深度學習是泡沫嗎？何時會破？

      有人在 Quora 上問了一個匪夷所思的問題：“深度學習的泡沫何時會破？”在短短的十幾個小時內(nèi)，該問題就得到了 18 個回應，而且每個回應都頗有深度。下面的內(nèi)容翻譯自吳恩達和微軟數(shù)據(jù)科學家 Tim Scarfe 對該問題的回應。

　  吳恩達:

　　在 100 多年前也曾經(jīng)出現(xiàn)過有關電力的炒作，但那個所謂的泡沫到現(xiàn)在都沒有破，相反，我們現(xiàn)在根本離不開電力!

　　深度學習為我們帶來了很多價值，它被廣泛應用在多個領域，如 Web 搜索、廣告、語音識別、推薦系統(tǒng)等，所以毫無疑問，這項技術會與我們同在。深度學習技術與其他人工智能工具(圖像模型、智能決策、KR 等)的結合正在改變著我們的各行各業(yè)，它的影響力將不僅限于技術行業(yè)。

　　然而，在技術社區(qū)之外，人們對”情感人工智能“似乎給予了過多的期望。我與一些 CEO 聊過這方面的問題，他們把人工智能當成解決技術問題的靈丹妙藥?？磥恚谏疃葘W習方面確實存在一些泡沫，我希望這些泡沫在變大之前就破掉，越快越好。

　　Tim Scarfe（微軟數(shù)據(jù)科學家，機器學習博士）：

　　我感覺深度學習比預想的要更加普及。深度學習為預測技術帶來了變革，而且在序列建模(如自然語言處理、語音識別)、局部空間處理(如計算機視覺)和增強學習方面具備無以倫比的性能。

　　在很多情況下，深度學習算法的性能相比之前的“頻率學派”算法有了階段性的進步。在擁有大數(shù)據(jù)集的情況下，執(zhí)行關鍵性預測任務的性能優(yōu)勢尤為明顯。

　　上圖展示了 ImageNet 計算機視覺檢測技術的快速發(fā)展，其中包括 2012 年 Alex Krizhevsky 使用他的卷積神經(jīng)網(wǎng)絡擊敗了前作。今年，一個來自中國的團隊將錯誤率降低到了 2.2%，看來這場競賽似乎要告一段落了。

　　我們也看到過去 8 年多在語言處理和語音識別方面出現(xiàn)了類似的進步。今年，微軟通過基于 CNN 和雙向 LSTM 的架構實現(xiàn)了語音識別的 human parity。

　　人們常說這些要歸因于過去 10 年的數(shù)據(jù)大爆炸和計算大爆炸。實際上，這些大爆炸就是性能得到大幅提升的主要推動力，而人工神經(jīng)網(wǎng)絡不過是一項古老的技術。我不認為我們會在這兩方面停下腳步，不是嗎?

　　不過我想說的是，這不僅僅是一次思維的轉型，或僅僅是一種全新的編程方式。

　　1.更少地強調(diào)特征提取

　　在古老的頻率學派架構里，數(shù)據(jù)科學家需要掌握一些領域知識來完成特征提取。所有的算法都用來解決優(yōu)化問題，這些問題與特征是混雜在一起的。這并不是說深度學習架構就不包含領域知識，圖像的 CNN 模型局部空間依賴和 RNN 模型臨時依賴不就是嗎?關鍵的差異在于，NN 模型會自己學習表征層次，而這些表征在很多情況下可以很好地工作。

　　2.新奇預測(novel prediction)架構

　　我想，我們現(xiàn)在的優(yōu)勢是可以在一個框架內(nèi)搭建出一個端到端的新奇預測架構，而且可以很快地訓練模型，并在云端操作模型。

　　在以前，我們需要回歸和分類算法，而現(xiàn)在我們使用預測架構。

　　上面的圖片展示了物體的分割和局部化網(wǎng)絡——Mask R-CNN。請留意我們是如何使用 CNN 來檢測圖像特征的，我們有一個區(qū)域提議網(wǎng)絡(region proposal network)和該區(qū)域內(nèi)的掩膜回歸(mask regression)，它們都處于同一個網(wǎng)絡內(nèi)。任何一個熟悉深度學習工具包和云端人工智能訓練平臺(如微軟 Azure)的人都可以重現(xiàn)、訓練和操作這些東西。

　　深度學習實際上是一種新型的編程模式，也被稱為“可微編程(differentiable programming)”。

　　3.創(chuàng)新架構正在出現(xiàn)

　　這個可以參考 GAN 或混合專家(Mixture of Experts)模型。

　　4.業(yè)界在擁抱深度學習和創(chuàng)新

　　微軟和谷歌已經(jīng)在他們的云端安裝了一些硬件來加速深度學習，也因為深度學習與生俱來的靈活預測架構，得到了廣泛的應用。這一領域或許有點炒作過度了，但對于創(chuàng)新來說是一件好事，因為每個人都被調(diào)動起來了，變革的速度在加快。

　　5.超越深度學習

　　我并不認為我們剩下的只有深度學習。我個人相信基于模型的貝葉斯機器學習可能會回歸，因為它可以在有效數(shù)據(jù)不足的情況下對真實世界的領域知識進行建模，而深度學習需要大量的數(shù)據(jù)!