這不是一個會不會發(fā)生的問題, 而是會什么時候發(fā)生的問題。

在之前的文章中，我寫過關于AI在創(chuàng)新潛能上與之前的科技浪潮的不同之處。文章的核心主題是近期在主流科技浪潮中***的全分布式創(chuàng)新模型。

在過去的幾年中，AI無窮的潛力被大肆宣傳。這些宣傳中，一些是符合實際情況的，但是很多卻被過分夸大。

事實上，對于一項正在風頭上的科技，人們很難想象未來將會遇到什么樣的困難。人工智能和相關技術被追捧的時間已經(jīng)很長了，常理推斷它由盛轉衰的***點也即將來臨。在過去長達1年半的時間里我都有這種預感，而高德納公司2016年的“炒作周期”更是映證了這一看法(參考機器學習)：

《高德納2016炒作周期》

整體來看，AI 可能已經(jīng)開始出現(xiàn)“幻滅”的勢頭。作為一種主觀推斷，幻滅發(fā)生的時間無法用科學方法去測算。然而不論我們相信與否，AI的熱度會不可避免的有所反彈。然而，關于AI的幻滅從一定程度上來說并不是一件壞事，因為在很多情況下，炒作宣傳的內(nèi)容都遠遠超過了當前的技術發(fā)展水平。

但是我并不擔心這種情況的發(fā)生，因為我對長遠的規(guī)劃更感興趣，這包括：過去幾年中的杰出成就能否持續(xù)發(fā)展?是否能繼續(xù)遵循全分布式的創(chuàng)新模式?或者是事與愿違，AI會最終迎來一個寒冬?

這都很難預測，因為很多因素會減緩現(xiàn)在的創(chuàng)新速率，接下來我會對此進行深入探討。

1. 專利比論文更受偏愛

與之前的技術相比，AI的一個重要優(yōu)勢就是強有力的研究背景。在計算機科學領域，創(chuàng)新程度是用發(fā)表的文章以及這些文章對AI技術的影響程度來衡量的。谷歌，臉書，和其他大型AI公司從學校挖走了很多***的AI人才，而這些人才在業(yè)界也還在繼續(xù)發(fā)表文章。

盡管學術論文經(jīng)常會讓人覺得晦澀難懂，但是它們確實包含著如何應用一個新方法或者算法來繪制技術的前景藍圖，這也使得AI領域中的大多數(shù)創(chuàng)新能夠公之于眾。甚至有些情況下，在新論文發(fā)表的幾天之內(nèi)，github上就會出現(xiàn)相應的應用實例。

在大企業(yè)中，關于是否將一個想法發(fā)表專利一直都存在爭議。考慮到機器學習領域的飛速進展，研究人員都想盡快發(fā)表自己的論文，以宣示對新想法的所有權。谷歌目前除了對一些有專利的產(chǎn)品，如 word2vec，對其他產(chǎn)品都持有較為開放的態(tài)度。我希望谷歌能繼續(xù)保持下去，不然這種現(xiàn)象可能會嚴重阻礙AI社區(qū)的發(fā)展。

2. 少數(shù)大公司雇傭了所有的AI人才

目前有很多關于科技巨頭從各大高校席卷AI人才的故事。在過去的幾年中，很多高調收購案的目的都是為了獲得AI核心人才。這種現(xiàn)象的好處是抬高了AI技術的身價，壞處則是人才都去了少數(shù)的大公司。

谷歌、臉書、亞馬遜、百度、微軟、特斯拉、蘋果和IBM都在野心勃勃的建立AI中心，并且把能找到的博士生都收入麾下。這些公司在AI研究社區(qū)都極力表現(xiàn)以維持自己的聲望，但是由于公司內(nèi)部的工作進程安排使得那些來大公司的人才很難獲得在學校或者在自己創(chuàng)辦的公司中實踐想法的自由度。

如果少數(shù)十幾家公司網(wǎng)羅了世界上絕大部分的AI人才，我們將看不到更多與眾不同的創(chuàng)意和新的解決方案。多數(shù)大公司并不能快速換代，創(chuàng)建新產(chǎn)品。因此，我們更需要一個健康的創(chuàng)業(yè)環(huán)境來激發(fā)新靈感。

3. 等待好結果的時間太久

當每個人都從Good Morning America上了解到AI時，其實人們的心理倒計時已經(jīng)開始了。如果沒有好的產(chǎn)品來支撐，在宣傳維持了一段時間的熱度之后，人們終會對AI喪失信心，并且把它丟進名為過度炒作的垃圾桶里。

這意味著如果得不到新的解決方案或者新結論，人們將不會再關注下去。

4. 幾個重大失敗案例

一個難以避免的會減慢AI發(fā)展的情況就是出現(xiàn)重大失敗。不論是AI公司沒能提供承諾的價值，還是一個新產(chǎn)品發(fā)售后反響平平，都會給大眾埋下懷疑的種子。就像沒有值得上新聞的突破一樣，類似MD Anderson取消與IBM Watson的合作協(xié)議一樣的重大失敗會讓原本對AI很熱忱的公眾開始產(chǎn)生懷疑。

5. Tensorflow變得太復雜和太占主流

也許這不符合常理，但是實際情況是，擁有很多AI開發(fā)平臺才是一件好事，而不是像現(xiàn)在這樣，Tensorflow成為了主流。無論如何，應用新的AI技術對于小團隊和個人都是很困難的。開發(fā)整體部署軟件(如操作系統(tǒng))需要大量的開發(fā)者的協(xié)作，但AI平臺與此不同。當一篇新的論文發(fā)表后，相互競爭的實踐產(chǎn)物經(jīng)常在幾周或幾天之內(nèi)就出現(xiàn)了。

Tensorflow是***的機器學習框架，并且正在變得越來越強大和復雜。如果Tensorflow真的變得過于復雜，讓人難以應用，或者谷歌失去了對它進行高頻更新的興趣，那Tensorflow本身將會阻礙創(chuàng)新。雖然短期來看，所有人都使用Tensorflow是一件好事，但在長遠來看很可能成為一個隱患。

6. 我們用深度學習只到達了局部***

深度學習已經(jīng)一戰(zhàn)封神。現(xiàn)在它能讓軟件替代醫(yī)生，甚至能做飯，清潔，洗碗。有些暫時或許還沒有實現(xiàn)，但是人們把太多的注意力投注在深度學習上會導致對其他領域的關注不足，而下一個突破點很可能就在這樣的過程中被忽視了。深度學習也有自己的不足，所以我們需要持續(xù)地探索新的想法和概念。

7. 社會和政治上的壓力會阻礙AI前進

我認為AI發(fā)展會減緩的最主要的原因并不是技術本身或者創(chuàng)造新解決方案的能力，反而是公眾對這些方案實施的熱度。

公眾非常期待5級自動駕駛技術能夠應用，同樣也對飛機的無人駕駛很感興趣，但是目前駕駛艙坐著的仍然是人類。

公眾多年建立起來的信心可能只需要一個偶然的重大事故就摧毀了。我們可以預見，將來AI會產(chǎn)生的事故不止一個。盡管機器操作可能比人工操作的事故率低，但是AI還是會因為這少數(shù)的“事故”獲得很慘的下場。

8. 放慢速度是件好事

我希望未來AI能夠不要太主流。一定程度上，獲得巨大關注是一件好事，這會讓個人和公司對開發(fā)新技術興致高漲，但這樣會產(chǎn)生過度炒作的弊端以及帶來很多任意消費而不思回報的盲從者。同時，讓我更擔心的是熱度越高，摔得越重。

原文：https://unsupervisedmethods.com/what-will-stop-ais-momentum-1ad2666d6d39

【本文是51CTO專欄機構大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文