深度學習是不是發展前景特別好？

也許每個計算機科學家都夢想造出變形金剛一樣的人工智能，但這幾年引起重視的“人工智能”還是狹義的深度學習(或者說神經網絡)。在算力和數據的幫助下，深度學習在圖像/語音等領域取得了巨大成功；以神經網絡為核心的外沿應用，諸如自動駕駛，機器人學也蓬勃發展。此外，在各種開源軟件/公開課的幫助下，深度學習門檻很低。也正因此，很多人涌入了這一鄰域，AI會議投稿翻了幾倍，各種AI公司也吸引了無數的投資者。

2016-17年大概是AI概念最火熱的時候，當時學界和業界都有很大進展：AlphaGo戰勝了李世石；Berkeley學者將DeepRL(深度強化學習)應用于機器人，開辟了一個全新的方向；自動駕駛公司雨后春筍般冒了出來，很多從業者認為1-2年后就可以取代人類司機。那時，不少人認為AI將會改變甚至顛覆很多鄰域：也許幾年后，道路上都是自動車，服務機器人進入千家萬戶，簡單重復的勞動會被取代。

我動筆已差不多2020年，三年后回頭看，好像人們對AI太樂觀了。幾家AI獨角獸集中在容易落地的方向(如人臉識別，監控)。這些方向市場飽和，這幾家公司也找不到新的增長點。而自動駕駛面臨各種各樣的問題，安全員依舊不可或缺，初創公司也倒閉了一批。DeepRL的應用局限在棋牌游戲一類可以大量生成數據的場景。對于機器人學，DeepRL在學界飽受爭議，在業界更是沒人敢用。

吳恩達說，AI是新的電力。但我個人以為，這一說法是不準確的。在電力革命之前，人們就已經對電磁現象有了深刻的認知。許多著名的定律，如歐姆定律和麥克斯韋方程，已經被提出。換言之，電力革命是“理論指導實踐”，電動機變壓器等重要發明離不開理論的指導。與之相對，深度學習是“實踐指導理論”：人們通過實驗發現新的算法，如果實驗結果良好則給予經驗性的解釋。缺乏理論指導無疑限制了學界對于新方法的發現。過去幾年里，雖然小的改動層出不窮，但主要的模型還是那么幾種，深度學習還是只能處理有限類型的數據。

也許用蒸汽機來類比深度學習，從性質上更為合適。但是改變人類生產生活的，并不是蒸汽機本身，而是蒸汽動力的紡紗機，火車，輪船等。如果深度學習可以被用來制造火車，輪船一樣對人類產生巨大影響的新發明，那也完全稱得上一場革命。但目前來看，深度學習遠沒有達到這種水平，也很難說有這樣的前景。如前文述，能落地的方向有限，頭部企業缺乏增長點，在事關安全的重要鄰域人們對神經網絡充滿疑慮。

與此同時，一些消極的現象已經出現。就學界來說，深度學習的低門檻，短周期和高收入吸引了很多人；新從業人員的增加以及合格審稿人的缺失，導致了AI論文泥沙俱下，頂會含金量縮水；而人數帶來的激烈競爭和過時單一的評價標準，反而在鼓勵“灌水”。就業界而言，一個行業從業人員的待遇水平，除去泡沫以后，最終必然取決于這個行業整體所能創造的價值。那么，深度學習所創造的價值，能不能撐得起那么多算法工程師，算法科學家的高薪呢？我沒有統計過，但很難對此樂觀。

我不是說要把深度學習束之高閣。相反，我覺得深度學習應該像編程一樣被普及。因為深度學習入門門檻真的很低，python編程加上不超過大一水平的數學而已。換言之，每個人都應該知道，對于特定類型的數據，我們可以解決歸類，擬合，模式匹配等問題。反過來說，人們也應該明白，目前的“人工智能”有巨大的局限，數據并不萬能，我們離家政機器人都還差十萬八千里，更不用說天網和終結者了。

但如果想要深入研究深度學習，那相比“普及”可能就是另一回事了。以蒸汽機為類比的話，大概有兩個方向。要么原理性的解釋神經網絡，運用數學工具研究其性質，這類似熱力學定律之于蒸汽機；要么應用神經網絡發明像火車，輪船一樣改變人類生產生活的東西。而研究神經網絡理論是一個數學問題，需要深厚的理論功底和孜孜不倦的思考，這并不“低門檻，短周期和高收入”，不適合大部分人。

對于神經網絡的應用，也需要從兩個方面看待。對于一些簡單直接的應用，例如人臉識別，它們基本上已經落地(并且飽和)，剩下的工作主要在工程師而非研究員；而對于把神經網絡應用于其他學科的研究，其核心與難點也不是神經網絡本身，而是問題的提出，數據的準備，以及輸出結果的處理和應用。例如，前一段有些把深度學習用于數據庫的研究。在這些研究中，主要的創新在于問題的轉化，主要的工作則在于數據庫系統的實現。從事這些研究的，并不是一般意義上的算法科學家(Machine Learning Scientist)。在他們的知識結構中，深度學習只是很小的一部分，所以對他們更準確的刻畫可能是“懂深度學習的數據庫系統科學家”。

也就是說，為了深度學習的發展，目前在學界可能更需要懂得深度學習的物理學家，計算機科學家，工程學家，而不是算法科學家；在業界則更需要懂得深度學習的軟件工程師，硬件工程師乃至機械工程師，而不是算法工程師。做一個類比的話，如果瓦特蒸汽機已經被發明，那學界和業界可能更需要科學家卡諾(熱力循環)和發明家富爾頓(蒸汽輪船)，而不是第二個，第三個乃至第一千個瓦特。