現(xiàn)在每一個(gè)人都在學(xué)習(xí)，或者正打算學(xué)習(xí)深度學(xué)習(xí)（DL），它是目前人工智能諸多流派中唯一興起的一個(gè)。各個(gè)年齡階段的數(shù)十萬(wàn)人學(xué)習(xí)著免費(fèi)和收費(fèi)的深度學(xué)習(xí)課程。太多的創(chuàng)業(yè)公司和產(chǎn)品的命名以「深度」開(kāi)頭，深度學(xué)習(xí)已然成了一個(gè)流行語(yǔ)，但其真正使用實(shí)際上很少。絕大多數(shù)人忽略了深度學(xué)習(xí)只占機(jī)器學(xué)習(xí)領(lǐng)域的 1%，而機(jī)器學(xué)習(xí)又只占到了人工智能領(lǐng)域的 1%。余下的 99% 則被用來(lái)處理實(shí)踐中的絕大多數(shù)任務(wù)。一個(gè)深度學(xué)習(xí)專家無(wú)法與人工智能專家劃上等號(hào)。

深度學(xué)習(xí)并不是人工智能的同義詞。谷歌、Facebook 等巨頭公司宣傳最多的人工智能工具主要是或者僅僅是深度學(xué)習(xí)，因此大眾誤以為所有的人工智能突破都（將）由深度學(xué)習(xí)實(shí)現(xiàn)。真實(shí)情況并非如此。決策樹(shù)比如 XGBoost 不會(huì)成為頭條，但卻在很多 Kaggle 表格數(shù)據(jù)競(jìng)賽中低調(diào)地?fù)魯×?a href="http://www.qzkangyuan.com/cnidc/bigdata/news/20170814/15847.html">深度學(xué)習(xí)。媒體暗示 AlphaGo 的成功全部歸于深度學(xué)習(xí)，但實(shí)際上它是蒙特卡洛樹(shù)搜索+深度學(xué)習(xí)，這表明深度學(xué)習(xí)單槍匹馬很難取勝。很多強(qiáng)化學(xué)習(xí)的任務(wù)通過(guò)神經(jīng)進(jìn)化的 NEAT 而不是反向傳播得到解決。人工智能領(lǐng)域存在著「深度誤傳」（deep misinformation）。

我并不是說(shuō)深度學(xué)習(xí)沒(méi)有解決問(wèn)題：它令人印象深刻。樹(shù)和其他算法并沒(méi)有完勝深度學(xué)習(xí)，某些任務(wù)上深度學(xué)習(xí)無(wú)法被取代，但是我希望未來(lái)一些非深度學(xué)習(xí)系統(tǒng)可被（重新）發(fā)現(xiàn)以擊敗深度學(xué)習(xí)，并解決了目前無(wú)法解釋的黑箱問(wèn)題。同樣我也希望讀到有關(guān)「災(zāi)難性遺忘」的深度學(xué)習(xí)文章，它是指在學(xué)習(xí)新知識(shí)時(shí)快速遺忘先前已學(xué)習(xí)知識(shí)的傾向，并且需要每天對(duì)抗「過(guò)擬合」。關(guān)于「智能」：深度學(xué)習(xí)只是簡(jiǎn)單地相信給到的訓(xùn)練數(shù)據(jù)，而不管什么是真與假，現(xiàn)實(shí)與想象，公平與不公。人類也會(huì)誤信假新聞，但只是在某種程度上，甚至孩童都知道電影是虛構(gòu)的、不真實(shí)的。

關(guān)于更多細(xì)節(jié)，如果你有時(shí)間了解，請(qǐng)見(jiàn)我的詳述文章：https://www.linkedin.com/pulse/ai-deep-learning-explained-simply-fabio-ciucci。

20 年前，每個(gè)人都在學(xué)習(xí) HTML，這個(gè)手動(dòng)寫(xiě)網(wǎng)頁(yè)的標(biāo)記語(yǔ)言當(dāng)時(shí)被認(rèn)為足以成就一個(gè)億萬(wàn)富翁。我學(xué)習(xí)每一項(xiàng)看起來(lái)有用的技術(shù)，如 HTML、手機(jī) app 和深度學(xué)習(xí)，并且邀請(qǐng)其他人一些學(xué)習(xí)。事實(shí)上，你一生中不是只學(xué)習(xí)一次技術(shù)。1995 年 HTML 開(kāi)始過(guò)時(shí)，無(wú)法滿足需求，取而代之的是 CSS、JavaScript 和服務(wù)器語(yǔ)言。同樣地，深度學(xué)習(xí)有一天也會(huì)過(guò)時(shí)。大多數(shù)流行的手機(jī) APP 根本用不到 HTML，那么，誰(shuí)又會(huì)知道未來(lái)的人工智能 APP 用不用得到深度學(xué)習(xí)呢？

實(shí)際上，深度學(xué)習(xí)是 1980 年代的技術(shù)，比 HTML 還老：由于有了更多的訓(xùn)練數(shù)據(jù)，1970 年代的「帶有隱藏層的神經(jīng)網(wǎng)絡(luò)」獲得新生，重新命名為深度學(xué)習(xí)之后被大肆炒作。1992 年我扼要地查看了神經(jīng)網(wǎng)絡(luò)以及分形分析（fractal）和細(xì)胞自動(dòng)機(jī)的源代碼。正如絕大多數(shù)人一樣，當(dāng)時(shí)我并沒(méi)有選擇深度學(xué)習(xí)，只是把它當(dāng)作毫無(wú)實(shí)際價(jià)值的學(xué)術(shù)數(shù)學(xué)難題。相反，我聚焦于視頻游戲的 3D 技術(shù)，因?yàn)樗梢约纯太@得結(jié)果；后來(lái)我又開(kāi)始關(guān)注互聯(lián)網(wǎng)等。但是我們都錯(cuò)了，深度學(xué)習(xí)借助大數(shù)據(jù)可以大有作為。2015 年 Deep Dream 簡(jiǎn)直令我著迷，接著是 GANs 等。但是，深度學(xué)習(xí)并不是人類可以創(chuàng)造的人工智能科技的終點(diǎn)。

數(shù)十年來(lái)，「古老」的深度學(xué)習(xí)技術(shù)已被廣泛研究和更新以更準(zhǔn)確地解決更多任務(wù)，但是沒(méi)有一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)（卷積、RNN、RNN + LSTM、GANs 等）可以解釋其自身的決策。無(wú)疑深度學(xué)習(xí)還會(huì)解決更多的問(wèn)題，取代更多的工作，但不太可能解決所有的問(wèn)題，或者保持驚人的進(jìn)步以自我解決黑箱問(wèn)題或者為之正名。

哲學(xué)家柏拉圖與亞里士多德：深度學(xué)習(xí)無(wú)法理解他們

未來(lái)人工智能應(yīng)探索其他的新方法，或者已存在卻被忽視的方法，而不僅僅是深度學(xué)習(xí)。深度學(xué)習(xí)的一個(gè)局限是把數(shù)據(jù)中最常遇見(jiàn)的內(nèi)容作為真理，把統(tǒng)計(jì)學(xué)上較稀少的東西看作假的。深度學(xué)習(xí)的公正性并非來(lái)自其自身，而是人類篩選和準(zhǔn)備的數(shù)據(jù)。深度學(xué)習(xí)可以閱讀并翻譯文本，但不是以人類的方式。如果使用超過(guò) 100 本書(shū)訓(xùn)練深度學(xué)習(xí)模型：40 本書(shū)告訴仇恨、戰(zhàn)爭(zhēng)、死亡和摧毀如何是壞的，60 本書(shū)告訴希特勒的納粹思想是好的，那么該模型最終會(huì)成為 100% 的納粹！

深度學(xué)習(xí)靠自己永遠(yuǎn)無(wú)法明白為什么殺害猶太人、同性戀以及殘疾人是錯(cuò)誤的，如果在訓(xùn)練數(shù)據(jù)集中納粹主義是最流行的觀點(diǎn)。難怪深度學(xué)習(xí)無(wú)法解釋其自身決策，除了「我（深度學(xué)習(xí)）讀到最多的是「納粹主義是正確的」，因此它應(yīng)該是正確的」。深度學(xué)習(xí)將會(huì)學(xué)習(xí)并模仿最具缺陷的邏輯，包括恐怖主義。甚至孩童可以自己明白電影中那個(gè)家伙是壞人，但是深度學(xué)習(xí)做不到，除非人類首先明確教導(dǎo)它。深度學(xué)習(xí)中有些東西很酷，比如帶有反向傳播的梯度下降、自定義深度學(xué)習(xí)硬件；但這多是統(tǒng)計(jì)學(xué)和幾何學(xué)的，很可能不會(huì)出現(xiàn)在 2037 年的人工智能時(shí)代。