量子位|刚融资1500万美元的AI初创公司，被LeCun嘲讽了
贾浩楠 发自 凹非寺
量子位 报道 | 公众号 QbitAI
一家AI初创公司刚融资1500万美元 ， 创始人都有头有脸 ， 别人都纷纷道贺和商业互吹 ， 却不料引来图灵奖得主的调侃和讽刺 。
出言讽刺者 ， 大名鼎鼎的深度学习三巨头之一——Yann LeCun 。
本文插图
而LeCun讽刺的也不是别人 ， 正是他纽约大学的同事、以批评AI和深度学习不work知名的Gary Marcus 。
这位马库斯教授 ， 关注AI的人多少不陌生了 ， 甚至还给他起了外号“嘴炮”马库斯 。
本文插图
但这次 ， 在他担任创始人兼CEO的AI公司融资大喜之际 ， 收到了LeCun不客气的嘲讽 。
马库斯用深度学习融资 ， LeCun很介意 。
马库斯的创业公司 ， 在做什么？
LeCun为什么主动上门嘲讽？
先要介绍一下马库斯创办的这家公司 。
Robust.AI ， 2019年6月 ， 由大家熟悉的Gary Marcus、MIT教授Rodney Brooks和其他几位研究机器人的科学家共同创建 。
本文插图
其中 ， 马库斯和Rodney Brooks分别作为CEO和CTO ， 是新公司的领袖和核心 。
Rodney Brooks也是AI和机器人领域的大佬 ， 曾任MIT人工智能实验室主任 。
本文插图
Robust.AI的目标 ， 是做出一套能在众多工业场景下通用的“机器人认知引擎” 。
通俗的说 ， 这是一家打造软件系统的公司 。
他们做的 ， 是工业机器人的AI算法 ， 既能满足特定场景 ， 在对环境的“认知”能力上还能超越现在的产品 ， 做到快速部署在不同生产线上 ， 实现“通用” 。
Robust.AI目前有25名员工 ， 招聘广告也一直在投放 。 据马库斯向福布斯杂志介绍 ， 他们已经和某家客户展开合作 ， 预计2021年能交付第一批产品 。
本文插图
前两天 ， 国外媒体报道了Robust.AI最新融资1500万美元的消息 ， 加上去年种子轮的750万美元 ， 总计已获得2250万美元的融资 。
以上所有的信息 ， 怎么看都很正常 ， 并无离谱之处 。
然而 ， LeCun看不下去 。
您马库斯一边批评AI不work、深度学习认知能力差、不透明 ， 博得名声和关注度一片……
现在另一边用这个创办公司融资“圈钱”？
可真有意思 。
“真香”马库斯
「你们应该没有用深度学习吧？Gary（指马库斯）说过深度学习不管用的 。 」
在Robust.AI的融资新闻下 ， LeCun“话里有话”的发问了 。
毕竟之前马库斯对深度学习的批评 ， 可真是尖锐又不留情面 ， 简直是反深度学习本反 。
本文插图
不过 ， 马库斯这次不一样 ， 没有直接应战 。
在Facebook对话下回复LeCun的 ， 是Robust.AI的CTO ， MIT松下机器人研究院的教授Rodney Brooks 。
Brooks诚实回答：“我们确实用了深度学习技术 。 ”
本文插图
△大佬们在新闻评论下吵了起来
但他也进一步解释说 ， 这并不是公司的全部技术方案 。
除了深度学习 ， 还有控制理论、SLAM（同步定位与地图绘制）、IK解算器等等技术 ， 对任何流派都没有一棍子打死 。
本文插图
「哦 ， 那你们做的就是其他人都在做的」 。
LeCun继续补刀——也没啥创新和不同呀 ， 还以为批评得那么强烈 ， 或许还真you can you up呢 。
当然 ， 如果你对马库斯之前的AI批评——核心是深度学习批评不了解 ， 或许会觉得堂堂图灵奖得主 ， 怎么怎么“小心眼”……
但早前几年 ， 马库斯可真没嘴下留情 。
马老师不仅不遗余力地批评深度学习 ， 说它“感知能力差”、“太依赖数据”…..
本文插图
在AI领域每有重大进展时 ， 也几乎是争着出来浇凉水 ， 比如前段时间批评GPT-3 。
有时甚至看起来就是鸡蛋里挑骨头 ， 比如GPT-3 ， 进步相比前2代 ， 效果不知好到哪里去 。
但马库斯总能揪着当前版本的缺点批评 ， 说这个AI无法用到医疗等领域 ， 长尾场景里问题不少……诛心而论 ， 确实看起来为批评而批评 。
所以如今 ， 他自己创办的公司用深度学习 ， 虽然也解决现实问题 ， 但介于目前还是融资烧钱为主……
也算是难逃“真香定律” ， 活成了自己批评的样子 。
本文插图
耿耿于怀Yann LeCun
这也就大概能理解 ， Yann LeCun为啥耿耿于怀了吧 。
毕竟马库斯反对的 ， 是他最重要的学术成果 ， 也是他和Hinton、Bengio等人苦坐冷板凳十几年换来的复兴局面 ， 深知AI迎来热潮不容易 。
他们自然知道深度学习驱动的AI所具有的局限 ， 所以也一直在不断找突破和打开黑盒子……算是建设性的那一派吧 。
本文插图
而之前对马库斯的批评 ， LeCun其实也没少回应 。
但这一次 ， 可算是最好的机会了 ， 而且LeCun是“明知故问”——在福布斯关于Robust.AI融资的报道中 ， 早已写明了使用深度学习技术 。
LeCun说白了 ， 就是想当面讽刺这种砸锅还吃饭的行为 。
在在回复“和别人差不多”之前 ， LeCun还写了很长一段话讽刺马库斯 ， 大意是：
我正在憋大招写一本学术专著 ， 我敢肯定这本书比马库斯说的任何一句话都更冒犯人……
甭管是搞AI的 ， 还是CS、神经科学…….读完都能刷新从未听说过的本领域重大认知……
这些领域几个世纪内都不会有什么进展……我期待人们读完血压升高 。
哈哈哈哈……
LeCun真的很“记仇” ， 专门把“神经科学”放在其中 。
因为马库斯 ， 就是心理学、神经科学方面的教授呀——之前互怼严重时 ， 也有人批评马库斯“没资格”批评非自己本专业的事情 。
另一位Gary加入论战
LeCun的讽刺 ， 作为事主的Gary Marcus一直没有任何回应……
反倒是另一位Gary出来跟LeCun辩了起来 。
Gary Bradski ， 也是机器学习领域有名的大佬 ， 最广为人知的工作是OpenCV计算机视觉软件库 。
本文插图
他的意思是说：
LeCun你先等等 ， 我这个Gary有话说 。 我认为深度学习是革命性的进步 ， 也是一个实用的工具 。
大家现在都在用微分方法做模型渲染和模拟 ， 这点很重要 ， 因为大家都把这些要素作为变量加进Pytorch中 。
一段代码稍加修改就可微 ， 这使得使用Pytorch的深度学习进展迅速 。
深度学习部分证明了通用人工智能的可行 ， 但问题是结果的解释和归因标准缺失 ， 却少有人质疑 。
祝公司办好！祝你们永远有清晰可用的梯度 。
Gary Bradski委婉得多 ， 承认了深度学习当下的重要性 ， 但又说模型解释不了不行 。
他一语道出了目前深度学习的现状和隐忧 ， 这是马库斯长期炮轰深度学习 ， 和各江湖大佬结下恩怨的症结 ， 也是未来人工智能发展路径的争论焦点 。
深度学习“错”在哪里？
关于马库斯对AI的批评 ， 最具代表性的是其2018年写下的长文 ， 将自己的对深度学习的看法全面、系统地阐述了一遍 。
这篇文章可以总结为深度学习的十大缺陷 。
1、深度学习对数据很高度依赖
抽象的关系 ， 人类依靠明确的定义 ， 很容易就能学会 。
但深度学习不具备这种通过语言描述的清晰定义来学习抽象概念的能力 ， 动辄需要数以亿计的数据训练 。
Geoff Hinton也表达了对深度学习系统依赖于大量标注数据这个问题的担忧 。
本文插图
2、深度学习迁移能力有限
“深度学习”中的“深” ， 指的是技术上、架构上的性质 ， 也就是堆叠了很多隐藏层 。 这种“深” ， 并不是说它对抽象的概念有深刻的理解 。
一旦任务场景改变 ， 就需要重新找数据训练 。
3、深度学习还不能自然处理层级结构
当前大多数基于深度学习的语言模型都将句子视为词的序列 。
在遇到陌生的句子结构时 ， 循环神经网络（RNN）无法系统地展示、扩展句子的递归结构 。
这是因为深度学习学到的各组特征之间的关联是平面的 。
4、深度学习还不能搞定开放式推理
在斯坦福问答数据集SQuAD上 ， 如果问题的答案包含在题面文本里 ， 现在的机器阅读阅读理解系统能够很好地回答出来 ， 但如果文本中没有 ， 系统表现就会差很多 。
也就是说 ， 现在的系统还没有像人类那样的推理能力 。
本文插图
5、深度学习还不够透明
神经网络的“黑箱”性质一直很受关注 。 但是这个透明性的问题 ， 至今没有解决 。
6、深度学习还未与先验知识结合
因为缺少先验知识 ， 深度学习很难解决那些开放性问题 ， 比如怎样修理一辆绳子缠住辐条的自行车？
看似简单的问题 ， 涉及到现实世界中大量不同的知识 ， 没有哪个数据集适用于它们 。
7、深度学习不能区分因果和相关关系
深度学习系统 ， 学习的是输入和输出之间复杂的相关性 ， 但是学习不到其间的因果关系 。
本文插图
8、深度学习需要在严格稳定的环境下工作
深度学习的这套逻辑 ， 在高度稳定的环境下表现最佳 ， 例如下棋这种博弈 ， 其中的规则不会改变 ， 但在政治和经济生活中 ， 不变的只有改变 。
9、深度学习只是一种近似
深度学习在一些特定领域表现出色 ， 但也很容易被愚弄 。
10、深度学习难以工程化
深度学习很难稳健的实现工程化 ， 因为很难保证机器学习系统在一个全新新的环境下有效工作 。
本文插图
这十大「罪状」 ， 可谓刀刀见肉 ， 深度学习确实存在机械性依赖训练、不透明、模糊因果等问题 。
但马库斯尖锐的批评 ， 如果止于学术本身 ， 或许就不会有LeCun的耿耿于怀 。
深度学习作为当前AI领域最火的工具 。
马库斯直言 ， 学界对于深度学习的吹捧宣传过了头 ， 客观上误导了人们对于AI发展路径的认识 。
本文插图
这些问题 ， 成为了马库斯炮轰深度学习、质疑AI进展的根本出发点 。
这些年来 ， 马库斯多次与AI界大佬们交锋论战 ， 其中包括深度学习三巨头、吴恩达等等 。
而大佬们的辩护 ， 重点在「深度学习不是定义一种东西 ， 而是指明一个方向」 。
问深度学习能不能做没有意义 ， 有意义的是问如何训练它去做 。
深度学习是一种思想和方法论 。
显然 ， AI大佬们 ， 不希望从根上否定深度学习 ， 不然AI又会陷入沉寂和历史暗夜中 。
面对马库斯的「定性」质疑 ， 只有AAAI前主席Thomas G. Dietterich在一番争论后 ， 回应：
「深度学习的贡献或批判 ， 未来自有结果」 。
本文插图
另外 ， 马库斯甚至还和LeCun面对面有过一次激辩：“AI到底有没有必要具备类似人类的能力” 。
这场辩论的本质 ， 还是关于深度学习的一系列缺陷 。
马库斯认为这样的AI走不远 ， LeCun认为潜力巨大 ， 不需要具备类脑能力也能满足需求 。
当然 ， 他俩根本不能说服对方 。
本文插图
一方面 ， 是深度学习所向披靡 ， 在众多AI研究中处于关键地位 ， 一些较为成熟的技术已经实际落地 。 深度学习已经展现出的能力 ， 其他方法还无法取代 。
另一方面 ， 深度学习的局限性和本身的缺陷 ， 确实短时间难以破解 。
所以很显然 ， 这是一场“革命派”和“维新派”的战斗 。
马库斯为代表的“革命派” ， 全方位否定 ， 重估深度学习和AI……
本文插图
LeCun等好不容易用深度学习推动AI复兴 ， 即便深知深度学习的缺陷和AI当前挑战 ， 但也希望不断在发展中找对策 ， 而不是因噎废食……
只是马库斯这个“革命派” ， 只管推倒 ， 不在乎建设 ， 现在还用自己批评的技术吃饭融资 。
本文插图
LeCun没说脏话 ， 估计已经足够克制了 。
【量子位|刚融资1500万美元的AI初创公司，被LeCun嘲讽了】你怎么看？
推荐阅读
- 猪身上一个部位，无筋无骨不塞牙，比排骨受欢迎，上桌立马被抢光
- 中国镇|你知道中国的“心脏”在哪吗？经国家地理测量，位于一个村庄上
- 基因突变|量子力学揭示了进化的秘密：一种特殊的量子效应可以导致基因突变
- 猪身上最好吃的两块部位，价格是排骨的一半，懂行人看见就买
- 量子医学|量子医学诞生了！人类或迎来没有疾病的世界
- 武汉协和医院|武汉协和医院完成第100例儿童心脏移植，例数持续居全国首位
- 鸡身上的“黄金部位”，还得这样吃！在家就能做，更卫生更实在
- 好吃到舔盘的椒味鸡腿，刚烤好，满屋都是香味，全家都爱吃
- 猪身上最好吃的部位当属它了，一上桌就被抢着吃，味道100个赞！
- 羊肉好吃你会挑吗？买羊肉选4个部位，保证好吃又不亏！