写点什么

这一次,人工智能的冬天不会再降临

  • 2020-04-14
  • 本文字数:1739 字

    阅读完需:约 6 分钟

这一次,人工智能的冬天不会再降临

我们大家都知道,在人工智能历史上曾经历过两次“冬天”,那么,究竟会不会有第三次人工智能冬天,众说纷纭。InfoQ 中文站曾经翻译并分享过相关的文章,如《我们即将迎来另一个 AI 寒冬吗?》、《抵御另一个人工智能冬天的最后一道防线》、《专家:用 “寒冬” 来描述 AI 的新阶段是错误的,应称为 “AI 秋天”》、《人人恐惧 AI 寒冬,他却希望泡沫再破裂一次》等等,这次我们带来了 Caleb Kaiser 的新文章,他认为这次人工智能冬天不会再有了。



本文最初发表在 Towards Data Science,经原作者 Caleb Kaiser 授权,InfoQ 中文站翻译并分享。


机器学习不是什么“天网”或“灭霸”之类的命题。


每隔几周,就会一篇新的文章发表,预言人工智能冬天即将来临。这些文章的观点都很雷同:


  • 深度学习的力量被公众夸大了;

  • 我们离人工智能比报道的还要远;

  • 之前的人工智能冬天也是由类似的炒作泡沫引起的。


尽管上述所有观点在某种程度上都是正确的,但这些观点忽略了一些重要的东西:一场类似于发生在 20 世纪 80 年代的人工智能冬天,当时机器学习研究和资金投入增长放缓的现象,这在今天已经不可能再出现了。


但我们也要承认:我们离通用人工智能和完全自动驾驶汽车还很远


在过去几年,Starsky Robotics 作为少数几家将全自动驾驶汽车推向市场的科技公司之一,一直被各大媒体报道。他们有可行的演示,充足的资金和一支有才能的团队。


但就在今年三月份,Starsky Robotics 最终还是倒闭了。创始人 Stefan Seltz-Axmacher 在事后调查分析中清楚阐明了核心原因:监督式机器学习并不像炒作的那样。


当然,他所指的炒作是来自创始人、记者和爱好人工智能的狂热者无休止地承诺,称通用人工智能和全自动驾驶汽车这样的技术离我们只有数月之遥。正如 Seltz-Axmacher 所说的那样:相反,(研究人员的)共识是,我们至少还有 10 年的时间才能实现全自动驾驶汽车。


过去,人工智能冬天是由类似的令人兴奋的研究周期造成的,导致过高的预期,由于无法实现,从而让失望的投资者和工程师放弃,但这一次情况已经不同了。


这一次,即使深度学习最宏伟的承诺没有兑现,但另有一些事情还是发生了:机器学习已经变得有利可图。

生产机器学习无处不在

来看看世界上最流行的应用程序:


  • Netflix、YouTube、Facebook、Amazon、Instagram、Spotify 和 TikTok,这些应用都严重依赖基于机器学习的推荐引擎。

  • Snapchat、Instagram 和 TikTok 都使用计算机视觉模型来帮助用户创建、编辑和分类可视化内容。

  • Gmail 和 Messenger 都使用自然语言处理为用户增强消息传递功能:过滤垃圾邮件、建议文本、对邮件进行分类等。

  • Google Maps、Uber 和 Lyft 依靠机器学习来计算准确的车辆预计到达时间。


这些都是世界上有价值的科技公司的旗舰产品,这些公司也是机器学习研发的幕后推手。如果你认为这些公司中的任何一家仅仅因为不能建造类似天网那样的产品就停止对机器学习的投资,那就错了。


生产机器学习也并不仅局限于科技巨头,许多初创公司已经将基于应用机器学习的产品推向了市场:


  • Onfido 使用机器学习为全球 1500 多家金融机构提供身份验证服务。

  • Ezra 利用计算机视觉提供全身癌症筛查,目前在美国三个州开展业务,而且还在增长。

  • AI Dungeon 运营着一款基于 OpenAI 的 GPT-2 构建的机器学习驱动的文字冒险游戏,这款游戏有超过 100 万名玩家。


在几乎所有行业,如医药、农业、金融、安全等,有些公司已经成功地将机器学习产品推向市场。

机器学习不再是赌注

在过去几十年,炒作周期之所以能够击垮人工智能的投资,是因为人工智能以及机器学习,本质上就是一种赌注。


创始人和研究人员都在猜测机器学习在未来可能都有哪些商业应用。当这些赌注没有得到回报,市场就崩塌了。


机器学习已经不再是一个推测性命题,现在已经是一种广泛应用的、商业上可行的技术,为世界上一些最受欢迎(且盈利)的公司提供动力。Google 也不会因为 Starsky Robotics 和 OpenAI(它们代表了历史上一些最雄心勃勃的技术项目)遇到一些挫折就打算解散 Google Brain,也不会因此停止资助 TensorFlow。所以,这一次,人工智能冬天不会来临。


作者介绍:


Caleb Kaiser,Cortex Lab 创始团队成员,曾在 AngelList 工作,最初在 Cadillac 供职。


原文链接:


https://towardsdatascience.com/there-wont-be-an-ai-winter-this-time-332a4b6d6f07


2020-04-14 11:512462
用户头像
赵钰莹 极客邦科技 总编辑

发布了 897 篇内容, 共 690.1 次阅读, 收获喜欢 2699 次。

关注

评论

发布
暂无评论
发现更多内容

从入门到精通:YashanDB数据库学习指南

数据库砖家

优测云真机平台新体验—5个实用贴心的功能上线!

优测云服务平台

测试 单元测试 测试发开 优测

YashanDB的用户权限管理,如何保障数据安全?

数据库砖家

领航AI Agent浪潮,天润融通携各行业精英共襄游轮之夜

天润融通

YashanDB自定义报表功能使用指南

数据库砖家

YashanDB监控与运维工具,保障数据库健康运行

数据库砖家

YashanDB面向云计算平台的数据库优化方案

数据库砖家

YashanDB能否满足行业合规性要求?

数据库砖家

从YashanDB数据库看数据库技术的演变历程

数据库砖家

从YashanDB数据库看未来数据存储的趋势

数据库砖家

【HarmonyOS】HAR和HSP循环依赖和依赖传递问题详解

GeorgeGcs

鸿蒙 循环依赖 HSP HAR 依赖传递

YashanDB的用户体验:如何改善用户交互设计?

数据库砖家

天润融通在线客服升级原生视频通话,更便捷、更安全!

天润融通

天润融通Agent变身7×24小时产品专家,高频使用咨询不再占用人工

天润融通

YashanDB相对于传统数据库的性能提升

数据库砖家

从YashanDB数据库看数据管理的最佳实践

数据库砖家

从用户需求出发设计YashanDB数据库的架构

数据库砖家

从开源日志解析引擎到"Botu"

数由科技

开源 Logstash flume 日志解析 botu

YashanDB的用户界面设计如何提升操作效率

数据库砖家

YashanDB读写分离配置教程,优化数据库访问效率

数据库砖家

Awesome C - 精选C语言资源大全

qife122

C语言 编程资源

TortoiseSVN使用-授权访问

刘大猫

人工智能 svn 算法 版本控制系统 tortoiseSVN

YashanDB自动化测试实战,确保数据库稳定可靠

数据库砖家

YashanDB认识与应用:企业数据解决方案的选择

数据库砖家

YashanDB系统资源调度及性能最大化技巧解析

数据库砖家

从YashanDB数据库的架构看数据存储的未来

数据库砖家

从零开始:搭建您的YashanDB数据库环境

数据库砖家

从零开始创建YashanDB数据库的实用步骤

数据库砖家

WAIC 2025预告 | 网易灵动发布+展览,两大「全球首发」即将亮相

网易伏羲

人工智能 网易伏羲 WAIC 具身智能 网易灵动

【Harmony】鸿蒙企业应用详解

GeorgeGcs

鸿蒙 企业应用 普通应用 游戏应用 应用类型

YashanDB索引优化详解,加速查询效率的实用方法

数据库砖家

这一次,人工智能的冬天不会再降临_语言 & 开发_Caleb Kaiser_InfoQ精选文章