深度学习是不是发展前景特别好

深度学习是不是发展前景特别好？

也许每个计算机科学家都梦想造出变形金刚一样的人工智能，但这几年引起重视的“人工智能”还是狭义的深度学习(或者说神经网络)。在算力和数据的帮助下，深度学习在图像/语音等领域取得了巨大成功；以神经网络为核心的外沿应用，诸如自动驾驶，机器人学也蓬勃发展。此外，在各种开源软件/公开课的帮助下，深度学习门槛很低。也正因此，很多人涌入了这一邻域，AI会议投稿翻了几倍，各种AI公司也吸引了无数的投资者。

2016-17年大概是AI概念最火热的时候，当时学界和业界都有很大进展：AlphaGo战胜了李世石；Berkeley学者将DeepRL(深度强化学习)应用于机器人，开辟了一个全新的方向；自动驾驶公司雨后春笋般冒了出来，很多从业者认为1-2年后就可以取代人类司机。那时，不少人认为AI将会改变甚至颠覆很多邻域：也许几年后，道路上都是自动车，服务机器人进入千家万户，简单重复的劳动会被取代。

我动笔已差不多2020年，三年后回头看，好像人们对AI太乐观了。几家AI独角兽集中在容易落地的方向(如人脸识别，监控)。这些方向市场饱和，这几家公司也找不到新的增长点。而自动驾驶面临各种各样的问题，安全员依旧不可或缺，初创公司也倒闭了一批。DeepRL的应用局限在棋牌游戏一类可以大量生成数据的场景。对于机器人学，DeepRL在学界饱受争议，在业界更是没人敢用。

吴恩达说，AI是新的电力。但我个人以为，这一说法是不准确的。在电力革命之前，人们就已经对电磁现象有了深刻的认知。许多著名的定律，如欧姆定律和麦克斯韦方程，已经被提出。换言之，电力革命是“理论指导实践”，电动机变压器等重要发明离不开理论的指导。与之相对，深度学习是“实践指导理论”：人们通过实验发现新的算法，如果实验结果良好则给予经验性的解释。缺乏理论指导无疑限制了学界对于新方法的发现。过去几年里，虽然小的改动层出不穷，但主要的模型还是那么几种，深度学习还是只能处理有限类型的数据。

也许用蒸汽机来类比深度学习，从性质上更为合适。但是改变人类生产生活的，并不是蒸汽机本身，而是蒸汽动力的纺纱机，火车，轮船等。如果深度学习可以被用来制造火车，轮船一样对人类产生巨大影响的新发明，那也完全称得上一场革命。但目前来看，深度学习远没有达到这种水平，也很难说有这样的前景。如前文述，能落地的方向有限，头部企业缺乏增长点，在事关安全的重要邻域人们对神经网络充满疑虑。

与此同时，一些消极的现象已经出现。就学界来说，深度学习的低门槛，短周期和高收入吸引了很多人；新从业人员的增加以及合格审稿人的缺失，导致了AI论文泥沙俱下，顶会含金量缩水；而人数带来的激烈竞争和过时单一的评价标准，反而在鼓励“灌水”。就业界而言，一个行业从业人员的待遇水平，除去泡沫以后，最终必然取决于这个行业整体所能创造的价值。那么，深度学习所创造的价值，能不能撑得起那么多算法工程师，算法科学家的高薪呢？我没有统计过，但很难对此乐观。

我不是说要把深度学习束之高阁。相反，我觉得深度学习应该像编程一样被普及。因为深度学习入门门槛真的很低，python编程加上不超过大一水平的数学而已。换言之，每个人都应该知道，对于特定类型的数据，我们可以解决归类，拟合，模式匹配等问题。反过来说，人们也应该明白，目前的“人工智能”有巨大的局限，数据并不万能，我们离家政机器人都还差十万八千里，更不用说天网和终结者了。

但如果想要深入研究深度学习，那相比“普及”可能就是另一回事了。以蒸汽机为类比的话，大概有两个方向。要么原理性的解释神经网络，运用数学工具研究其性质，这类似热力学定律之于蒸汽机；要么应用神经网络发明像火车，轮船一样改变人类生产生活的东西。而研究神经网络理论是一个数学问题，需要深厚的理论功底和孜孜不倦的思考，这并不“低门槛，短周期和高收入”，不适合大部分人。

对于神经网络的应用，也需要从两个方面看待。对于一些简单直接的应用，例如人脸识别，它们基本上已经落地(并且饱和)，剩下的工作主要在工程师而非研究员；而对于把神经网络应用于其他学科的研究，其核心与难点也不是神经网络本身，而是问题的提出，数据的准备，以及输出结果的处理和应用。例如，前一段有些把深度学习用于数据库的研究。在这些研究中，主要的创新在于问题的转化，主要的工作则在于数据库系统的实现。从事这些研究的，并不是一般意义上的算法科学家(Machine Learning Scientist)。在他们的知识结构中，深度学习只是很小的一部分，所以对他们更准确的刻画可能是“懂深度学习的数据库系统科学家”。

也就是说，为了深度学习的发展，目前在学界可能更需要懂得深度学习的物理学家，计算机科学家，工程学家，而不是算法科学家；在业界则更需要懂得深度学习的软件工程师，硬件工程师乃至机械工程师，而不是算法工程师。做一个类比的话，如果瓦特蒸汽机已经被发明，那学界和业界可能更需要科学家卡诺(热力循环)和发明家富尔顿(蒸汽轮船)，而不是第二个，第三个乃至第一千个瓦特。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！