|
本文转自微信公众号：量子位（ID：QbitAI），虎嗅获得授权转载。 今天的人工智能行业是否有些发烧？ 如何降温？ 人工智能专家，到底该如何创造出实际价值？ 带着上面这些问题，量子位近日对阿里云人工智能首席科学家闵万里博士进行了专访。闵万里平时喜欢用花名“山景”来称呼自己。 而这个花名，来源于他的家乡大别山区。闵万里自小在山里长大，他说，如果有一天真的彻底闲下来，自己的终极理想是回山里隐居、支教。 采访的时候，我们也以“山景”来称呼这位科学家。 “我看了。但是说实话，还是希望人工智能领域能百花齐放，多一些研究方向。”当被问起是否关注了前几天在法国土伦召开的ICLR2017，有什么感受时，山景如是回答量子位。 2013年LeCun和Bengio牵头创办ICLR，被公认为机器学习&深度学习领域的顶级学术会议。 他进一步说道：“这些人都还是在讲深度学习的故事”，山景的观点是要独辟蹊径，“不是说人工智能就是深度学习。我说现在有个现象，叫‘深度泛滥’，一提到人工智能，就是深度学习，我觉得这个事情是有问题的”。 “今天所有成功的深度学习，都是一些‘黑盒子’：工程调调参数，样本量大，然后进去跑。跑出来结果知其然，不知其所以然。很危险，我很不喜欢这个状态”，学数学出身的山景说：我相信一点，我们所看到的任何现象背后都是存在第一性原理的，就像牛顿三定律一样。 “如果我们对基础的、本质的东西没有了解清楚就去对它进行描述，最后很可能发现自己走上一条偏颇的道路”，这位阿里云人工智能首席科学家对量子位说：“不过这也更坚定了我的信心：我们现在应该往新的方向去走，不能局限于深度学习”。 谈到未来趋势，山景也承认深度学习会继续发展，因为它的门槛已经相对较低，“只要具备了云计算的能力，就可以去跑数据”，因此，会有很多人继续朝这个方向走。 随之而来的会是一个量变到质变的过程，当深度学习达到了一定层次的时候，就会有人从深层原理上来对其进行反推。山景认为，基础理论取得突破的一天一定会到来，而这个时间取决于技术在实际应用中铺开的速度。 当AI遍及各行各业，找不到新的应用场景时，人们就会更多地从原理上进行探索。 AI过热不完全是坏事 现在，不少创业公司的商业计划书里都非得提个“人工智能”，感觉没这几个字都不好意思见投资人。谈到当下人工智能行业的过热现象，山景说，“有的人随便整了一个数据，就叫大数据，然后号称做的是大数据建模、大数据风控之类的东西，其实他那些数据可能都是一些网上扒来的、过时的数据。这里面的泡沫非常地大。” “还有一个比较明显的特征，你可以数一下，我们现在每周的人工智能峰会有多少？”山景笑言。 不过从另一个角度来说，他也认为这不是一件坏事。毕竟有关注才会有资源投入，促进行业发展。任何新兴行业的发展，一定会有泡沫发生，大浪淘沙后才是真英雄。“产业的发展必然从开始的一窝蜂、过热，到慢慢冷静、聚焦，最后成熟”，山景说。 而对于如何给过热的AI行业降温，山景表示，AI还是应该向实际的应用场景去落地：“其实我觉得，我们现在做的就是在解答这个问题（指阿里工业大脑、城市大脑等）。不落地的东西说得再天花乱坠，都得不到大众的支持，老百姓的感知不一样——天天听到打雷却见不到下雨，肯定是不行的，一定要到应用当中去。” AI专家要忘了自己是个专家 知乎上有篇文章里提到了这样一种现象：一些公司高薪聘请机器学习专家，而这些专家到来之后，也一直将自己的全部心血倾注在计算环境和模型的搭建上。 然而到最后公司发现，这些机器学习专家并没有给自己带来实际价值——原因是，专家只是专注于自己的数据准备、处理、建模、调参等工作，并未将业务和商业问题纳入自己的考虑；而专家和部门之间，又缺乏必要的联系和沟通，因此最终双方不欢而散。 那么，AI专家，或者说人工智能方面的人才到底该如何创造出真正的价值？ “我这样讲吧，十年前我是这样的状态”，山景博士扬着头，一边回想着说，“十三年前，那时候我刚刚博士毕业，我以为模型能解一切的问题。后来我很快发现了一个瓶颈：在你做的研究，发表的学术论文中，有非常多的假定条件，‘如果XXX……’，对吧？” (责任编辑：本港台直播) |