Recognant創始人：神經網路、人工智慧根本就不複雜
[許多人都沒意識到神經網路其實很簡單]
子夜夢的死寂︱撰文
我經常聽人說他們運用AI技術取得了非常了不得的成就，但99%的成就其實都很傻。這篇文章看起來想在痛罵，但這並不是我的初衷，我的目的是找出AI領域如何在短時間湧現出了大量AI專家。同時，我還要揭露這些專家的所謂專業，其實是因為沒人能指出他們做的都是垃圾。
如果你從頭開始建造了一個神經網路，可以在手機上運行……
太棒了。你把一件T恤上都放得下的11行的Python代碼轉換成了Java或C或C++語言。看來交叉編譯器三秒內能完成的事，你也能做到。
許多人都沒有意識到神經網路其實很簡單。他們總覺得神經網路非常複雜。和分形類似，神經網路可以處理看上去很複雜的內容，但說它複雜是因為它需要重複以及一個隨機參數生成器。
如果你建造了一個20層的深度神經網路……
恭喜你！你讓上述代碼不斷循環，這聽起來真是太難了，你居然還知道在什麼位置加入「For」和冒號。
「深度學習」和N層深度都是一個可以自行輸出的神經網路而已。由於它對循環進行循環，所以被稱為遞歸神經網路（RNN）。
這和學車差不多，雖然它只會右轉，但你還是可以到達任何地方。這可能不是最有效率的，但比讓它左轉要容易多了。
如果你在英偉達GPUs上訓練了神經網路，並把它移到了手機上……
上面11行代碼中的錯誤（或未實現）之處在於未設置種子。不設置種子就不能保證第二次能和第一次獲得同樣的隨機參數，而結果也會差異巨大。由於手機和台式電腦無法給出相同的隨機參數，不同的手機晶元會產生不同的隨機參數，你在基於GPU系統上訓練的神經網路很有可能無法在手機系統上運行。
相比在鎖系統中分類，訓練需要多花幾百萬甚至幾十億倍的時間，這樣一來，建立一個手機的神經網路幾乎是不可能的，因為不同設備之間永遠存在差異。對於聲音識別來說，正負5%只是輕微誤差，但對於癌症檢測或診斷來說，這就是巨大誤差了。
如果你訓練的神經網路可以完成人類尚無法做到的事情……比如從照片中來判斷這個人是不是同性戀。
不，這是不可能的。神經網路是很蠢的黑箱系統。如果你使勁折磨它們，你可以對測試數據進行很好的擬合，但是從隨機測試中無法獲得很好的結果。AI就很善於識別偽相關，比如肯塔基州的結婚率與溺水率是無關的。
而且，照片拍攝的距離遠近也不能證明照片里的動物就是貓而不是獅子。人們一直想神話AI，但大多數情況下，人類做不到的事情，AI也無能為力。有些時候例外，但僅限於透明AI。神經網路則不同，即使在人類可以複製最終結果的透明系統中它也不是透明的。
如果你使用TensorFlow來……
還記得上面那11行代碼嗎？TensorFlow只是那些代碼的包裝。TensorFlow擅長的是幫你把那11行代碼內容視覺化。它在很多方面類似於谷歌分析（Google Analytics）。要完成谷歌分析工作的數據都在伺服器日誌里，但看懂那些日誌很困難，但看懂谷歌分析卻易如反掌。不過，谷歌分析會告訴你伺服器變慢了，但不會告訴你原因。
我們這些理解神經網路的人不需要TensorFlow，因為我們不依賴那些花哨的圖表或動畫來把數據視覺化，我們看著原始數據和代碼就能找出伺服器變慢的原因。
如果你用神經網路進行自然語言處理（NLP）和自然語言理解（NLU）……
朋友們這是常識啊。神經網路模擬智能水平其實就和鼻涕蟲差不多。讓鼻涕蟲學習英語的成功率能有多少？如果你的神經網路中英語中每個單詞都有1個trait，那你的網路需要所有谷歌計算能力的疊加。如果每個詞語還要一個trait的話，那你需要地球上所有雲服務計算能力的總和。
AI可用來完成偉大的目標，但神經網路也是有極限的。
如果你的神經網路是自定義的
恭喜你，你知道如何把11行的神經網路代碼壓縮成9行遺傳演算法代碼，或44行分散式演化演算法。快準備一份新聞稿吧，因為你的55行代碼馬上就要……噢，稍等……
如果你的神經網路……無所不能。
恭喜你，你就是傳說中的數據牧人。這聽起來真是太了不得了，雖然你的神經網路和鼻涕蟲差不多，不同的是，你可以生產很多鼻涕蟲。擁有一套訓練集沒啥稀奇的。雖然很難跟蹤，但請相信（或讓別人相信）你只是個了不起的鼻涕蟲訓練師。
如果你把神經網路和區塊鏈結合了……
恭喜你，你知道怎麼建立「網紅堆」。可惜的是，挖礦和神經網路毫無共同點，想通過區塊鏈農場的所有節點來運行所有的數據集是不可能的。如果你通過正常大小的數據集把負載」切」成16 個方向，神經網路會出現問題。如果你有幾十億的記錄，或你使用反向傳播（Back Propagation）測試多級數據顯示，你可能需要更大的規模，但這些技術無法把規模增加到1000s或幾百萬個節點。
我不太使用神經網路。
我的工具箱里有神經網路代碼，但這很正常。它是可選擇的工具，而不是整個產品的基礎。我的大多數工作在認識學上叫做自定義啟發法。與技術結合後又稱為思維模擬。神經網路是按照大腦硬體模擬建模的軟體（而神經網路並不是軟體），思維模擬則可以模擬大腦的軟體，就和大腦模擬器一樣。思維模擬的歷史只有10年左右，而神經網路已經存在50多年了。思維模擬的不同之處還在於它是透明的，能處理幾百萬行代碼，而不是幾十行。
（END)
TAG:青亭網 |