Hinton、Yann LeCun、李飞飞谈深度学习十年：AI没有走入死胡同，“革命”仍如火如荼(4)

Hiton 总结道，到 2013 年，“几乎所有计算机视觉研究都转向了神经网络。”从那时起，他也开始奔走于多伦多大学和谷歌研究院。这是 AI 研究自 2007 年以来的一场重大变革，“在此之前，每次技术会议最多只会接收一篇关于深度学习的论文。”

李飞飞

深度学习的十年发展历程

作为深度学习历史性突破的亲历者，李飞飞在 2012 年那场 ImageNet 竞赛上亲自公布了获胜选手。接下来十年深度学习的走势，也在意大利佛罗伦萨的会议现场被正式定义。

李飞飞提到，“ImageNet 的构想始于 2006 年，但当时几乎没人支持。

然而，最终它还是以光芒万丈的方式获得了认可和回报。”

自 2012 年开始，深度学习的发展速度惊人，学习模型的“深度”也开始不断打破纪录。

LeCun 表示“不少挡在 AI 发展道路上的阻碍被快速扫除”，于是自然语言理解、文本生成翻译和图像合成等应用领域全面起飞。

其中部分领域的发展速度甚至比预期更快。对 Hinton 来说，基于神经网络的机器翻译特别令人印象深刻，而这方面尝试其实始于 2014 年。“我原本以为不会那么快。”另一方面，李飞飞也对 DALL-E 赞赏有加，表示“进展比我想象中更快。”

敬告深度学习批评者

然而，并不是所有人都愿意为深度学习的进展而鼓掌喝彩。

2012 年 11 月，纽约大学名誉教授、Robust.AI 创始人兼 CEO Gary Marcus 就为《纽约客》撰写了一篇文章，表示“套用一句古老的寓言——Hinton 造了一把好梯子，但无论多好的梯子都没法让人登上月球。”

Marcus 甚至断言，时至今日，深度学习完全没能让 AI 比十年前更接近“月球”——也就是万众期待的人工通用智能，或者说能力与人类相当的 AI。

“技术方面的进步当然客观存在，但要想成功登月，必须解决因果理解和自然语言理解 / 推理的问题。深度学习在这些方向上并没有太大进展。”

Marcus 还提到，他认为将神经网络与符号人工智能（在深度学习兴起之前，在领域中占主导地位的 AI 分支）相结合的混合模型，才是突破神经网络极限的正确方向。