杨立昆：科学之路读书笔记2

人工智能的低谷
人工智能无所不能吗？
谁将从AI人工智能革命中获益
结语

一起学AI系列博客：目录索引

人工智能的低谷

上回分享了读书缘由，杨立昆的背景及其对人工智能的研究看法，这回分享他如何度过低谷以及哪些人能从这场革命中获益。

1987年12月6日，深度学习两巨头杨立昆和辛顿在实验室里碰巨头了，从前那个幽默的辛顿神情沮丧，讲了个苦涩的笑话：“今天是我40岁生日，我的职业生涯也到头了，什么也做不成了。”杨立昆也不由谈到，“即便我们信念坚定，也会有某个动摇的时刻。”

20世纪80年代，AI走向第一次低谷，限于算力和训练方法，无法完成大规模数据训练任务。沮丧的辛顿和杨立昆都不知道，中国有句俗语一会生二（二生不三还不知道），第二次低谷的时候，辛顿60岁，杨立昆被AT&T公司强行“毕业”了。

然而，终究如哲言所道，“Difficulty is where value lies in.”杨立昆的项目名字叫CIFAR，读音“see far”，意为“远见”。或许也寓意着，他们的研究，虽然会遇到黑夜，但黎明总会到来。

第一次低谷中，在黑夜中摸索几年后，杨立昆等人提出BP算法（反向传递梯度，调整学习参数），使得大规模训练AI网络成为可能，将人工智能推向第二波热潮。

第二次低谷中，引导走出黑夜的是，辛顿等人提出深度神经网络，试下大力出奇迹，将网络层数堆他个成百上千层（之前最深就是十几来层），没想到在IMAGENET大赛中一骑绝尘，图像识别正确率创纪录，接近人类图像分类感知水平。杨立昆他们没有想到，原来真的有：人有多大胆，地有多大产。

最终，杨立昆与辛顿、本吉奥在2019年共享了计算机界顶级奖项——图灵奖，在杨立昆的战友说出那句“职业生涯到头了”32年后。他的经历告诉我们，把你想要写的故事，坚持写下去，终会有答案，哪怕可能会来得有些晚。

人工智能无所不能吗？

两次低谷，引导我们走向现在的第三轮热潮，甚至被称为是一场不亚于走入工业时代、电气时代、信息时代的革命。我们也许是在走入智能时代，但不得不提的是，包括杨立昆也表示，哪怕是现在，人工智能并不智能，有时甚至很智障。

他拒绝我们将AI技术神话，提倡我们理解背后的思维本质，而非术语公式。

我想，杨立昆可能是吃了大量投资人中途跑路的亏吧。一旦达不到高预期，精明的投资人就说：立昆兄，你耐力好，再顶一顶，我们还有点事就先撤了。可见，投资人大多都是好汉——不吃眼前亏那种。

就我所知，当下AI进展虽然如火如荼，但核心主要是深度学习那一套，解决问题比较好的，主要是自动化场景问题，比如图片识别、机器翻译、语音识别等。

当前AI问题还有很多，还缺乏知识推理能力，还不具有良好的可解释性（具体表现为，对了不知道具体为什么，错了都不知道咋改），而且模型迁移能力差，不像人类。照杨立昆的说法，为更具通用性，AI模型未来可能走向自监督的方向。

谁将从AI人工智能革命中获益

有的人拿着概念炒作讲PPT故事，从中获取投资，然后跑路，这是一种收益。有的人踏踏实实扎根技术，做点实事，一个一个场景去优化，运用AI降低人力重复劳动，降本增效，这也是一种收益。

对于讲故事的人，杨立昆无话可说。

对于做实事的人，杨立昆提到一个AI商业化的教训，值得警醒。

贝尔实验室群星璀璨，搞了不少重大黑科技创新。可AT&T公司却屡屡错过自己实验室黑科技的商业化应用，反倒是跟随者居上。

这告诉我们，如果管理者没有深厚的技术背景，就没有敏锐的技术嗅觉，哪怕是搞出了数码相机似的技术革命，也会像柯达一样，弃之不用，最后被自己搞出来的技术革了命。

此外，给我们的另一个启发是，对于追随者而言，模仿并不是啥问题，苹果早年也是复制施乐公司图形系统。关键问题是，要有big dream的追求，模仿只是手段，最终目的是，站在巨人肩膀上，开拓创新。

回到问题，谁将从这场人工智能中获益？

对大公司而言，纵观当下科技巨头：Apple/Google/Facebook/Amazon及国内的阿里、腾讯、百度、字节、华为等，无一不早已积极布局AI前沿技术，大公司已经是第一个从中获益的。

对我们普通人而言，由于当前AI成功应用的主要是分类自动化，所以可重复操作、可被自动化的工作价值会大幅下降，而AI无法替代的那些感性的工种内容（文科小姐姐福音）将变得更有价值，行业如服务业、手工业、房地产，岗位如管理、HR、艺术工作者等。

结语

人工智能接近人类智能的路还任重道远，当下的它只有数据，没有推理，没有情感，没有意识，不是一个可以自学习的智能体，所以，也大可不必期望过高。

信息的自由流动，就是进步的动力。——杨立昆

而追溯大牛杨立昆的科学之路，也许给我们的启示有：

实践先于理论。想不清楚就先干，深度学习本质有点以勤补拙的思想。所以，虽然深度学习缺乏理论上的可解释性，但好用。而且历史上电报都搞通50年后，才有了香农的信息论理论支撑。
为知识本身求学，而非文凭。广泛阅读，形成科学思维，奠定理论基础，牢记：哲学是百科之母。
特立独行，不忘初心，做感兴趣的事。杨立昆的科学之路，本身就是一段关于勇气的宣言，受尽学术界的PUA（若即若离，让你欢喜让你忧），若不是真爱，怕坚持不到现在。

话题交流

你最希望AI帮助我们解决什么问题？

最后，我深信，通过阅读、思考、分享和交流，“认真的人得到认真的结果”。

于2022年5月11日