Panda参与

当泡沫破裂时……

人工智能领域毫无疑问正处于一次发展热潮中,但也有研究者认为泡沫正在积聚并终将破裂。近日,微软资深研究科学家 John Langford 发布了名为《当泡沫破裂时……》的文章,谈了谈他对当前人工智能发展现状的看法并为研究者提供了一些在泡沫破裂中站稳脚跟的建议。Langford 对机器学习的更多观点可参阅机器之心曾发布的《微软资深研究员 John Langford:机器学习将以蚂蚁搬山的方式解决世界难题》。

考虑以下事实:

  1. 今年 NIPS 的论文提交量增长了 50%,达到了约 4800 篇。

  2. 有显著证据表明评议机器学习领域内的论文的速度已经经历了好几年的指数级增长。

  3. 公众人物往往过高描述人工智能的当前发展状态。

  4. 能讲出一个好故事的雄心勃勃的创业公司不差钱。

  5. 很显然,我们现在甚至还有个假网站(https://nips.cc 才是真的 NIPS 网站)(参阅机器之心报道《业界 | 警惕!NIPS 2018 出现了假网站》。

很显然我们目前处于一个不稳定的状态。这到底是一场泡沫还是一次革命?答案是当然包含一点革命——深度神经架构所创造的实实在在的成功已经颠覆了视觉和语音识别领域,更通用的机器学习也已经有了大量真实世界用例。

但与此同时,我觉得我没法相信我们不处在一场泡沫之中。1980 年代曾有过一次人工智能泡沫(那是在我的时代之前),2000 年左右有一次科技泡沫,而现在我们似乎正经历一场人工智能与科技的组合泡沫。在某些方面这是好事——很多公司为研究者提供了职业运动员那么高的薪资。但在另一些方面则让人有些担忧——这个领域能有效应对不断涌入的炒作压力吗?

预言泡沫将何时以及如何破裂一直都很困难。可能今天就会发生,也可能还要等上几年;可能是一次协调式崩溃(coordinated failure,注:指大量公司同时做出裁员或降价等决定而导致衰退),也可能是一系列非协调式崩溃。

我们这个领域应该考虑一下协调式崩溃的情况。目前这个领域有多大比例的公司或公司部门有非常高的成本且没有与之相当的效益?这个比例已经不小了,所以有可能当资金突然中断时或某部分领域的资金中断,就会给人和这个领域带来伤害。我个人的经验表明:当资金中断发生时,通常发生得非常快;参阅:http://hunch.net/?p=2341

作为一位研究者,请将这看作是提醒注意和保持谨慎。我希望每个人都完全清楚我们现在有一点泡沫了,并将这一情况纳入自己的决策中。再多谨慎也不为过——我很高兴再次讲述甚至知道将如何结束但还是去了 Yahoo! Research 的经历。其中有两个自然因素:

1.  你在哪里做研究?当泡沫发生时,最好的地方是场外。

  • 它是否在进行高成本的商业冒险?不管是创业公司还是大公司的业务部门,长期来看公司企业都不是做研究的好地方。在一个渴望让研究成果产生价值的地方做研究,听起来并不让人愉悦。

  • 它是否在进行明显有价值的商业冒险?那可能是个好地方。如果你有兴趣,我们正在招人。

  • 是否在学术界?学术界随时间的稳定性是真的,但与此同时机会也可能丢失。我一直都很享受与能力出色的同事在最困难的问题上共事的机会并从中受益匪浅。在学术界,要将这些能力集中起来完成一项研究是很困难的,因为学术界典型的最大研究规模是「教授+学生」。

2.  你研究的是什么?某些路径的泡沫比其它路径的更大——它们可能看起来很赞,但它们真的能提供价值吗?

  • 你在研究模拟智能还是创造智能?长期来看,创造智能更有价值。

  • 你在解决虚构问题还是真实世界问题?如果你在解决真实世界问题,你肯定是在创造价值。虚构问题也可以得到用于真实世界的解决方案,但这条道路往往充满了无法预料的困难。

  • 你在研究的解决方案适用于一个问题还是很多问题?基础解决方案的广泛适用性显然有助于泡沫破灭。

研究者有很好的幸免于泡沫破裂之苦的能力——通过他们的成就的公开记录。如果你在一个优秀的环境中做着有价值的事情,而这个环境某天会崩溃;那么当这发生时,你发表的成果将能为你站稳脚跟提供巨大帮助。

原文链接:http://hunch.net/?p=9604328

理论观点John Langford
1
相关数据
机器学习技术
Machine Learning

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

语音识别技术
Speech Recognition

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

机器之心
机器之心

机器之心编辑

推荐文章
返回顶部