣的現象：這些為AI“哭喪”的學者，恰恰也都是研究AI相關領域的。

這種行為並不是來源於學者幹一行“唱衰”一行，而是因為他們所研究的領域和當前AI的發展有所出入。

就拿Filip Piekniewski本人來説，其研究範圍在經典計算機視覺中，既是在廣泛的算法集合中從圖像中提取信息，作為機器學習分類器的前端，以構建更復雜的檢測器。但在現實應用場景中，檢測器的搭建過程非常複雜也不具有可複製性，相比之下遠不如深度學習更加高效，所以一直很難走向市場。

但經典計算機視覺的優勢在於，其準確度相比深度學習解決方案更高，對計算力的要求也更低。

看到這裏，Filip Piekniewski此前一些看似非常不合理、不具有學術專業性的言論就有了解釋。不論是強調深度學習是硅谷的為了賣GPU營造的算力騙局，還是強調AI炒作帶來的學者身價膨脹，本質上都是在為自己的學術觀點站台，表達對目前深度學習一家獨大的不滿。

包括上文提到的Gary Marcus，也是在表達對深度學習不滿的同時，強調了深度學習必須要結合符號計算才能進步。而這也正是Gary Marcus本人的學術方向。

説到底，這些看似鼓吹AI寒冬的學者，並不是真正的不看好的AI價值，只是對AI學術發展的趨勢有所不滿，以一種勸諫的姿態在表達意見，彷彿深度學習和硅谷的勾結已經禍國殃民，學者們捶胸頓足的哭嚎着：“陛下，看看您的江山吧！”

結束語

雖然Filip Piekniewski對於深度學習的抨擊本質上是一種夾帶私貨，但他的一些觀點也並非不無道理，例如目前硅谷和學術界關係過密，是否會影響到學術發展的方向？以及目前企業對於深度學習學術人才的追捧，是否會反而會因為學術人才的水土不服而阻礙AI應用的發展？

當今世界和過去產生的一大區別是，商業與學術研究正在結合的越來越緊。在大量科技企業出資支持學界的情況下，學者們究竟是在進行純粹的學術創新，還是被商業支持圈到了某一個籠子裏？商業資助的影響，是否會對學者們的學術道路選擇產生一定的影響，最終導致技術創新在錯誤的方向上越走越遠？

雖然“AI寒冬論”和對深度學習的盲目指摘並不可取，但其背後所隱藏的問題，我們應當時時警醒、銘記在心。