2014/10/30 人工智慧專家：媒體高估了電腦領域的進步－真乄科技業的頂尖投資團隊

作為科技愛好者們，我們經常聽到人工智慧、Big Data、電腦視覺等東西。據說，這些領域正在取得突破性的進展。似乎我們很快就要看到，作業系統像電影《Her》一樣智慧，機器人開始擁有自己的思維，天網也指日可待了。不可否認，電腦是越來越進步了，但是，在交互更友好、運算速度更快之外，它的智慧有多大的進步呢？

在接受 IEEE 採訪時候，加州大學教授、機器學習專家 Michael I. Jorden 認為，如今的一些報導包含了許多錯誤資訊，過度渲染了我們在電腦領域取得的進步。

很大程度上，深度學習是神經網路的重新包裝

神經網路的想法可以追溯到 80 年代，甚至是 60 年代。正如以前的風潮，談論深度學習時，人們總要提到技術背後的神經科學，認為深度學習是基於我們對大腦工作原理的理解。其實，這種想法是錯誤的。

在神經科學方面，對深層原理的理解，需要幾十年甚至是幾百年的時間。目前，我們在神經科學非常底層的部分取得了一些進步，但在更高的認知層面上，我們幾乎一無所知。神經元是如此儲存資訊的，如何運算的，有什麼規則存在，有什麼演算法等等，我們都不瞭解。在現在這個階段，我們還無法通過對大腦的理解，引導一個智力系統的構建。

機器視覺方面沒有革命性的進步

人類能夠辨識複雜的場景，並做出相應的舉動，而機器還遠做不到這一點。在某些方面，深度學習能夠很好地辨識出物品，但是，電腦視覺方面的難題還有很多。從蘋果跌落中，我們對力量和加速度有了更多瞭解。這並不意味著我們理解了全部物理學。電腦視覺方面的研究也是一樣。如何理解一個場景中的不同物品，以及它們之間的關係，還有，機器人如何與這個場景進行交互？許多的問題都遠未得到解決。

大資料中推導的結論，很可能是錯誤的

在經典的資料庫中，或許會儲存幾千人的資訊。我們把名字放在行上，然後在列上標出特性，包括年齡、身高、重量、收入等等。隨著列數增加，這些列的組合會呈現指數級的增長。在現代的資料庫中，我們擁有的列太多了。每個人的特性都是數以百萬計的。在這種情況下，我們得到的許多推論可能是錯誤的。可以說，從任何一個資料庫中，我們可以隨意找出一些列的組合，然後預測出任何結果。這就像是數以億計的猴子打字，其中一個人會寫出莎士比亞的作品。

奇點不是一個學術問題

奇點理論就像是科幻一樣，很有趣，但是沒有什麼學術上的意義。它是一種哲學，探討的是社會和個人的改變，同時，它又是一種文學，思考的是科技進步的後果。但是它本身不會催生技術上的想法，也不能告訴我們如何推進技術進步。

The overeager adoption of big data is likely to result in catastrophes of analysis comparable to a national epidemic of collapsing bridges. Hardware designers creating chips based on the human brain are engaged in a faith-based undertaking likely to prove a fool’s errand. Despite recent claims to the contrary, we are no further along with computer vision than we were with physics when Isaac Newton sat under his apple tree.

Those may sound like the Luddite ravings of a crackpot who breached security at an IEEE conference. In fact, the opinions belong to IEEE Fellow Michael I. Jordan, Pehong Chen Distinguished Professor at the University of California, Berkeley. Jordan is one of the world’s most respected authorities on machine learning and an astute observer of the field. His CV would require its own massive database, and his standing in the field is such that he was chosen to write the introduction to the 2013 National Research Council report “Frontiers in Massive Data Analysis.” San Francisco writer Lee Gomes interviewed him for IEEE Spectrum on 3 October 2014.

Source:IEEE

http://spectrum.ieee.org/robotics/artificial-intelligence/machinelearning-maestro-michael-jordan-on-the-delusions-of-big-data-and-other-huge-engineering-efforts