本文屬于個(gè)人觀點(diǎn)，跟本人在職公司的立場無關(guān)。由于最近 GitHub 服務(wù)器在國內(nèi)訪問速度嚴(yán)重變慢，雖然經(jīng)過大幅度壓縮尺寸，文中的圖片仍然可能需要比較長時(shí)間才能加載。這篇文章揭示了 AI 領(lǐng)域重要的謬誤和不實(shí)宣傳，為了阻止愚昧的蔓延，我鼓勵(lì)大家轉(zhuǎn)發(fā)這篇文章和它的后續(xù)，轉(zhuǎn)發(fā)時(shí)只需要注明作者和出處就行。
這是這個(gè)系列文章的第三集，在這一集中，我想講講 AI 領(lǐng)域所謂的“超人類識(shí)別率”是怎么來的，以及由于對(duì)機(jī)器視覺的盲目信任所導(dǎo)致的災(zāi)難性后果。
我發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)在測(cè)試數(shù)據(jù)的可靠性，準(zhǔn)確率的計(jì)算方法上，都有嚴(yán)重的問題。
神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別，所謂“準(zhǔn)確率”并不是通過實(shí)際數(shù)據(jù)測(cè)出來的，而是早就存在那里的，專用的測(cè)試數(shù)據(jù)。比如 ImageNet 里面有 120 萬張圖片，是從 Flickr 等照片網(wǎng)站下載過來的。反反復(fù)復(fù)都是那些，所以實(shí)際的準(zhǔn)確率和識(shí)別效果值得懷疑。數(shù)據(jù)全都是網(wǎng)絡(luò)上的照片，但網(wǎng)絡(luò)上數(shù)據(jù)肯定是不全面的，拍照的角度和光線都無法概括現(xiàn)實(shí)的多樣性。而且不管是訓(xùn)練還是測(cè)試的數(shù)據(jù)，他們選擇的都是在理想環(huán)境下的照片，沒有考慮各種自然現(xiàn)象：反光，折射，陰影等。
比如下圖就是圖像識(shí)別常用的 ImageNet 和其它幾個(gè)數(shù)據(jù)集的一小部分。你可以看到它們幾乎全都是光線充足情況下拍的照片，訓(xùn)練和測(cè)試用的都是這樣的照片，所以遇到現(xiàn)實(shí)的場景，光線不充足或者有陰影，準(zhǔn)確率很可能就沒有 paper 上那么高了。
如此衡量“準(zhǔn)確率”，有點(diǎn)像你做個(gè)編譯器，卻只針對(duì)很小一個(gè) benchmark 進(jìn)行優(yōu)化跑分。一旦遇到實(shí)際的代碼，別人可能就發(fā)現(xiàn)性能不行。但神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要的硬件等條件比較昂貴，一般人可能也很少有機(jī)會(huì)進(jìn)行完整的模型訓(xùn)練和實(shí)際的測(cè)試，所以大家只有任憑業(yè)內(nèi)人士說“超人類準(zhǔn)確率”，卻無法驗(yàn)證它的實(shí)際效果。
不但測(cè)試數(shù)據(jù)的“通用性”值得懷疑，所謂“準(zhǔn)確率”的計(jì)算標(biāo)準(zhǔn)也來的蹊蹺。AI 領(lǐng)域向公眾宣揚(yáng)神經(jīng)網(wǎng)絡(luò)準(zhǔn)確率的時(shí)候，總喜歡暗地里使用所謂“top-5 準(zhǔn)確率”，也就是說每張圖片給 5 次機(jī)會(huì)分類，只要其中一個(gè)對(duì)了就算正確，然后計(jì)算準(zhǔn)確率。依據(jù) top-5 準(zhǔn)確率，他們得出的結(jié)論是，某些神經(jīng)網(wǎng)絡(luò)模型識(shí)別圖像的準(zhǔn)確率已經(jīng)“超越了人類”。
如果他們提到“top-5”還算好的了，大部分時(shí)候他們只說“準(zhǔn)確率”，而不提“top-5”幾個(gè)字。在跟人比較的時(shí)候，總是說“超越了人類”，而絕口不提“top-5”，不解釋是按照什么標(biāo)準(zhǔn)。我為什么對(duì) top-5 有如此強(qiáng)烈的異議呢？現(xiàn)在我來解釋一下。
具體一點(diǎn)，“top-5”是什么意思呢？也就是說對(duì)于一張圖片，你可以給出 5 個(gè)可能的分類，只要其中一個(gè)對(duì)了就算分類正確。比如圖片上本來是汽車，我看到圖片，說：
“那是蘋果？”
“哦不對(duì)，是杯子？”
“還是不對(duì)，那是馬？”
“還是不對(duì)，所以是手機(jī)？”
“居然還是不對(duì)，那我最后猜它是汽車！”
五次機(jī)會(huì)，我說出 5 個(gè)風(fēng)馬不及的詞，其中一個(gè)對(duì)了，所以算我分類正確?；闹嚢?？這樣繼續(xù)，給很多圖片分類，然后統(tǒng)計(jì)你的“正確率”。
為什么要給 5 次機(jī)會(huì)呢？ImageNet 比賽（ILSVRC）對(duì)兩種不同的比賽給出了兩種不大一樣的說法。一種說是為了讓機(jī)器可以識(shí)別出圖片上的多個(gè)物體，而不因?yàn)槠渲心硞€(gè)識(shí)別出的物體不是正確標(biāo)簽（ground truth）而被算作錯(cuò)誤。另外一種說是為了避免輸出意義相同的近義詞，卻不能完全匹配標(biāo)簽而被算作錯(cuò)誤。
兩個(gè)說法的理由不同，但數(shù)學(xué)定義基本是一樣的。總之就是有五次機(jī)會(huì)，只要對(duì)了一個(gè)就算你對(duì)。
看似合理？然而這卻是模糊而錯(cuò)誤的標(biāo)準(zhǔn)。這使得神經(jīng)網(wǎng)絡(luò)可以給出像上面那樣風(fēng)馬不及的 5 個(gè)標(biāo)簽（蘋果，杯子，馬，手機(jī)，汽車），其中前四個(gè)都不是圖片上的物體，卻仍然被判為正確。
你可能覺得我的例子太夸張了，但是準(zhǔn)確率計(jì)算標(biāo)準(zhǔn)不應(yīng)該含有這樣的漏洞。只要標(biāo)準(zhǔn)有漏洞，肯定會(huì)有錯(cuò)誤的情況會(huì)被放過?，F(xiàn)在我們來看一個(gè)實(shí)際點(diǎn)的例子。
上圖是一個(gè) Coursera 的機(jī)器學(xué)習(xí)課程給出的 top-5 實(shí)際輸出結(jié)果的例子。你可以從中發(fā)現(xiàn)，縱然有一些 top-5 輸出標(biāo)簽是近義詞，可是也有很多并不是近義詞，而是根本錯(cuò)誤的標(biāo)簽。比如“算盤”圖片的 top-5 里面包含了computer keyboard（電腦鍵盤）和 accordion（手風(fēng)琴）?！袄匣ⅰ眻D片的 top-5 里面包含了兩種狗的品種名字（boxer，Saint Bernard）。
另外你還可以看到，測(cè)試圖片是經(jīng)過精心挑選和裁剪的，里面很少有多于一個(gè)物體。所以第一種說法，“可能輸出某個(gè)圖片上存在的物體但卻不是正確答案”，恐怕是很少見的。
所以 ILSVRC 對(duì)使用 top-5 給出的兩個(gè)理由是站不住腳的。它想要解決的問題并不是那么突出地存在，但是它卻開了一道后門，可能放過很多的錯(cuò)誤情況。比如上面的“算盤”圖片，如果排名第一的不是 abacus，而是 computer keyboard（電腦鍵盤）或者 accordion（手風(fēng)琴），只要 abacus 出現(xiàn)在 top-5 列表里，這個(gè)圖也算識(shí)別正確。所以 top-5 根本就是錯(cuò)誤的標(biāo)準(zhǔn)。
其實(shí)要解決圖片上有多個(gè)物體的問題，或者輸出是近義詞的問題，都有更好的辦法，而不會(huì)讓錯(cuò)誤的結(jié)果被算成正確的。每一個(gè)學(xué)過基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)和算法的本科生都應(yīng)該能想出更好的解決方案。比如你可以用一個(gè)近義詞詞典，只要輸出的標(biāo)簽和“正確標(biāo)簽”是近義詞就算正確。對(duì)于有多個(gè)物體的圖片，你可以在標(biāo)注時(shí)給它多個(gè)標(biāo)簽，算法給出的標(biāo)簽如果在這個(gè)“正確標(biāo)簽集合”里面就算正確。
但 ILSVRC 并沒有采用這些解決方案，而是采用了 top-5。這么基礎(chǔ)而重要的問題，AI 業(yè)界的解決方案如此幼稚，卻被全世界研究者廣泛接受。你們不覺得蹊蹺嗎？我覺得他們有自己的目的：top-5 使得神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率顯得很高，只有使用這個(gè)標(biāo)準(zhǔn)，神經(jīng)網(wǎng)絡(luò)才會(huì)看起來“超越了人類”。
Top-5 準(zhǔn)確率總是比 top-1 高很多。高多少呢？比如 ResNet-152 的 top-1 錯(cuò)誤率是 19.38%，而 top-5 錯(cuò)誤率卻只有 4.49%。Top-1 準(zhǔn)確率只能算“勉強(qiáng)能用”，換成 top-5 之后，忽然就可以宣稱“超越人類”了，因?yàn)閾?jù)說人類的 top-5 錯(cuò)誤率大概是 5.1%。
可能很多人還沒意識(shí)到，top-5 比較方法對(duì)人是不公平的。圖片上要是人見過的物體，幾乎總是一次就能做對(duì)，根本不需要 5 次機(jī)會(huì)。使用“top-5 準(zhǔn)確率”，就像考試的時(shí)候給差等生和優(yōu)等生各自 5 次機(jī)會(huì)來做對(duì)題目。當(dāng)然，這樣你就分不清誰是差等生，誰是優(yōu)等生了。“top-5 準(zhǔn)確率”大大的模糊了好與壞之間的界線，最后看起來都差不多了，甚至差等生顯得比優(yōu)等生還要好。
具體一點(diǎn)。假設(shè)一個(gè)人識(shí)別那些圖片的時(shí)候，他的 top-5 錯(cuò)誤率是 5.1% （就像他們給出的數(shù)字那樣），那么他的 top-1 錯(cuò)誤率大概也是 5.1%。因?yàn)槿艘且淮螜C(jī)會(huì)做不對(duì)，那他可能根本就沒見過圖片上的物體。如果他一次做不對(duì)，你給他 5 次機(jī)會(huì)，他也做不對(duì)，因?yàn)樗揪筒恢滥菛|西叫什么名字。
現(xiàn)在某個(gè)神經(jīng)網(wǎng)絡(luò)（ResNet-152）的 top-5 錯(cuò)誤率是 4.49%，它的 top-1 錯(cuò)誤率是 19.38%。你卻只根據(jù) top-5 得出結(jié)論，說神經(jīng)網(wǎng)絡(luò)超越了人類。是不是很荒謬？
退一萬步講，就算你可以用 top-5，像這種 4.49% 與 5.1% 的差別，只相差 0.61%，也應(yīng)該是忽略不計(jì)的。因?yàn)閷?shí)驗(yàn)都是有誤差，有隨機(jī)性的，根據(jù)測(cè)試數(shù)據(jù)的不同也有差異，像這樣的實(shí)驗(yàn)，1% 以內(nèi)的差別根本不能說明問題。如果你仔細(xì)觀察各個(gè)文獻(xiàn)列出來識(shí)別率，就會(huì)發(fā)現(xiàn)它們列出的數(shù)字都不大一樣。同樣的模型，準(zhǔn)確率差距可以有 3% 以上。但他們拿神經(jīng)網(wǎng)絡(luò)跟人比，卻總是拿神經(jīng)網(wǎng)絡(luò)最好的那個(gè)數(shù)，跟人死扣那百分之零點(diǎn)幾的“優(yōu)勢(shì)”，然后歡天喜地宣稱已經(jīng)“超人類”了。
而且他們真的拿人做過公平的實(shí)驗(yàn)嗎？為什么從來沒有發(fā)布過“神經(jīng)網(wǎng)絡(luò) vs 人類 top-1 對(duì)比結(jié)果”呢？5.1% 的“人類 top-5 準(zhǔn)確率”數(shù)字是哪里來的呢？哪些人參加了這個(gè)測(cè)試，他們都是什么人？我唯一看到對(duì)人類表現(xiàn)的描述，是在 Andrej Karpathy 的主頁上。他拿 ImageNet 測(cè)試了自己的識(shí)別準(zhǔn)確率，發(fā)現(xiàn)好多東西根本沒見過，不認(rèn)識(shí)，所以他又看 ImageNet 的圖片“訓(xùn)練”自己，再次進(jìn)行測(cè)試，結(jié)果準(zhǔn)確率大大提高。
就那么一個(gè)人得出的“準(zhǔn)確率”，就能代表全人類嗎？而且你們知道 Andrej Karpathy 是誰吧。他是李飛飛的學(xué)生，目前是 Tesla 的 AI 主管，而李飛飛是 ImageNet 的發(fā)起者和創(chuàng)造者。讓一個(gè)“內(nèi)幕人士”拿自己來測(cè)試，這不像是公正和科學(xué)的實(shí)驗(yàn)方法。你見過有醫(yī)學(xué)家，心理學(xué)家拿自己做個(gè)實(shí)驗(yàn)，就發(fā)表結(jié)果的嗎？第一，人數(shù)太少，至少應(yīng)該有幾十個(gè)智商正常的人來做這個(gè)，然后數(shù)據(jù)平均一下吧？第二，這個(gè)人是個(gè)內(nèi)幕人士，他的表現(xiàn)恐怕不具有客觀性。
別誤會(huì)了，我并不否認(rèn) Andrej Karpathy 是個(gè)很聰明，說話挺耿直的人。我很欣賞他講的斯坦福 cs231n 課程，通過他的講述我第一次明白了神經(jīng)網(wǎng)絡(luò)到底是什么，明白了 back-propagation 到底如何工作。我也感謝李飛飛準(zhǔn)備了這門課，并且把它無私地放在網(wǎng)上。但是這么大一個(gè)領(lǐng)域，這么多人，要提出“超越了人類視覺”這么大一個(gè)口號(hào)，居然只有研究者自己一個(gè)人挺身而出做了實(shí)驗(yàn)，你不覺得這有點(diǎn)不負(fù)責(zé)任嗎？
AI 領(lǐng)域?qū)ι窠?jīng)網(wǎng)絡(luò)訓(xùn)練進(jìn)行各種優(yōu)化，甚至專門針對(duì) top-5 進(jìn)行優(yōu)化，把機(jī)器的每一點(diǎn)性能每一點(diǎn)精度都想榨干了去，對(duì)于如何讓人準(zhǔn)確顯示自己的識(shí)別能力，卻漫不經(jīng)心，沒有組織過可靠的實(shí)驗(yàn)，準(zhǔn)確率數(shù)字都不知道是怎么來的。對(duì)比一下生物，神經(jīng)科學(xué)，醫(yī)學(xué)，這些領(lǐng)域是如何拿人做實(shí)驗(yàn)，如何向大家匯報(bào)結(jié)果，AI 領(lǐng)域的做法像是科學(xué)的嗎？
這就是“AI 圖像識(shí)別超越人類”這種說法來的來源。AI 業(yè)界所謂“超人類的識(shí)別率”，“90+% 的準(zhǔn)確率”，全都是用“top-5 準(zhǔn)確率”為標(biāo)準(zhǔn)的，而且用來比較的人類識(shí)別率的數(shù)字沒有可靠的來源。等你用“top-1 準(zhǔn)確率”或者更加公平的標(biāo)準(zhǔn)，使用客觀公正抽選的人類實(shí)驗(yàn)者的時(shí)候，恐怕就會(huì)發(fā)現(xiàn)機(jī)器的準(zhǔn)確率遠(yuǎn)遠(yuǎn)不如人類。
我們來看看 top-1 準(zhǔn)確率吧。業(yè)界最先進(jìn)的模型之一 ResNet-152 的 top-1 錯(cuò)誤率是 19.38%。2017 年的 ImageNet 分類冠軍 SENet-154，top-1 錯(cuò)誤率是 18.68%。當(dāng)然這也沒有考慮過任何實(shí)際的光線，陰影和扭曲問題，只是拿標(biāo)準(zhǔn)的，理想情況的 ImageNet “測(cè)試圖片”來進(jìn)行。遇到實(shí)際的情況，準(zhǔn)確率肯定會(huì)更低。
神經(jīng)網(wǎng)絡(luò)要想提高 top-1 準(zhǔn)確率已經(jīng)非常困難了，都在 80% 左右徘徊。有些算法工程師告訴我，識(shí)別率好像已經(jīng)到了瓶頸，擴(kuò)大模型的規(guī)模才能提高一點(diǎn)點(diǎn)。可是更大的模型具有更多的參數(shù)，也就需要更大規(guī)模的計(jì)算能力來訓(xùn)練。比如 SENet-154 尺寸是 ResNet-152 的 1.7 倍，ResNet-152 尺寸又是 ResNet-50 的 2.4 倍，top-1 準(zhǔn)確率才提高一點(diǎn)點(diǎn)。
我還有一個(gè)有趣的發(fā)現(xiàn)。如果你算一下 ResNet-50 和 ResNet-152 的差距，就會(huì)發(fā)現(xiàn) ResNet-152 雖然模型大小是 ResNet-50 的 2.4 倍，它的 top-1 錯(cuò)誤率絕對(duì)值卻只降低了 1.03%。從 22.37% 降低到 21.34%，相對(duì)降低了 (22.37-21.24)/22.37 = 4.6%，很少。可是如果你看它的 top-5 錯(cuò)誤率，就會(huì)覺得它好了不少，因?yàn)樗鼜?6.36% 降低到了 5.54%，雖然絕對(duì)值只少了 0.82%，比 top-1 錯(cuò)誤率的改進(jìn)還小，可是相對(duì)值卻降低了 (6.36-5.54)/6.36 = 12.9%，就顯得改進(jìn)了挺多。
這也許就是為什么 AI 業(yè)界用 top-5 的第二個(gè)原因。因?yàn)樗腻e(cuò)誤率基數(shù)很小，所以你減小一點(diǎn)點(diǎn)，相對(duì)的“改進(jìn)”就顯得很多了。然后你看歷年對(duì) top-5 的改進(jìn)，就覺得神經(jīng)網(wǎng)絡(luò)識(shí)別率取得了長足的進(jìn)步！
而如果你看 top-1 準(zhǔn)確率，就會(huì)覺得幾乎沒有變化。模型雖然大了幾倍，計(jì)算量大了那么多，top-1 準(zhǔn)確率卻幾乎沒有變。所以神經(jīng)網(wǎng)絡(luò)的 top-1 準(zhǔn)確率似乎確實(shí)到了一個(gè)瓶頸，如果沒有本質(zhì)的突破，恐怕再大的模型也難以超越人類。
準(zhǔn)確率不夠高，不如人類其實(shí)問題不大，只要你承認(rèn)它的局限性，把它用到能用的地方就行了?？墒亲顕?yán)重的問題是人的誠信，AI 人士總是夸大圖像識(shí)別的效果，把它推向超出自己能力的應(yīng)用。
AI 業(yè)界從來沒有向公眾說清楚他們所謂的“超人類識(shí)別率”是基于什么標(biāo)準(zhǔn)，反而在各種媒體宣稱“AI 已經(jīng)超越了人類視覺”。這完全是在欺騙和誤導(dǎo)公眾。上面 Geoffrey Hinton 的采訪視頻中，主持人也提到“神經(jīng)網(wǎng)絡(luò)視覺超越了人類”，這位深度學(xué)習(xí)的先驅(qū)者對(duì)此沒有任何說明，而是欣然接受，繼續(xù)自豪地夸夸其談。
你可以給自動(dòng)駕駛車 5 次機(jī)會(huì)來判斷前面出現(xiàn)的是什么物體嗎？你有幾條命可以給它試驗(yàn)?zāi)兀縏esla 的 Autopilot 系統(tǒng)可能 top-5 正確率很高吧：“那是個(gè)白板…… 哦不對(duì)，那是輛卡車！” “那是塊面包…… 哦不對(duì)，那是高速公路的隔離帶！”
我不是開玩笑，你點(diǎn)擊上面的“卡車”和“隔離帶”兩個(gè)鏈接，它們指向的是 Tesla Autopilot 引起的兩次致命車禍。第一次車禍，Autopilot 把卡車識(shí)別為白板，直接從側(cè)面撞上去，導(dǎo)致車主立即死亡。另一次，它開出車道，沒能識(shí)別出高速公路中間的隔離帶，完全沒有減速，反而加速撞上去，導(dǎo)致車主死亡，并且著火爆炸。
神經(jīng)網(wǎng)絡(luò)能把卡車識(shí)別為白板還算“top-5 分類正確”，Autopilot 根本沒有視覺理解能力，這就是為什么會(huì)引起這樣可怕的事故。
你可以在這里看到一個(gè) Autopilot 導(dǎo)致的事故列表。
出了挺多人命，可是“自動(dòng)駕駛”的研究仍然在混沌中進(jìn)行。2018 年 3 月，Uber 的自動(dòng)駕駛車在亞利桑那州撞死一名推自行車過馬路的女性。事故發(fā)生時(shí)的車載錄像已經(jīng)被公布到了網(wǎng)上。
報(bào)告顯示，Uber 的自動(dòng)駕駛系統(tǒng)在出事前 6 秒鐘檢測(cè)到了這位女士，起初把她分類為“不明物體”，然后分類為“汽車”，最后分類為“自行車”，完全沒有剎車，以每小時(shí) 40 英里的速度直接撞了上去…… 【新聞鏈接】
在此之前，Uber 被加州政府吊銷了自動(dòng)駕駛實(shí)驗(yàn)執(zhí)照，后來他們轉(zhuǎn)向了亞利桑那州，因?yàn)閬喞Ｄ侵蓍L熱情地給放寬政策，“擁抱高科技創(chuàng)新”。結(jié)果呢，搞出人命來了。美國人看到 Uber 自動(dòng)車撞死人，都在評(píng)論說，要實(shí)驗(yàn)自動(dòng)駕駛車就去亞利桑那州吧，因?yàn)槟抢锏娜嗣恢靛X，撞死不用負(fù)責(zé)！
據(jù) 2018 年 12 月消息，Uber 想要重新開始自動(dòng)駕駛實(shí)驗(yàn)，這次是在賓夕法尼亞州的匹茲堡。他們想要在匹茲堡的鬧市區(qū)進(jìn)行自動(dòng)駕駛實(shí)驗(yàn)，因?yàn)槟抢镉歇M窄的街道，列車鐵軌，許多的行人…… 我覺得要是他們真去那里實(shí)驗(yàn)，可能有更好的戲看了。
自動(dòng)駕駛領(lǐng)域使用的視覺技術(shù)是根本不可靠的，給其它駕駛者和行人造成生命威脅，各個(gè)自動(dòng)駕駛公司卻吵著想讓政府交通部門給他們大開綠燈。某些公司被美國政府拒絕批準(zhǔn)牌照之后大吵大鬧，罵政府監(jiān)管部門不懂他們的“高科技”，太保守，跟不上時(shí)代。有的公司更是異想天開，想要政府批準(zhǔn)他們的自動(dòng)車上不安裝方向盤，油門和剎車，號(hào)稱自己的車已經(jīng)不需要人類駕駛員，甚至說“只有完全去掉了人類的控制，自動(dòng)車才能安全運(yùn)行?！?/p>
一出出的鬧劇上演，演得好像自動(dòng)駕駛就快實(shí)現(xiàn)了，大家都在拼命搶奪這個(gè)市場似的，催促政府放寬政策。很是有些我們當(dāng)年大煉鋼鐵，超英趕美的架勢(shì)。這些公司就跟小孩子耍脾氣要買玩具一樣，全都吵著要爸媽讓他玩自動(dòng)駕駛，各種蠻橫要求，馬上給我，不然你就是不懂高科技，你就是“反智”，“反 AI”，你就是阻礙歷史進(jìn)步！給監(jiān)管機(jī)構(gòu)扣各種帽子，卻完全不理解里面的難度，倫理和責(zé)任。玩死了人，卻又抬出各種借口，不想負(fù)責(zé)任。
雖然 Tesla 和 Uber 是應(yīng)該被譴責(zé)的，但這里面的視覺問題不只是這兩家公司的問題，整個(gè)自動(dòng)駕駛的領(lǐng)域都建立在虛浮的基礎(chǔ)上。我們應(yīng)該清楚地認(rèn)識(shí)到，現(xiàn)有的所謂 AI 根本沒有像人類一樣的視覺理解能力，它們只是非常粗糙的圖像識(shí)別，識(shí)別率還遠(yuǎn)遠(yuǎn)達(dá)不到人類的水平，所以根本就不可能實(shí)現(xiàn)自動(dòng)駕駛。
什么 L1~L4 的自動(dòng)駕駛分級(jí)，都是瞎扯。根本沒法實(shí)現(xiàn)的東西，分了級(jí)又有什么用呢？只是拿給這些公司用來忽悠大家的口號(hào)，外加推脫責(zé)任的借口而已。出事故前拿來做宣傳：“我們已經(jīng)實(shí)現(xiàn) L2 自動(dòng)駕駛，目前在研究 L3 自動(dòng)駕駛，成功之后我們向 L4 進(jìn)軍！” 出事故后拿來推脫責(zé)任：“我們只是 L2 自動(dòng)駕駛，所以這次事故是理所當(dāng)然，不可避免的！”
如果沒有視覺理解，依賴于圖像識(shí)別技術(shù)的“自動(dòng)駕駛車”，是不可能在復(fù)雜的情況下做出正確操作，保障人們安全的。機(jī)器人等一系列技術(shù)，也只能停留在固定場景，精確定位的“工業(yè)機(jī)器人”階段，而不能在復(fù)雜的自然環(huán)境中行動(dòng)。
要實(shí)現(xiàn)真正的語言理解和視覺理解是非常困難的，可以說是毫無頭緒。一代又一代的神經(jīng)學(xué)家，認(rèn)知科學(xué)家，哲學(xué)家，為了弄明白人類“認(rèn)知”和“理解”到底是怎么回事，已經(jīng)付出了許多的努力。可是直到現(xiàn)在，對(duì)于人類認(rèn)知和理解的認(rèn)識(shí)都不足以讓機(jī)器具有真正的理解能力。
真正的 AI 其實(shí)沒有起步，很多跟 AI 沾點(diǎn)邊的人都忙著忽悠和布道，沒人關(guān)心其中的本質(zhì)，又何談實(shí)現(xiàn)呢？除非真正有人關(guān)心到問題所在，去研究本質(zhì)的問題，否則實(shí)現(xiàn)真的理解能力就只是空中樓閣。我只是提醒大家不要盲目樂觀，不要被忽悠了。與其夸大其詞，欺騙大眾，說人工智能快要實(shí)現(xiàn)了，不如拿已有的識(shí)別技術(shù)來做一些有用的事情，誠實(shí)地面對(duì)這些嚴(yán)重的局限性。
我并不是一味否定識(shí)別技術(shù)，我只是反對(duì)把“識(shí)別”夸大為“理解”，把它等同于“智能”，進(jìn)行不實(shí)宣傳，用于超出它能力的領(lǐng)域。誠實(shí)地使用識(shí)別技術(shù)還是有用的，而且蠻有趣。我們可以用這些東西來做一些很有用的工具，輔助我們進(jìn)行一些事情。從語音識(shí)別，語音合成，圖片搜索，內(nèi)容推薦，商業(yè)金融數(shù)據(jù)分析，反洗錢，公安偵查，醫(yī)學(xué)圖像分析，疾病預(yù)測(cè)，網(wǎng)絡(luò)攻擊監(jiān)測(cè)，各種娛樂性質(zhì)的 app…… 它確實(shí)可以給我們帶來挺多好處，實(shí)現(xiàn)我們以前做不到的一些事情。
另外雖然各公司都在對(duì)他們的“AI 對(duì)話系統(tǒng)”進(jìn)行夸大和不實(shí)宣傳，可是如果我們放棄“真正的對(duì)話”，坦誠地承認(rèn)它們并不是真正的在對(duì)話，并沒有智能，那它們確實(shí)可以給人帶來一些便利?，F(xiàn)有的所謂對(duì)話系統(tǒng)，比如 Siri，Alexa，基本可以被看作是語音控制的命令行工具。你說一句話，機(jī)器就挑出其中的關(guān)鍵字，執(zhí)行一條命令。這雖然不是有意義的對(duì)話，卻可以提供一些方便。特別是在開車不方便看屏幕的時(shí)候，語音控制“下一首歌”，“空調(diào)風(fēng)量小一點(diǎn)”，“導(dǎo)航到最近的加油站”之類的命令，還是有用的。
但不要忘記，識(shí)別技術(shù)不是真的智能，它沒有理解能力，不能用在自動(dòng)駕駛，自動(dòng)客服，送外賣，保潔阿姨，廚師，發(fā)型師，運(yùn)動(dòng)員等需要真正“視覺理解”或者“語言理解”能力的領(lǐng)域，更不能期望它們?nèi)〈處?，程序員，科學(xué)家等需要高級(jí)知識(shí)的工作。機(jī)器也沒有感情和創(chuàng)造力，不能取代藝術(shù)家，作家，電影導(dǎo)演。所有跟你說機(jī)器也能有“感情”或者“創(chuàng)造力”的都是忽悠，就像現(xiàn)在的對(duì)話系統(tǒng)一樣，只是讓人以為它們有那些功能，而其實(shí)根本就沒有。
你也許會(huì)發(fā)現(xiàn)，機(jī)器學(xué)習(xí)很適合用來做那些不直觀，人看不透，或者看起來很累的領(lǐng)域，比如各種數(shù)據(jù)分析。實(shí)際上那些就是統(tǒng)計(jì)學(xué)一直以來想解決的問題?？墒且曈X這種人類和高等動(dòng)物的日常功能，機(jī)器的確非常難以超越。如果機(jī)器學(xué)習(xí)領(lǐng)域放棄對(duì)“人類級(jí)別智能”的盲目追求，停止拿“超人類視覺”一類的幌子來愚弄大眾，各種夸大，那么他們應(yīng)該能在很多方向做出積極的貢獻(xiàn)。
（全文完）
聯(lián)系客服
