“AI退潮背后：深度学习的“陷阱””

人工智能产业以为ai什么都能做，但实际上正在经历处理实际问题非常有限的高峰期。

这几个月来，持续占领热点、被认为是ai行业最令人兴奋的新事物的openai新文案gpt-3，在模拟会话中建议患者自杀，再次印证了这一点。 gpt-3是由神经互联网驱动的语言模型。

《the register》发布后，不得不用第一句话来讽刺。 说实话，我最好去见尼克医生。 dr nick是动画《辛普森一家》中的庸医角色。

在11月4日与马克·雷波特的对话活动中，周曦说，关于gpt-3，这是大数据技术行业的巨大成功。 但同样指出gpt-3在目前的深度学习技术上存在瓶颈，停留在娱乐大众的水平上，无法处理实际问题。

马克·波特是网红机器人制造商，波士顿动力的创始人，被称为机器人司令。 周曦是科学技术的创始人，师从于计算机视觉之父tomas s.huang教授。 创立云之前，他在世界识别行业大会上获得了7次冠军。

01又一个ai起伏

不可否认，深度学习引发的这股人工智能浪潮在产业界留下了很多成果。 但是收集数据、提高计算能力的趋势把领域推到了昂贵的崖壁前面，潮水迅速退去，人工智能产业再次达到了历史的分支。

发展迅速至今，ai历经60年，经历了多次起伏。 麦卡锡等人在达特茅斯大学建立了人工智能快速发展的框架为产业快速发展提供了思路，并通过康奈尔大学的认识心理学教授罗森·布拉特建立神经网络模型进一步奠定了基础。 他们曾一时掀起热潮。

80年代，专家系统掀起了风阵。 当时，日本倾全国之力制造第五代飞机实现对美国的技术超越，但很遗憾，条件不成熟，风口浪尖了。

年，提示顿算法在视觉大赛中大获全胜，深度学习和神经网络模型在计算力的加持下发挥的巨大作用再次落空，并且imagenet的创立和gpu的出现完全走出了深度学习产业化的道路。

但是，随着价格持续上涨，深度学习算法效果不明显，阻碍了应用，这股ai热潮也逐渐冷却下来

在现场，周曦和马克·雷博特表示，ai还处于初期阶段，但作为这场人工智能浪潮基础的深度学习，即基于大数据的快速发展方向是否持续，仍有待商榷。

我觉得数据多的话就能处理问题，这个事件是这样的吗？ 在现场，周曦提出了疑问。

事实上，从最近深度学习行业最大的成功案例之一——gpt-3可以看出，基于大量数据顺利达到令人难以置信的解答效果，确实有成功的一面，但GPT-3目前停留在娱乐层面，之后是诊疗模拟。

想象一下2008年全球金融危机后，世界上最优秀的金融人才聚集在一起修改巴塞尔协议，避免全球危机。 如果把这件事交给gpt-3，那么如果那个危机至少不发生一百次甚至一千次，gpt-3就无法集中修订正确的方向。

周曦指出，大数据技术存在明显的局限性。

在02大数据的基础上，人机合作将开花

回到现实，市场上其实为ai留下了巨大的商机。 受人才、时间等资源不足的限制，服务不足成为目前普遍存在的问题，服务业由此介于较大的提高空之间。 ai独角兽云引出的是基于ai技术在金融、安全等行业提供处理方案，进行深度服务的市场机会。

但是，我们发现，基于深度学习的机器在许多复杂的环境、小样本上能够进行创造性的决策，需要千万次的反复试验来处理紧急问题，在价格和应用场景上存在缺陷。

ai的目的是用低价的钱释放人类有限的能量、体力和经验，但目前的ai技术做不到，所以遇到瓶颈时必须想别的方法。

事实上，科学技术的进步都是效率的提高和人类能力的扩大，如波士顿动力是人体四肢能力的扩大。 从类比上看，周曦认为人工智能的核心价值应该是向人脑的扩展。

过去十年发展迅速的人工智能系统做着类似的事情，如计算、逻辑和预测。 但是，为什么现在不能再进行下去呢？ 他认为重要的问题是人和机器的逻辑不统一。

现在的大数据技术，是技术人员基于大量数据训练出的模型，没有人在意所构建的模型是否与人类处于同一思维体系，最终系统也不会与人交流。 但是，技术能够迅速发展的核心是为人类服务，基于当前深度学习的大数据技术快速发展的逻辑本质上与此相悖。

凯文·凯利在《失控》一书中确定地分析说，人类进化了数万年的成熟大脑值得技术人员学习，除了生物体的逻辑之外，没有其他可以思考的装置组装的逻辑。

周曦的出发点也是一样的。 他认为在深度学习遇到瓶颈的今天，将机器和人类的力量联系起来是未来漫长而迅速的发展之路。

现在需要另一条路，也就是拥有专家的知识，统一机器和人脑的思考体系，与人机合作。

03构建人脑的逻辑

与人合作的基础在于理解人的逻辑。 因为这个周曦重构了人的逻辑过程，基于从感知、认识、专业信息到决策的核心大脑逻辑闭环，从科学技术构建了云的人机协作系统。

首先要能感知这个世界，拥有相同的认识逻辑，然后再拥有上面的专业知识，最后再决定。 只有这样，大家才能一致。

依然从人类的角度来看，云表明，从科学技术出发，不制造四肢、头脑的物理状态，而必须制造头脑中的智慧。 映射到机械级后，云认为保证系统的输入输出与人类一致是很重要的。 简单地说，如果人类对黄金的评价是有价值的，那么人机协作系统也会给出同样的评价。

根据云的构想，在不与现有云计算、基于大数据的人工智能产业发生冲突的情况下，人机协同OS将成为基础设施的一部分，通过解除与物理层计算服务器的耦合，可以在任何平台上运行。

目前，周曦认为，首先要建立云密布的操作系统，然后结合专家系统和人类智慧，担任资深技师的角色，辅助人类的管理过程。

云在人与机器协作系统的核心能力越强，他对人的援助就越大。 我们通过人与机器的协作机制，一个一个地去场景处理问题。 包括金融、交通、管理、商务等其他一些民生事件，云从做这些事情时的想法来看是一样的。 既然我有这个系统，他就可以和做自己这个领域工作的人一起加强他这个领域的工作。

周曦认为，人机协作系统能够有效地改变技术特征是一大特征。 我们的效率来源于我们的智能。 例如，银行目前同一时间只能服务50人。 有了我们的助理，银行可以提供500人的服务，效率会提高10倍。

本文：《“AI退潮背后：深度学习的“陷阱””》