3
2012年11月23日，應(yīng)該是一個讓時任谷歌人工智能實驗室專家的Geoff Hinton倍感欣慰的日子，在這一天，紐約時報發(fā)布了名為《Scientist See promise in Deep Learning Program》（科學(xué)家們在深度學(xué)習(xí)上看到了希望）的報道，正式標志著深度學(xué)習(xí)被學(xué)界乃至全社會完全接受，從那時開始，Hinton大神數(shù)十年的默默堅持，終于給深度學(xué)習(xí)帶來了一段持續(xù)至今的全盛期。
誰也無法否認在計算能力爆炸性增長的今天，的深度學(xué)習(xí)確實取得了巨大的成就，每一個置身于AI研究行業(yè)的人或許都永遠不會忘記，在李世石和AlphaGo的對決中，人們的態(tài)度由最初的漫不經(jīng)心，到中間的震驚和沉默，第四局李世石戰(zhàn)勝之后的狂喜，和最終的嘆息和敬佩?？墒窃谶@股科學(xué)界“全民DL”的風潮下，卻逐漸有人開始對它提出了自己的質(zhì)疑。
CVPR2016上，Mobileye的CTO Amnon Shashua在演講中說道：他認為深度學(xué)習(xí)的研究繞了遠路。因為真正的AI應(yīng)該能幫人類解決人類解決不了的問題，而目前的AI的表現(xiàn)卻僅限于人類已經(jīng)能非常明確的理解和解釋的領(lǐng)域。
同樣是在CVPR期間，巴黎高等計算機視覺研究所的主任Nikos Paragios表示，深度學(xué)習(xí)方法幾乎已經(jīng)壟斷了目前的計算機視覺，甚至是AI科研領(lǐng)域的所有研究，導(dǎo)致其他的方法和基礎(chǔ)研究無人問津，對此感到有些擔憂。
而在本屆的IJCAI上，在計算機哲學(xué)上已有數(shù)十年經(jīng)驗的Aaron Sloman也在演講中表示，自己認為AI作為一門科學(xué)（而不是工程學(xué)）已經(jīng)在過去的二三十年間失去了方向。
今天Facebook搞了個大新聞：有多家主流媒體報道了Facebook即將建立的新數(shù)據(jù)中心和專為深度學(xué)習(xí)而研制的服務(wù)器Big Sur，而這個新聞卻反而再次喚醒了我們心中的疑問：Facebook和Google它們現(xiàn)在努力的方向，會不會錯了？
讓我們先來看看關(guān)于Facebook這個服務(wù)器的其中一條新聞吧：
從北美的西部訪問facebook的話，你的訪問數(shù)據(jù)有很大可能會經(jīng)過一個位于俄勒岡州中心的高地沙漠中一塊被充斥著滿滿的杜松香氣的空氣所冷卻的服務(wù)器群。在普林維爾的市區(qū)，一個有大概9000人常住著的地方，F(xiàn)acebook存儲著他們數(shù)以億計的數(shù)據(jù)。一行一行的電腦整齊的排列在四座總占地面積將近75000平方米（800000平方英尺）的巨型建筑里。這些建筑被設(shè)計成剛好能讓從西北吹來的干燥，并且通常相當涼爽的風吹進它們之間。過道中堆疊著的服務(wù)器閃著藍色和綠色的燈，發(fā)出著單調(diào)的噪音，但在內(nèi)部它們其實每時每刻都在不間斷的處理著Facebook登陸、贊和“大笑”之類的服務(wù)進程。
Facebook最近在普林維爾的設(shè)備中加入了一些新的機器：他們在這里安裝了一組全新的，用來加速訓(xùn)練類似翻譯軟件、私人助手和文字理解之類程序的高性能服務(wù)器。
這些最新的“大蘇爾”服務(wù)器（Big Sur servers）是圍繞一種最初被制造用來進行圖像處理的，以GPU的名字為大眾所知的高性能處理器而設(shè)計的。這些芯片對最近AI領(lǐng)域取得了極大發(fā)展的深度學(xué)習(xí)技術(shù)有著更好的支持。在GPU的支持下，曾經(jīng)的深度學(xué)習(xí)軟件得以處理規(guī)模和復(fù)雜程度大得多的數(shù)據(jù)集，因而在最終識別圖像和語音等方面應(yīng)用的效果取得了顯著的改善。
Kevin Lee，F(xiàn)acebook的一名服務(wù)器工程師說，由于擁有了更快的速度，他們得以幫Facebook的研究者們用更多數(shù)據(jù)訓(xùn)練了他們的深度學(xué)習(xí)軟件，“這些服務(wù)器都是針對AI研究和機器學(xué)習(xí)計算而特制的?！彼f，“這些GPU可以把圖片分成無數(shù)個細小的局部然后同時處理它們。”
Facebook在每臺大蘇爾服務(wù)器上放置了大概8臺NVIDIA——這種芯片的領(lǐng)導(dǎo)級制造商——制造的GPU。Lee不愿透露已經(jīng)部署了多少臺這種服務(wù)器，但是他說Facebook至少已經(jīng)有數(shù)千個GPU投入工作了。大蘇爾服務(wù)器已經(jīng)被安放在了公司在普林維爾、阿什本和弗吉尼亞的數(shù)據(jù)中心。
由于GPU的耗電量極其龐大，F(xiàn)acebook不得不用比其它服務(wù)器更低的密度來在數(shù)據(jù)中心中布置這些服務(wù)器，否則可能會形成一些過熱的情況，不僅會對冷卻系統(tǒng)造成更大的負擔，也會消耗掉更多的能量。一個2.1米（7英尺）高的機架上可以堆疊8臺大蘇爾服務(wù)器 ，而相同的機架可以容納30臺標準的Facebook服務(wù)器，如果是處理日常任務(wù)的話，它們其實可以做得更快。
Facebook遠遠不是唯一一家運行著龐大的數(shù)據(jù)中心以及使用GPU來進行機器學(xué)習(xí)研究的公司。微軟、谷歌和中國的百度都正在使用GPU來加速它們的研究進度。
對Facebook來說不太尋常的一件事就是它公開了大蘇爾服務(wù)器和其它服務(wù)器的設(shè)計，以及將在普林維爾建立的數(shù)據(jù)中心。他們將這些信息在一個2011年Facebook建立的以鼓勵計算機公司共同進行低成本計算設(shè)備開發(fā)為目的的叫做“開源計算計劃”（Open Compute Project）的計劃中貢獻了出來。這項計劃被看做幫助了亞洲國家的硬件公司以及擠壓了像戴爾和惠普這樣的傳統(tǒng)供應(yīng)商的生存空間。
今年早些時候大蘇爾計劃公布的時候，F(xiàn)acebook人工智能實驗室的主任燕樂存（Yann LeCun）說，他相信通過促進更多的組織和公司建立更強大的進行機器學(xué)習(xí)的基礎(chǔ)設(shè)施，這個開源計劃可以加速相關(guān)領(lǐng)域的研究進度。
普渡大學(xué)的一位副教授Eugenio Culurciello說，深度學(xué)習(xí)的實用性意味著這種芯片幾乎一定會被廣泛使用。他說，“這種需求已經(jīng)很大了，而且在將來也只會越來越大?！?/p>
在被問及Facebook有沒有在著手研發(fā)自己的定制芯片時，Lee說，“公司正在考慮。”
Big Sur的特點是什么？是每臺服務(wù)器中都裝有8個NVIDIA生產(chǎn)的高端獨立GPU。如大家所知，由于服務(wù)器的職能特點，其實一般的服務(wù)器內(nèi)部是沒有“三大件”中的獨立GPU，只有CPU和內(nèi)存的。因為GPU的耗電量和發(fā)熱量都太大了。而其擅長的計算形式又不能對服務(wù)器的常用計算需求起到太大的幫助作用。因此不太適合用在一般的服務(wù)器中。但是Facebook卻為了深度學(xué)習(xí)而專門設(shè)計了這款帶有8個獨立GPU的服務(wù)器，甚至不惜以減少每個機架上的服務(wù)器數(shù)量來優(yōu)化對深度學(xué)習(xí)程序的計算速度?？芍^是下了血本。
而互聯(lián)網(wǎng)領(lǐng)域的其他大公司也沒閑著，如文中所說，微軟、谷歌、甚至是百度都在使用GPU、甚至開發(fā)自己的專用芯片來加速深度學(xué)習(xí)。在這些巨頭們的推動下，深度學(xué)習(xí)算法的反應(yīng)也是越來越快，精度也越來越高。
這不是好事嗎？
答案是：我們真的沒法知道。目前的大多數(shù)深度學(xué)習(xí)模型建立的過程，都是先建立相當有針對性的函數(shù)，再用龐大的，極有針對性的數(shù)據(jù)去訓(xùn)練它們，最終得出一個很有針對性的概率選擇程序。也就是說，現(xiàn)在的深度學(xué)習(xí)AI你教它下棋，它就只會變得越來越會下棋，你教它識圖，它就只能越來越會識圖，而且它們識圖和做事的方式，說白了是經(jīng)過一系列的判斷后判斷結(jié)論有99.8%的可能是選擇A，有0.2%的可能是選擇B，于是便選擇了A這樣的過程。當然，它們下棋和識圖的水平會變得很厲害，甚至變得比人類還厲害。但是終究還是只能限制于那個單獨的領(lǐng)域。你要問我們，或者問那些專家，我們能肯定這樣的程序發(fā)展下去，就一定能發(fā)展出真正的智能嗎？至少我們覺得，這些深度學(xué)習(xí)程序真的不太像是能發(fā)展處終極形態(tài)的AI的樣子。
Facebook的服務(wù)器固然十分強大，但它本質(zhì)上仍然是馮諾依曼架構(gòu)下的一臺比較快的電腦而已。它的面世不過是人工智能軍備競賽中的一環(huán)，對于深度學(xué)習(xí)理論的整個發(fā)展，其實起不到什么作用。包括谷歌的TPU，和逐漸開始走入很多人視野中的FPGA，也都只是一種“器”，雖然有“工欲善其事必先利其器”的古訓(xùn)，但我們也都知道，有時候光有好的工具還是不夠的。深度學(xué)習(xí)的效果太好了，以至于讓很多專家忘了，其實人們還不知道真正的人工智能應(yīng)該怎么去實現(xiàn)。
不過，確實也有不少專家都看到了這一點。斯坦福人工智能實驗室負責人李飛飛最近在同硅谷頂級投資機構(gòu)a16z的合伙人Frank Chen交流時就說道：她的下一個夢想就是能教會機器人怎么去學(xué)習(xí)，而不只是模仿訓(xùn)練數(shù)據(jù)。
而深度學(xué)習(xí)和計算機視覺公司商湯科技的執(zhí)行研發(fā)總監(jiān)曹旭東也提到過：做深度學(xué)習(xí)的人其實都有一個終極的追求，就是改變現(xiàn)在深度學(xué)習(xí)比較傻的以監(jiān)督學(xué)習(xí)為主流的模式，讓機器人的行為更加聰明，可以像人一樣學(xué)習(xí)。
目前學(xué)界向這個方向努力的表現(xiàn)是大力發(fā)展半監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，努力提高深度學(xué)習(xí)的學(xué)習(xí)效率和降低對樣本的需求量。不過這一切畢竟還是在深度學(xué)習(xí)的框架內(nèi)來進行的，誰也說不好無監(jiān)督學(xué)習(xí)的量變能否引起質(zhì)變。
所以也不奇怪逐漸開始有一些人已經(jīng)開始懷疑深度學(xué)習(xí)對AI的發(fā)展到底有沒有那么重要了。讓我們回到Facebook的服務(wù)器上。其實無論是Facebook也好，谷歌也好，微軟、亞馬遜還是百度也好。我們沒有理由責怪他們對深度學(xué)習(xí)的熱情。畢竟作為一個商業(yè)公司，深度學(xué)習(xí)已經(jīng)能在他們的研究領(lǐng)域上給他們帶來足夠多的成果收益，而他們對最終成效的渴求也正是深度學(xué)習(xí)能得到快速的發(fā)展的原因之一。
但資本的力量雖然強大，畢竟還是逃脫不了那一點逐利的本質(zhì)，難免陷入對短期利益盲目的追逐。而能拋開短期的利益著眼于長期的考量和探索，正是學(xué)界相對于產(chǎn)業(yè)界在研究上最大的優(yōu)勢之一。
我們并無意否定任何人在AI的研究上做出的努力，只是我們希望給大家展現(xiàn)一個這樣的可能性，希望大家在研究和討論之余能偶爾想起它來，畢竟它有可能是真實存在的：
萬一最后能實現(xiàn)真正意義上的人工智能的方法，和深度學(xué)習(xí)一點關(guān)系都沒有呢？
題圖來自the verge
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
