近幾年深度學習的流行，大家一般認為是從2012年AlexNet在圖像識別領(lǐng)域的成功作為一個里程碑。AlexNet提升了整個業(yè)界對機器學習的接受程度：以前很多機器學習算法都處在“差不多能做demo”的程度，但是AlexNet的效果跨過了很多應(yīng)用的門檻，造成了應(yīng)用領(lǐng)域井噴式的興趣。

當然，任何事情都不是一蹴而就的，在2012年以前，很多成功的因素已經(jīng)開始逐漸顯現(xiàn)：2009年的ImageNet數(shù)據(jù)庫奠定了大量標注數(shù)據(jù)的基礎(chǔ)；2010年開始，IDSIA的Dan Ciresan初次用GPGPU進行物體識別；2011年，北京的ICDAR大會上，神經(jīng)網(wǎng)絡(luò)在中文離線識別上大放異彩。就算是AlexNet中用到的ReLU層，早在2001年神經(jīng)科學的文獻中就有提及過。所以，某些程度上說，神經(jīng)網(wǎng)絡(luò)的成功也是一個水到渠成的過程。2012年以后的事情，大家可以讀到很多，這里就不再贅述。

深度學習的成功與局限

在看待神經(jīng)網(wǎng)絡(luò)成功的同時，我們也要進一步深挖其背后的理論背景和工程背景，為什么神經(jīng)網(wǎng)絡(luò)和深度學習在幾十年前失敗，但是現(xiàn)在卻成功了？它成功的原因是什么？而它的局限又在什么地方？我們這里只能片面地說幾個重點：成功的原因，一點是大數(shù)據(jù)，一點是高性能計算。局限的原因，一點是結(jié)構(gòu)化的理解，一點是小數(shù)據(jù)上的有意義學習算法。

大量的數(shù)據(jù)，比如說移動互聯(lián)網(wǎng)的興起，以及AWS這樣低成本獲得標注數(shù)據(jù)的平臺，使機器學習算法得以打破數(shù)據(jù)的限制；由于GPGPU等高性能運算的興起，又使得我們能夠在可以控制的時間內(nèi)（以天為單位甚至更短）進行exaflop級別的計算，從而使得訓練復(fù)雜網(wǎng)絡(luò)變得可能。要注意的是，高性能計算并不僅于GPU，在CPU上的大量向量化計算，分布式計算中的MPI抽象，這些都和60年代就開始興起的HPC領(lǐng)域的研究成果密不可分。

但是，我們也要看到深度學習的局限性。很多深度學習的算法還只是在感知這個層面上形成了突破，可以從語音、圖像，這些非結(jié)構(gòu)化的數(shù)據(jù)中進行識別的工作。在面對更加結(jié)構(gòu)化的問題的時候，簡單地套用深度學習算法可能并不能達到很好的效果。有的同學可能會問為什么AlphaGo和Starcraft這樣的算法可以成功，一方面，深度學習解決了感知的問題，另一方面，我們也要看到還有很多傳統(tǒng)的非深度學習算法，比如說Q-learning和其他增強學習的算法，一起支撐起了整個系統(tǒng)。而且，在數(shù)據(jù)量非常小的時候，深度學習的復(fù)雜網(wǎng)絡(luò)往往無法取得很好的效果，但是很多領(lǐng)域，特別是類似醫(yī)這樣的領(lǐng)域，數(shù)據(jù)是非常難獲得的，這可能是接下去的一個很有意義的科研方向。

接下去，深度學習或者更廣泛地說，AI這個方向會怎么走？我個人的感覺，雖然大家前幾年一直關(guān)注AI框架，但是近年來框架的同質(zhì)化說明了它不再是一個需要花大精力解決的問題，TensorFlow這樣的框架在工業(yè)界的廣泛應(yīng)用，以及各種框架利用Python在建模領(lǐng)域的優(yōu)良表現(xiàn)，已經(jīng)可以幫助我們解決很多以前需要自己編程實現(xiàn)的問題，因此，作為AI工程師，我們應(yīng)該跳出框架的桎梏，往更廣泛的領(lǐng)域?qū)ふ覂r值。

向上的挑戰(zhàn)

往上走，我們會遇到產(chǎn)品和科研的很多新挑戰(zhàn)，比如說：

傳統(tǒng)的深度學習應(yīng)用，比如說語音、圖像等等，應(yīng)該如何輸出產(chǎn)品和價值？比如說，計算機視覺現(xiàn)在基本還是停留在安防這個層面上，如何深入到醫(yī)、傳統(tǒng)工業(yè)，甚至社會關(guān)愛（如何幫助盲人看見這個世界）這些領(lǐng)域？這不僅需要技術(shù)的思考，還需要產(chǎn)品的思考。

除了語音和圖像之外，如何解決更多問題？在阿里和很多互聯(lián)網(wǎng)企業(yè)中有一個“沉默的大多數(shù)”的應(yīng)用，就是推薦系統(tǒng)：它常常占據(jù)了超過80%甚至90%的機器學習算力，如何將深度學習和傳統(tǒng)推薦系統(tǒng)進一步整合，如何尋找新的模型，如何對搜索和推薦的效果建模，這些可能沒有像語音和圖像那么為人所知，卻是公司不可缺少的技能。

即使在科研方向，我們的挑戰(zhàn)也剛剛開始：Berkeley的教授Jitendra Malik曾經(jīng)說：“我們以前是手工調(diào)算法，現(xiàn)在是手工調(diào)網(wǎng)絡(luò)架構(gòu)，如果囿于這種模式，那人工智能無法進步”。如何走出手工調(diào)參的老路，用智能提升智能，是個非常有意思的問題。開始的AutoML系統(tǒng)依然停留在用大量算力暴力搜索模型結(jié)構(gòu)的層面上，但是現(xiàn)在各種更高快效的AutoML技術(shù)開始產(chǎn)生，這是值得關(guān)注的。

向下的機會

往下走，我們會發(fā)現(xiàn)傳統(tǒng)的系統(tǒng)、體系結(jié)構(gòu)等知識，計算機軟件工程的實踐，會給AI帶來很多新的機會，比如說：

傳統(tǒng)的AI框架都是手寫高性能代碼，但是模型如此多變，新的硬件平臺層出不窮，我們應(yīng)該如何進一步提升軟件效率？我們已經(jīng)看到有通過編譯器技術(shù)和傳統(tǒng)的人工智能搜索方法來反過來優(yōu)化AI框架，比如Google的XLA和華盛頓大學的TVM，這些項目雖然處于早期，但是已經(jīng)展現(xiàn)出它們的潛力。

平臺如何提升整合能力？在開源領(lǐng)域，大家的做法是一個人，一臺機器，幾個GPU，訓練比較學院派的模型。但是在大規(guī)模應(yīng)用中，我們的數(shù)據(jù)量非常大，模型非常復(fù)雜，集群還會出現(xiàn)各種調(diào)度的挑戰(zhàn)（能不能一下子就要求256個GPU？計算資源是否可以彈性調(diào)度？），這些對于我們自己的機器學習平臺，以及云上向客戶提供的服務(wù)，都提出了非常多的挑戰(zhàn)。

如何進行軟硬件的協(xié)同設(shè)計？在深度學習的計算模式開始逐漸固化的時候（比如說CNN），新硬件和特別硬件（比如ASIC）的優(yōu)勢就開始體現(xiàn)出來了。如何實現(xiàn)軟硬件的協(xié)同設(shè)計，防止“硬件出來了，不知道怎么寫程序”或者“模型已經(jīng)變了，硬件一出來就過時了”這樣的問題，會是將來幾年中很大的方向。

人工智能是一個日新月異的領(lǐng)域，我們有一個笑話是這樣說的：2012年的科研成果，現(xiàn)在說起來都已經(jīng)是上古時代的故事了。快速的迭代帶來的大量機遇和挑戰(zhàn)是非常令人興奮的，無論是有經(jīng)驗的研究者還是新學AI的工程師，在當今云化、智能化的年代，如果能快速學習并刷新算法和工程的各種挑戰(zhàn)，就可以通過算法創(chuàng)新引導帶領(lǐng)并且賦能社會各個領(lǐng)域。這方面，人工智能領(lǐng)域開源開放的各種代碼，科研文章和平臺給大家創(chuàng)造了比以前更容易的入門門檻，機遇都掌握在我們自己手中。

聲明：本文章來源于億歐網(wǎng)，如若侵權(quán)，請聯(lián)系作者刪除。