投稿
作为嘉宾，坐在台上的于剑讲述了一个喜忧参半的故事：
“我当过某个竞赛的评委，看见过一份阐明文档，特别有意义。参赛者说，他只学了一个月的深度学习，用开源工具做了一下就提交了，结果成果还不错，排在第二。”
于剑是北京交通大学计算机科学系的教授，他讲这个故事并不是为了夸奖某个 “天才” 或者 “学霸”，而是为了阐明，今天深度学习的门槛曾经降得很低。
乍一听，这是个好事，深度学习曾经如此容易上手，可另一方面也透显露不那么悲观的信号：大厦曾经建成，剩下的只是些修修补补的工作了。
在10月19日的 CNCC2019论坛上，包括于剑在内的几位学界和工业界精英对一个命题展开了辨析——
深度学习的冬天要来了么？
下的6000多名观众，翘首以盼想从他们的言语中探寻口风——假如冬天真的要来了，可不是一件小事。
在过去的几年，人工智能的学术会议门可罗雀，论文的激增让审稿人不堪重负。大量的研讨涌向这一范畴，有学者说，假如今天提交的人工智能论文不提深度学习都难入围，另外一些人痛快说，今天的人工智能同等于深度学习。
今年3月，教育部的通知提到，曾经有35所高校的人工智能专业被列入了新增审批本科专业名单；而在2017年，19所高校新增了智能科学与技术专业，2018年这一数字增至96所。从私募股权投资微风险投资来看，2017至2018年，在人工智能范畴，美国、中国的投资都到达了百亿美圆以上的范围。
不可承认的是，台下的听众赶上了好时期，他们的腰杆比任何时分都要挺得直——
投资者急于晓得技术开展的趋向，工程师希望晓得深度学习落地的情形，而关于学校的教师和学生，也希望晓得，深度学习能否还是一个值得追逐的方向。
今年的3月27日，2018年图灵奖授予了深度学习范畴的三位先驱 Yoshua Bengio，Geoffrey Hinton 以及 Yann LeCun，他们多年来的孤单求索和学术成就得到了供认。近些年，在计算机视觉、语音辨认、自然言语处置等范畴，深度学习也获得了冲动人心的打破。
但是，一项技术总不是圆满的。深度学习也是一样，成果的背后也不乏批判。
有人埋怨，深度学习锻炼的模型缺乏解释性，就像黑箱子，你只需承受它给出的结果，哪怕是多么匪夷所思而无需问为什么；也有人处心积虑，特地在图片上改少数几个像素，就能够捉弄模型让它完整认不出人脸。
“从研讨的角度看，既然晓得深度学习有不鲁棒，不可解释之类的东西，我们就应该更深一步的去考虑，怎样样让它更鲁棒和更可解释，而不要把深度学习的开源的软件拿过来就用。” 腾讯 AI Lab 主任张正友劝诫道。
事实上，克制这些缺陷不只是学术界感兴味的课题，在商业落中央面，在特定的应用场景下，以至是必需的——
在聊天时变个脸或者加个特效，假如匹配不那么圆满，或许反而增加了文娱效果，但假如化个妆就无法刷脸支付还是会平添不少懊恼；
假如室内送餐机器人偶然没辨认出碰到人也无伤大雅，但假如换成行驶在忙碌街区的自动驾驶车辆，可能就形成一场无可挽回的伤亡；
假如是协助完整不懂英文的老年人在国外问个路，如今的翻译系统或答应以胜任，但假如用在跨国的商业会谈上，恐怕还是离不开专业的翻译……
实践的场景常常是复杂和意想不到的，这点和论文里描绘的相对理想化的情形常常相距甚远。一项在论文里能够工作的技术不见得能够真正落到日常生活中，转化为成熟的产品和效劳。在没有检验过之前，没人敢打保票，毕竟光说是不值钱的。
深度学习的确也曾经有了不少的部署，比方智能客服、拍照购物、智能摄像头、刷脸进站等，但并不都像之前宣讲得那么好。
曾经发明出阿尔法狗的明星公司 DeepMind，亏损逐年攀高，2016年1亿5千万，2017年3亿4千万，2018年5亿7千2百万。当然，也有人以为作为探究性的项目，而不是营利性的项目，其亏损有情可原。
早在2011年，IBM就努力要把沃森（Watson）推向医疗市场，沐鸣娱乐代理自那后 IBM 宣布了近50项协作，但真正构成商业化产品的屈指可数；而在推出的产品中，如沃森肿瘤（Watson for Oncology），也被曝出存在问题，遭受了不少质疑。
做了好多年的自动驾驶，目前看，离大范围的部署也还指日可待。众多的初创公司还在困难的在各个可能 “赋能” 的行业中摸爬滚打，试图分一杯羹，他们似乎还缺乏以重新定义或者推翻某一个行业。
深度学习也遭遇了伦理和法律方面的应战。
去年5月，欧盟出台了史上最为严厉的隐私维护法，而在另一边的美国加州，今年的9月刚刚经过了一项为期三年的议案，制止州和中央执法机构在人体摄像头上运用面部辨认技术。
不可承认的是，曾经有一些研讨，在试图处理或者减这些艰难（比方迁移学习、联邦学习在试图减轻数据稀少和维护隐私），接下来的疑问是，这些应战，在多大水平上或者多久能被克制？消费者能否能容忍这些问题的长期存在？
回过头看，这次人工智能的高光时辰当属2016年3月的那个下午，阿尔法狗打败了围棋高手李世石。之后，不服气的人类派出世界排名第一的柯洁再次对弈，结果一局未赢。柯洁后来回想说，内心深感失望的他曾躲在一个角落单独哭泣。
如今看来，他或许用不着那么悲伤——
首先，人工智能技术的开展，包括这次的深度学习的崛起，在某些特定任务上，比方下棋和打游戏，人类望成莫及其实很正常。IBM 的深蓝，早在1997年就打败了国际象棋冠军 Garry Kasparov。2011年，IBM的问题答复机器沃森，也打败了Jeopardy 游戏的冠军。
不该遗忘的是，这些胜利仅限于十分有限的情形，比方，假如把围棋棋盘的大小改动一下，就需求把模型重新锻炼一遍。一个在围棋上能打败世界冠军的阿尔法狗，却听不懂根本的人话，它只通晓某一项任务，而无法像人这样一专多能。
另外，如今的人工智能看起来能够做高难度的复杂任务，但与人相比，它对四周的世界仍然缺乏了解。假如用一个简化的说法，它仍然是一个巨型的分类器，从上千万上亿的数据里去匹配某种形式，以到达辨认的目的。但能认出来不等于了解，它的了解力，似乎都比不过几个月大的婴儿。
“靠如今的计算机体系构造做不了强者工智能。由于如今的计算机的那种计算方式，可能把一个人脸分类做得十分漂亮，也可能把一个语音辨认的分类器做得十分漂亮，但我们人的智能有几十种上百种，对不对？如今每一种（机器智能）都是一个网络，网络合到一同就不工作了，你只能把这些网络单独做工作，那我们人不是这样工作。你要想想有一项相似人这样的一个系统的话，那才行，那是什么？肯定不是如今的计算机。” 坐在嘉宾席中央的高文说。他是北京大学的教授，ACM Fellow，中国人工智能界无足轻重的人物。
不过，他也指出，深度学习在面对数据量十分大，搜集后想从数据里面找规律的应用，实践上特别适用，而将来的人工智能可能不像如今这么火，但和深度学习没关系，可能是更高层面的、和人的更高的智能关联的研讨呈现有关。
人工智能芯片的先锋人物、中国科学院计算技术研讨所的陈云霁以为，冬天的到来取决于两个要素，第一是会否有更多深度学习的实践应用落地，可以效劳人们的生活， “这样的应用越多，冬天的到来可能就越小”；另一方面，要让深度学习从明星技术变成润物细无声的技术，可能前提是有一个更新更被人认可的技术方向，但从目前看，“坦率地说，仿佛还没有看到一个这样新的技术呈现”。
历史上，人工智能也阅历过兴衰更替。
人工智能的第一次寒冬呈现在1975年左右。一位很有名的英国学者 Lighthill 称，人工智能是在糜费钱，1973年出版的“人工智能：普通性的调查”的报告称， “迄今该范畴没有哪个局部作出的发现产生了像之前承诺的那样的重要影响。” 从英国到美国，人工智能的研讨经费遭到大幅削减。
进入1980年代，随着IBM开端做专家系统，日本推出第五代电脑系统方案，人工智能开端回春。但是进入90年代又遭遇了第二次寒冬，1987年 LISP 机器市场的倒塌，第五代方案失败，神经网络并不比其它的办法更好，耗费的资源还多，人们的自信心遭到了打击。
事后看，人工智能冬天的到来有各种复杂的缘由，技术的开展可能遇到不可克制的艰难，变慢以至停顿；之前过热的炒作吸收了大量的投资招致泡沫；过高的承诺和低于预期的报答招致各方批判，随之预算遭到大幅削减等等。
在高文看来，冬天到来最主要的还不在技术，可能是大量的工作没有了，沐鸣娱乐代理或者说研讨经费砍掉了， “这个可能就是比拟明显的一个标志”。
前年，在美国的一个会上，高文听到一位计算机视觉范畴十分知名的教授公开称，假如他对美国的国度科技基金有决议权，会把一切做深度学习的项目全部砍掉，由于他以为从研讨上来说，这件事曾经结束了，剩下的应该投到其他的研讨方面去。
固然以为这位教授的说法有一定道理，但高文当时并不那么百分之百同意他的观念。 “它不是说一个东西能包打天下，所以从经费角度上来说，冬天会不会来？有可能在有些中央，但中国大约问题不大。” 高文说。
他进一步引见，中国自然科学基金把人工智能作为一级学科代码之后，只需申请的量足够，哪怕去申请机器学习，依然是有时机拿到，所以中国这件事不会发作，在有些中央可能会发作。
高文强调，任何一个科学、技术或者范畴，靠一招先吃遍天只能是一个阶段，不能是永远。 “如今这个阶段，深度学习的确是一招先，吃遍天的，但是不会持久。” 他说。
假如任何一项技术都是各领风骚几十年，下一项更强大的技术会是什么？
陈云霁以为可能是符号智能，他说：“我觉得大家之所以觉得我们人是具有很强的智能的，其实不只仅说人能够听、能够看，重要的还有推理、联想，包括一些创作，这些我觉得都跟符号逻辑是有很激烈的这种关系。”
从事类脑研讨的北京大学教授黄铁军说，“看从有机体到人类是怎样走过来的，我们就晓得应该怎样走了。” 接下来的阶段，他希望先完成一只苍蝇的智能，有强大的感知才能，能够乖巧地避障，至于更高级的才能，如因果推理，可能是更远阶段的目的。
从事因果推理研讨的清华大学计算机科学与技术系教授朱军以为，也不用等太久，如今就能够停止这方面的研讨。依图科技的首席技术官颜水成则说，在将来的3到5年，交融了视觉、听觉、嗅觉等的多模态，软硬一体化会是值得探究的方向。张正友倡议把先验学问引入到数据驱动的算法。
“从学术界来说，作为我们个人研讨来说，我本人实践上是不准备跟着做深度学习……但是我是并不反对我的学生干，以至我能够鼓舞我的学生去做一做，都没问题。” 于剑说。
虽然台上的每个人对将来的方向有各自判别，但对深度学习，态度却出奇分歧，在他们看来，深度学习是一个工具，它可能不再如此炽热，但不会死去。
至于冬天会不会来？或许冬天也并没有想象的那么坏，正如之前神经网络所走过的漫长冬夜，蛰伏过后，一觉悟来就是大放异彩的春天。
网友回应