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(6)

但也有一些争论和批评意见让她感觉“有点做作”，包括现在的 AI 路线有错、以及 AGI 即将实现之类。“我认为这本应是一场更深层、更微妙、更细致、更多维的科学争论，但现在的情况有点浅表化了。”

当然，李飞飞也承认这十年来 AI 的发展表现令人失望，而且往往跟技术本身无关。“我觉得最令人失望的状况发生在 2014 年，当时我和以前的学生们共同创立了 AI4ALL，希望将年轻女性、有色族裔和服务欠缺社群的学生们带入 AI 世界。我们的目标，就是给 AI 世界带来更加多样化的未来。”

如今八年过去，她认为积极的变化来得太慢。“我希望看到更快、更深层次的变化，但各方付出的努力还远远不够，特别是在初中和高中这个阶段。我们不知不觉中失去了很多才华横溢的年轻参与者。”

Yann LeCun

AI 与深度学习的未来

LeCun 承认，很多 AI 挑战在吸纳了大量资源投入之后仍未得到解决，其中最典型的一例就是自动驾驶。

“必须得说，人们可能低估了自动驾驶的复杂性。”LeCun 承认自己也没有深入研究过这个领域，“但我知道这事很难，而且需要很长时间。我不同意某些人的观点，他们说原理问题已经基本解决……接下来只要把模型做得更大就行。”

事实上，LeCun 最近发布了一份建立“自主机器智能”的蓝图，这也表明他认为现有 AI 方法并不足以打造出与人类相当的 AI 成果。

但他同时看到了深度学习未来的巨大潜力。他说最令自己感到兴奋、并愿意为之奋斗的，就是让机器获得类似于动物、甚至人类的高效学习能力。

“对我来说，最大的问题就是动物到底遵循怎样的学习原则。正因为如此，我才一直倡导自监督学习等技术方向。这方面的进展将使我们得以构建出目前遥不可及的成果，比如能够在日常生活中帮助用户的智能系统。它们就像是人类的助手，这才是大家所真正需要的。未来，我们一定会进入全民佩戴增强现实眼镜的时代，我们将随时随地与 AI 互动。”

Hinton 也认为深度学习有着良好的进展。除了机器人技术的进步，他认为神经网络的底层计算基础设施也将迎来新突破。“目前的基础设施是在用擅长矩阵乘法器的加速器执行数字计算。”而对于反向传播，还需要把模拟信号转换为数字信号。