深度學習將要終結？美國教授從 1.6 萬篇論文中看到的 AI 趨勢
Posted on 2019/01/30
鉅亨網 鉅亨網
【為什麼我們要挑選這篇文章】近幾年來 AI 大幅進步，並在許多領域（例如圍棋）打敗人類；但華盛頓大學資訊科學教授表示，這些年年來 AI 並沒有發展出新的概念，機器學習、深度學習早在 1950 年代就已經在討論了，但隨著電腦硬體與演算法的進步， AI 才可以實際執行。AI 的核心也從機器學習、深度學習轉向強化學習， AI 的思維模式變得愈來愈像人類。（責任編輯：郭家宏）
AI 已經成為最重要的科技發展方向之一，全球資金增加投入於此，預計可能在未來 10 年徹底改變人們的生活。但 AI 技術會朝何種方向發展、究竟要將人們帶往何處？目前恐怕還難以預測。
前幾年 AI 最受矚目的技術，可能是在「深度學習」上。這類算法通過使用統計數據，查找期間的模式，並在模仿人類技能上已證明其強大，在某些程度上，它甚至可以模仿人們推理的能力。具體來看，Google 的搜索、Facebook 的動態消息，以及 Netflix 的推薦引擎，都使用了相關的技術，並且正在改變醫療保健和教育等行業的發展。
DeepMind 的 AlphaGo 在圍棋上輾壓人類對手，充分顯現了 AI 的強大潛力，同時正在改變 AI 趨勢。但這就是未來的 AI 嗎？麻省理工技術評論研究了過去長時間的 AI 論文，認為過去以來 AI 的發展，其實沒有用到什麼「最新的技術」，只是不同技術輪流主宰研究界。
AI 研究趨勢快速轉移，但都是 1950 年代就有的概念
華盛頓大學資訊科學教授 Pedro Domingos 在《MIT Technology Review》上 刊文 表示，以長期的 AI 發展來看，每隔十年，不同想法之間就會出現激烈的競爭，偶然機會下，會產生一個主流，並帶領研究界。但相對來說，沒落得也快。
針對 arXiv 科學論文的資料庫的統計，顯示了這一點。根據 16,625 篇論文的摘要，可以看出 AI 研究趨勢的演變。
麻省理工技術評論分析認為，AI 過去的發展有 3 個主要趨勢的改變。在 1990 年代到 2000 年代初期，AI 研究朝「機器學習」轉向；到 2010 年代初，研究者看重神經網路；而過去幾年，「深度學習」成為主宰。 但無論是何種，這些技術都不是最新的，而是在 1950 年代人工智慧概念萌芽時，就已經在討論的技術。
機器學習是 AI 發展的初期主流
在 AI 開始成長的第一個時期，以「機器學習」為典範有其理由。在 1980 年代，人們讓電腦協助工作的做法，就是設定好基本規則，寫定一套程式，讓機器依此運作。然而，在電腦要做的事愈來愈多之後，必須一直編寫規則及程式，不僅增加成本也拖慢發展的速度。
因而，「機器學習」成為主流，讓電腦由一堆數據中，自行提取規則，而不需程式人員一再手動寫程式碼。 所以，發展的重點不是奠基於相關知識本身的體系，而是如何讓電腦找出規則。
AI 典範由深度學習轉向強化學習
發展到第 2 個時期，不同的研究人員開始嘗試以不同的技術方法，以得到最好的結果，各種模型都開始被採用。經過 10 多年的穩定競爭之後，在 2012 年年度 ImageNet 競賽期間，Geoffrey Hinton 和他在多倫多大學的同事，以超過 10 個百分點的驚人幅度，達成圖像識別的最佳準確度。在此他所使用的 深度學習 技術，開始引起了一波新的研究。
這些研究最早集中於視覺領域，後來深度學習開始在各個領域被採用，成為最受歡迎的技術。他們使用的 AlexNet，採用的是神經網路技術，讓此一技術成為 AI 界的顯學。
到第 3 個時期，即現在的主流發展，專注在 強化學習 。在這之前，有 3 種類型激烈競爭，包括監督、無監督與強化學習的方式，原本監督學習是最常見的方式，但強化學習模仿了懲罰和獎勵訓練動物的過程，獲得快速的進展。
Domingos 表示，這個想法並不新鮮，但幾十年來它並沒有真正發揮作用。 他指出，採用「監督」類型的人，可能還會嘲笑強化學習的方法太舊，但當它繳出成績後，便突然受到重視。造成這個趨勢的一大推力，就是 2015 年 10 月 DeepMind 的 AlphaGo 在圍棋上的表現，也立刻造成學界立竿見影的影響力。
AI 技術變遷極快，深度學習恐怕會快速終結
由此來看未來 10 年 AI 可能的發展，Domingos 認為，技術的變遷很快，其實是難以預測的。
例如，神經網路稱不上什麼新的技術，它在 1960 年代統治 AI，1980 年代也曾被提及，但很快不受矚目。直到 2012 年捲土重來前，這個想法很長期間不被採用。但強化學習出現後，它又可能再次沒落。
Domingos 表示，每個 10 年中，可能有不同的技術成為主流，以現在來看，恐怕深度學習的時代也會很快終結。 至於接下來會發生什麼？
「如果你回答這個問題，那麼我會想為這個答案申請專利。」Domingos 說道。
附圖：AI 論文快速上升（圖片來源：鉅亨網 、MIT Technology Review）
談及強化學習的論文比例上升（圖片來源：鉅亨網 、MIT Technology Review）
資料來源：https://buzzorange.com/…/2…/01/30/history-of-ai-development/
