QCon北京「鸿蒙专场」火热来袭!即刻报名,与创新同行~ 了解详情
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 11:512341
用户头像
赵钰莹 极客邦科技 总编辑

发布了 892 篇内容, 共 664.1 次阅读, 收获喜欢 2689 次。

关注

评论

发布
暂无评论
发现更多内容

软件测试 | 如何找到适合您需求的性能测试工具?

测吧(北京)科技有限公司

测试

mac空间不足怎么办 mac内存满了怎么清理

阿拉灯神丁

MacBook CleanMyMac X mac‘ 电脑软件 杀毒软件

软件测试 | 分析和处理海量测试数据集的策略

测吧(北京)科技有限公司

测试

线程安全使用 HashMap 的四种技巧

不在线第一只蜗牛

安全 线程

云架构系统如何进行大规模性能测试?

测吧(北京)科技有限公司

测试

一键自动化博客发布工具,用过的人都说好(腾讯云篇)

程序那些事

工具 程序那些事 自动发布

Doris 实现原理之高效存取 varchar 字符串

Baidu AICLOUD

大数据

时序数据库 vs 实时数据库,一文搞懂!

Apache IoTDB

程序员都应该了解的7款API接口平台

幂简集成

API API接口平台 API市场

云推流与云串流革新领域:深度解析技术应用场景

点量实时云渲染

智慧城市 3D 数字孪生 实时云渲染 时实渲染

软件测试 | 如何选择适合自己业务需求和技术栈的工具?

测吧(北京)科技有限公司

测试

服务器成本太高,如何确定有效主机容量,节约成本?

测吧(北京)科技有限公司

测试

软件测试 | 想做性能测试的你,是否面临以下痛点?

测吧(北京)科技有限公司

测试

掌握在测试中精确模拟用户行为的艺术:技术和工具

测吧(北京)科技有限公司

测试

观测云:以用户为中心的可观测性解决方案

可观测技术

可观测性

软件测试 | 如何解读各种性能测试数据和曲线图?

测吧(北京)科技有限公司

测试

软件测试 | 简历投了一大堆,面试机会没几个?

测吧(北京)科技有限公司

测试

软件测试 | 平衡规模:测试中经济有效的硬件和软件解决方案策略

测吧(北京)科技有限公司

测试

软件测试 | 性能测试优化中无缝跨团队协作的策略

测吧(北京)科技有限公司

测试

软件测试 | 不是已经做了性能测试么,为什么系统一上线就崩溃了?

测吧(北京)科技有限公司

测试

软件测试 | 为何测试环境难以搭建与维护?

测吧(北京)科技有限公司

测试

软件测试 | 简化测试数据生成和管理的复杂性

测吧(北京)科技有限公司

测试

软件测试 | 揭秘设计现实负载测试场景的艺术:实用方法详解

测吧(北京)科技有限公司

测试

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