关于现在人工智能预测的一些冷水

最近有关人工智能和深度学习的各种预测满天飞，作为圈内人，我来泼点冷水。

我们常说科技树科技树，这个比喻是非常贴切的，现代科技的基础理论并不复杂，做个摘要，大概二三十页也就够了，这些构成了树的主干，而基于基础理论的次级理论，和再次级理论，和各种应用，则构成了树的枝叶。科技树的每部分活力很不相同，有些枝繁叶茂颇有蓬勃生长的迹象，有些则枯萎凋零，无人问津。

科技发展的有趣之处在于，你永远无法知道，某一片枝叶会不会突变成为主干，某一曾起了极大作用的主干，会不会在将来十年内渐渐枯死不再发展。以前曾是通信领域支柱的信号处理，近年来其理论少有突破；而以前作为统计学枝叶的机器学习，现在则大行其道；而百年来几起几落的领域，也远远不止人工智能一家。

我是做计算机视觉的。回望过去的几年，想像一下2012年若是没有Alex Krizhevsky的软工背景和拼命实践，没有他导师Hinton要他博士论文开题的压力，就没有一篇正确率提高10个绝对百分点相当于十多年进步的论文，就没有2014年的突飞猛进，计算机视觉这一块就不会有革命性突破。

适合的人，在适合的时间，做正确的事，这些又有谁能预测到呢？如果我们错过了Alex，下一波热点会将我们的注意力带走，要再回到正确的轨道上来，至少还需要三五年乃至十年的时间。而将来呢？两三个关键人物在关键问题上的缺失，就可能拖后整个人类的进步几年，大牛一两次不够严谨的推理，就可能让整个组奔向错误的方向，为什么2045就一定是奇点到来的日子呢？

科技的突破，往往先由一两个人偶然点穿，而后大家蜂拥而至，在很短的时间内做出大量高质量的成果，成就大批牛人。就好像我们都在黑暗的地底到处打洞寻找出口，用力最多的方向常常碰上花岗岩再无法前行，却有一两个人在意想不到的地方打出了光亮，一声呼唤之后大家都来帮忙。

二十世纪初的物理学是这样，二十世纪中叶的分子生物学是这样，所以说预测未来最好的办法，就是深入这个领域中去，越接近研究的中心，越是在领域里浸淫许久，越有独立思考能力，就越能培养敏锐的直觉，而不受周遭鼓噪，毕竟对于打洞而言，明白眼前岩石的纹路，比身后拉拉队的多少更重要。同样，与其预测人工智能最后要走向何方，还是亲自动手做更靠谱一点。

用实践去体会细节，很多拍脑袋想出来的完美理论，用在实际问题上是完全不可行的，不仅不可行，而且一试就挂，一碰就死，一末了还埋怨说那么简单的纰漏，自己怎么早没想到。

我们要做的，不是当高谈阔论的事前事后评论，而是去当那一两个先行者。他们才是明白事实真相，才是真正改变历史轨迹的人。

历史的先行者们往往付出惨重的代价，但幸运的是，我们，遇到了一个好时代。

（作者为Facebook人工智能研究院研究员/研究经理）

欢迎扫码添加小编，加入人工智能和大数据公众号读者交流群，探讨、分享、交流！交流群每周会邀请行业专家进行在线分享！