2021 年，「人工智能奇跡」不再只是故事！
歲末將至，IEEE Spectrum 總結(jié)了 2021 年 10 篇最受讀者歡迎的 AI 文章，按時間排名，其中一些文章來自 2021 年 10 月的 AI 特刊「The Great AI Reckoning」。
1. 深度學(xué)習(xí)的收益遞減，只因訓(xùn)練成本太高
MIT 的 Neil Thompson 團隊?wèi){借一篇關(guān)于訓(xùn)練深度學(xué)習(xí)系統(tǒng)的計算和能源成本的文章占據(jù)了榜首。
在這篇文章中，研究人員分析了圖像分類器的改進過程，結(jié)果發(fā)現(xiàn)，現(xiàn)在要想將圖像識別的錯誤率減半，需要 500 倍的計算資源。
文章表示，「面對飛漲的成本，研究人員要么想出更有效的方法來解決這些問題，要么放棄對這些問題的研究，讓圖像分類器的性能停滯不前?！共贿^，這篇文章最后也提出了一些關(guān)于未來方向一些有前途的觀點。
https://spectrum.ieee.org/deep-learning-computational-cost
2. 了解 2021 年的AI動向，看這 15 張圖表就夠了
每年，「人工智能指數(shù)都會將大量數(shù)據(jù)放入有關(guān)人工智能的對話中。2021 年，該指數(shù)展示了學(xué)術(shù)界和工業(yè)界的全球視角，凸顯AI勞動力多樣性的問題和AI應(yīng)用的道德挑戰(zhàn)。此文將 222 頁的報告濃縮成 15 個圖表，涵蓋工作、投資等領(lǐng)域。
https://spectrum.ieee.org/the-state-of-ai-in-15-graphs
3. DeepMind 在「重新發(fā)明」機器人
近幾年，AI領(lǐng)域一些最令人印象深刻的突破背后都有DeepMind的身影。比如蛋白質(zhì)折疊方面的突破性工作，以及在圍棋上擊敗人類專業(yè)棋手的 AlphaGo。因此，當(dāng) DeepMind 表示準(zhǔn)備嘗試構(gòu)建多才多藝、高適應(yīng)性的機器人時，毫無意外地引發(fā)了人們的廣泛關(guān)注。
https://spectrum.ieee.org/how-deepmind-is-reinventing-the-robot
4. AI 簡史：動蕩的過去和不確定的未來
這篇文章講述了AI領(lǐng)域從 1956 年至今的故事，同時也為其他文章提供了線索。如果想了解AI是如何從純概念發(fā)展至今的，讀一讀此文再合適不過。
本文梳理了過去執(zhí)著于「專家系統(tǒng)」的符號主義者與發(fā)明神經(jīng)網(wǎng)絡(luò)的「連接主義者」之間的大爭論，并提出了「混合神經(jīng)符號系統(tǒng)」誕生的可能性。
https://spectrum.ieee.org/history-of-ai
5. 吳恩達眼中的「AI熱潮」
此文是 AI 先驅(qū)人物吳恩達在 Zoom 采訪問答環(huán)節(jié)中的節(jié)錄。吳恩達深入?yún)⑴c了 Google Brain 和百度的早期 AI 工作，現(xiàn)在領(lǐng)導(dǎo)一家名為 Landing AI 的公司。
文中，吳恩達談到了斯坦福大學(xué)開發(fā)的AI系統(tǒng)，該系統(tǒng)通過胸部 X 光片發(fā)現(xiàn)肺炎，效果甚至優(yōu)于放射科醫(yī)生。但目前，距離將AI系統(tǒng)應(yīng)用到實際臨床，還有很長的路要走。
https://spectrum.ieee.org/andrew-ng-xrays-the-ai-hype
6. OpenAI 的 GPT-3 會說話了，但可能不那么好聽......
當(dāng) OpenAI 在 2020 年推出語言生成系統(tǒng) GPT-3 時，AI社區(qū)的第一反應(yīng)是敬畏。只要給出最少的提示，GPT-3 就可生成關(guān)于任何主題和任何風(fēng)格的流暢、連貫的文本。
但GPT-3也有另一面。GPT-3接受了來自互聯(lián)網(wǎng)的大量文本的訓(xùn)練，了解在網(wǎng)絡(luò)世界的普遍的人類偏見，可能產(chǎn)生了一個可怕的習(xí)慣：學(xué)會了陰陽怪氣和罵人。
這就產(chǎn)生了一個問題，如果有企業(yè)希望將GPT-3用于客戶服務(wù)、在線輔導(dǎo)、心理健康咨詢等領(lǐng)域，要如何防止它不小心對著客戶陰陽怪氣呢？
https://spectrum.ieee.org/open-ais-powerful-text-generating-tool-is-ready-for-business
7. AI成功復(fù)制蜻蜓大腦
蜻蜓大腦與導(dǎo)彈防御有什么關(guān)系？問問桑迪亞國家實驗室的 Frances Chance，他研究了蜻蜓如何有效地利用約 100 萬個神經(jīng)元，以非凡的精度捕捉空中獵物。
Chance的研究與構(gòu)建規(guī)模和復(fù)雜性不斷增加的神經(jīng)網(wǎng)絡(luò)的研究實驗室形成了有趣的對比。
她表示：「我們的目標(biāo)是，通過利用蜻蜓神經(jīng)系統(tǒng)的速度、簡單性和效率，設(shè)計能夠更快地執(zhí)行這些功能的計算機，而功耗僅為傳統(tǒng)計算機系統(tǒng)的一小部分?！?/font>
https://spectrum.ieee.org/fast-efficient-neural-networks-copy-dragonfly-brains
8. 除非能復(fù)制人類大腦，否則深度學(xué)習(xí)還不夠「深」
杰夫·霍金斯發(fā)明了掌上電腦，開創(chuàng)了智能手機時代?，F(xiàn)在，他正在研究人腦中智能的基礎(chǔ)，并希望開創(chuàng)通用人工智能（AGI）的新時代。
與霍金斯的這個訪談提及了他最有爭議的一些想法?；艚鹚箞孕牛壷悄?AI 不會對人類構(gòu)成生存威脅，意識問題，并不是真正困難的問題。
https://spectrum.ieee.org/deep-learning-isnt-deep-enough-unless-it-copies-from-the-brain
9. AI算法，讓雜貨店「動起來」
了解為我們的生活提供便利的技術(shù)總是一件趣事。
雜貨店購物和送貨公司 Instacart 的工程師 Sharath Rao 和 Lily Zhang 表示，該公司的AI基礎(chǔ)設(shè)施可以預(yù)測「近 40000 家雜貨店的產(chǎn)品，涵蓋數(shù)十億個不同數(shù)據(jù)點」是否缺貨，同時還提出關(guān)于換貨的建議，預(yù)測有多少購物者，并對訂單和送貨路線進行高效分組。
https://spectrum.ieee.org/the-algorithms-that-make-instacart-roll
10. AI繞不過去的七大弱點
AI在不斷取得突破的同時，也在遭受著數(shù)不清的失敗。
本文列舉了AI模型陷于失敗的七個例子，揭示了AI目前存在的繞不過去的弱點?？茖W(xué)家們討論了處理其中一些問題的可能方法；但也有一些AI的局限性在目前是無法解釋的，或者說從哲學(xué)上講，可能完全沒有任何結(jié)論性的解決方案。
https://spectrum.ieee.org/ai-failures
2022 年，是否會成為AI科學(xué)家們攻克棘手問題的一年？AI的算法偏差會解決嗎？災(zāi)難性遺忘問題會被攻克嗎？在不破壞地球能源的情況下，能找到提高AI性能的方法嗎？
