夢碎的現(xiàn)實:自動駕駛車禍和區(qū)塊鏈崩盤

AI領域專家Filip Piekniewski時隔一年再發(fā)雄文，堅持認為AI寒冬將至，在硅谷40多年的計算機革命浪潮中，AI和區(qū)塊鏈一樣，都是死路一條。

去年5月，計算機視覺和AI領域專家Filip Piekniewski一篇雄文AI Winter is Well on its Way，第一次引發(fā)了學術、產(chǎn)業(yè)對這波“AI寒冬”的討論。

時隔近一年之后，F(xiàn)ilip Piekniewski近日再次撰文，堅稱AI寒冬將至，并且認為區(qū)塊鏈、AI都是這場計算機革命的兩朵曇花，最終這兩個賭注都是死路一條，只有極少數(shù)人會贏。

Filip Piekniewski的這篇文章結構如下：

硅谷前20年：從CPU、GPU到第一次互聯(lián)網(wǎng)泡沫；

智能手機拯救硅谷；

硅谷的新救星：區(qū)塊鏈和AI；

AI盛宴尾聲：跳不出陷阱仍然是白日夢。

以下是新智元對這篇文章的編譯。

神奇之谷：被摩爾定律照耀的地方

從前，在20世紀80年代，有一個神奇的地方叫硅谷。許多奇妙的事情即將在那里發(fā)生，許多人將在那里賺到盆滿缽滿。這一切都與計算機的奇跡有關，它將徹底改變幾乎所有事情。

計算機有大量的應用擺在它們面前：徹底變革辦公室工作，通過電腦游戲娛樂，改變我們溝通、購物和使用銀行系統(tǒng)的方式。但在當時，它們笨拙、緩慢、而且昂貴。盡管有這樣的希望，但除非計算機以某種方式能夠指數(shù)級地變得更快、更便宜，否則許多這些事情都無法實現(xiàn)。

但是摩爾定律出現(xiàn)了——集成電路中的晶體管數(shù)量每隔18個月就會翻一番。如果這條定律成立，未來將會很美好。市場正在等待的應用將成為現(xiàn)實，錢也是可以賺到的。

到20世紀90年代中期，很明顯摩爾定律起作用了。

計算機變得越來越快，軟件變得越來越復雜，以至于每年都要進行升級才能跟上進度。每一代新一代CPU的速度都明顯比前代產(chǎn)品要快，每一代軟件產(chǎn)品的運行速度都明顯比它們的前代產(chǎn)品要慢，性能也更強。

總的來說，通過定期升級到新硬件，軟件的運行速度似乎和以前一樣快(或更快)，但提供了越來越多的功能。大部分的增益是由于時鐘速度的提高(1990年初計算機的時鐘速度是33Mhz，到2000年，超過1Ghz的時鐘速度已經(jīng)可用)，因此，無需重寫任何東西來利用增加的計算能力，只要是在一臺新計算機上，所有東西都會運行得更快。一切看起來都很好。

到20世紀90年代末，一種新的處理器問世了：GPU。這些處理器與常規(guī)CPU略有不同。GPU芯片具有許多小內(nèi)核并行工作，經(jīng)過優(yōu)化以執(zhí)行3D圖形渲染。最初它們作為額外的加速器出售(3dfx voodoo)，但很快就與普通顯卡集成(Nvidia - Riva TNT)。有了GPU，游戲畫面開始變得更好了，運行得也快多了。這再一次讓硅谷的大亨們賺到大錢。

90年代末(左圖)和20年后(右圖)計算機內(nèi)部的視圖，大小和組件相似，但可能要強大幾千倍。

但到了2000年初，情況開始變得有些不同?；ヂ?lián)網(wǎng)泡沫剛剛破裂，很多人損失了很多財富。此外，提高時鐘速度的舊策略遇到了一些障礙：為了提高切換速度，必須保持電路的工作電壓相對較高，這反過來會導致芯片升溫。隨后的速度增益就開始受到散熱能力的限制。

為了讓這場盛宴繼續(xù)下去，CPU制造商開始增加芯片中執(zhí)行核心的數(shù)量。但是必須重寫大部分軟件才能利用這種并行性。接下來每一代新一代CPU的誕生，事情的發(fā)展也就不再那么神奇了。

但更糟糕的是，大多數(shù)情況下，事情不必需要變得更快。

大部分軟件堆棧已經(jīng)成熟，應用程序已經(jīng)固化，人們不再需要每年換一個新的CPU或2倍的內(nèi)存，事情已經(jīng)飽和。

如今，大部分辦公室工作都可以在35美元的樹莓派上完成。就連游戲領域也基本上被游戲機飽和了。這些游戲機的售價低于成本價，初始投資可以從游戲隱藏的費用中收回。游戲機為絕大多數(shù)人提供了方便、易用的界面和令人滿意的游戲體驗。這對硅谷來說是個問題，事情開始放緩。

智能手機拯救硅谷

到了2000年中期，另一項便利的發(fā)明拯救了硅谷——智能手機。

盡管PC市場開始明顯放緩，但智能手機市場卻在迅速發(fā)展，并在2007年至今推出的各種型號的手機中達到頂峰。對于智能手機，更新迭代并不是太關注CPU的速度，而是電量的使用(電池壽命)和傳感器/屏幕的質(zhì)量。

在過去10年里，相機和屏幕確實取得了巨大的進步，但除了一個關鍵參與者——蘋果(Apple)以外，硅谷大亨們并沒有獲得多少新的收入。相反，硅谷專注于軟件方面的服務公司，比如優(yōu)步(Uber)、Netflix以及其他app，得以利用這個新平臺。

但從一開始就很明顯，智能手機革命的火焰不會永遠燃燒。事實上，到2018年，許多人意識到他們不需要每兩年就花1000美元買一部新的智能手機，而且就像之前的PC一樣，舊型號的智能手機對大多數(shù)應用程序來說都還很好用。這導致蘋果股票在2018年秋季遭受重創(chuàng)，使該公司的估值回到遠低于萬億美元的水平。

隨著各種市場的枯竭，硅谷需要一些新的東西。需要一些和90年代的PC革命一樣重要的新機會。它將使全新的應用成為可能，將允許入侵并破壞新的行業(yè)。它將重新點燃對更多芯片的需求——創(chuàng)造對更高計算能力的需求。到2012年，兩個潛在的機會出現(xiàn)了：區(qū)塊鏈和人工智能。

AI盛宴開始了

區(qū)塊鏈(2010年最初以比特幣的形式出現(xiàn))，這個想法是通過刪除賬本(銀行)來完全取代金融系統(tǒng)，并提供一種建立遠程交易的自我認證手段。

此外，構建區(qū)塊鏈的方法還需要大量的計算能力，以計算所謂的工作量證明(proof of work)。這就是硅谷所希望的：一個新的、利潤豐厚的應用空間，此外還需要大量新的芯片來滿足計算需求。

人工智能在硅谷爆發(fā)大約是在2012年，當時一位名叫Geoff Hinton的加拿大人和他的學生在ImageNet圖像分類競賽中使用深度神經(jīng)網(wǎng)絡獲勝，該網(wǎng)絡在一塊GPU上實現(xiàn)，而Geoff Hinton此前的30年都在研究聯(lián)結主義模型和神經(jīng)網(wǎng)絡這一神秘空間。

跟區(qū)塊鏈一樣，AI技術可以開啟一系列新的應用，并需要大量新的芯片。硅谷的許多人很快就看到了這種潛力，資金開始源源不斷地涌入。

自上世紀90年代深度學習的最后一個冬天以來，神經(jīng)網(wǎng)絡學者們就一直蟄伏在各個大學，他們很快就注意到了這個機會。仿佛突然之間，他們被邀請加入了硅谷的盛宴。

神經(jīng)網(wǎng)絡不斷地給出新的令人興奮的結果：對象識別和分割、語音識別、機器翻譯都不斷變得越來越好。這些新功能很快被谷歌、Facebook等擁有大量數(shù)據(jù)的公司所吸收。但這種興奮很快就過頭了。

科學家們都是訓練有素的專業(yè)人士，擅長在研究經(jīng)費申請中過分承諾，而現(xiàn)在他們有了更好的客戶：風險投資家。這些人喜歡聽關于美好未來的故事，在這些故事中AI將徹底改變一切。

風險投資家們對廢話的鑒別比政府資助機構要低得多，只要在NIPS會議上發(fā)表一篇論文，就足以讓他們放棄任何盡職調(diào)查的必要性。

而且，在AI空間中，只要添加一些想象力就可以輕松將這些童話故事提升到一個新的水平，與一些著名的科幻電影進行比較，使故事看起來我們面前已經(jīng)有一個驚人的拐點，這是AI最終會達到的一個點，在這個點上，AI的提升將超出我們的想象——奇點(the singularity)。

這導致了一種錯失恐懼癥(ultimate fear of missing out, FOMO)。過去，即使是政府資助機構也會成為AI承諾的受害者，每次都會導致資金凍結，即所謂的AI冬天。

但硅谷買下了這個故事，創(chuàng)造了有史以來最大的AI盛宴。他們毫不猶豫地買下了它。

研發(fā)中心、非營利性實驗室和初創(chuàng)企業(yè)開始迅速壯大，哪怕大學剛畢業(yè)的深度學習科學家們往往沒有任何行業(yè)經(jīng)驗。初創(chuàng)企業(yè)蓬勃發(fā)展，它們承諾在機器人、自動駕駛汽車、無人駕駛飛機等領域創(chuàng)造各種奇跡。

所有這些問題的解決方案都是深度學習——簡單地說，就是在更多的數(shù)據(jù)和更大的GPU上訓練更深的網(wǎng)絡。它本應該神奇地起作用，只是需要更多的數(shù)據(jù)和更多的計算。

于是，盛宴就這么開始了。

深度學習：玩游戲最具革命性，難走進現(xiàn)實

到2018年，一些人開始意識到事情可能不會這樣發(fā)展下去。目標識別或分割領域的大多數(shù)“真實世界”基準開始顯示出明顯的收益遞減跡象。即使有大量數(shù)據(jù)和極其強大的機器的訓練，這些模型在性能上只取得了有限的提升，在某些情況下甚至根本沒有性能提升。

科學家們做得最好的事情是：他們不是生產(chǎn)產(chǎn)品，而是生產(chǎn)了大量論文，其中一些論文研究了新技術令人驚訝的局限性。

在深度學習應該帶來革命的所有方向中，只有一個方向持續(xù)帶來良好結果——玩游戲。這是因為游戲可以在計算機上實現(xiàn)，并且可以生成比在任何現(xiàn)實世界應用程序中實際獲得和標記的數(shù)據(jù)多幾個數(shù)量級的數(shù)據(jù)。

在許多情況下，僅僅是訓練AI玩這些游戲就需要花費數(shù)十萬美元(僅僅是電力和計算硬件成本)。但是，同樣的技巧在實際問題中并不適用，因為標記數(shù)據(jù)非常昂貴，而且通常甚至不能完全代表手頭問題的極端情況。

在所有這些AI狂熱中，漢斯·莫拉維克(Hans Moravec)的一個古老而被遺忘的觀察，也就是所謂的莫拉維克悖論(Moravec's paradox)，變得比以往任何時候都更加清晰和明顯。

雖然深度學習在計算機感知的廣泛領域實現(xiàn)了許多新事物，但它甚至沒有觸及AI的一般問題。甚至在計算機感知的更實際的應用中，在沒有大量標記數(shù)據(jù)的情況下，基于經(jīng)典算法和手工特征的精心設計和優(yōu)化的解決方案也更容易在現(xiàn)場應用中開發(fā)和執(zhí)行。

夢碎的現(xiàn)實：自動駕駛車禍和區(qū)塊鏈崩盤

AI技術進步的試金石是自動駕駛汽車的開發(fā)。

到2016年，硅谷的許多人都相信自動駕駛技術已經(jīng)準備就緒，并將成為深度學習的關鍵支柱之一——畢竟，汽車已經(jīng)可以在不受干預的情況下行駛數(shù)英里。

這種信念是如此強烈，以至于特斯拉甚至開始將全自動駕駛功能作為無線升級來出售(升級尚未發(fā)布)。到2019年初，特斯拉改變了“完全自動駕駛”的說法，與此同時，為特斯拉的全自動駕駛功能支付了數(shù)千美元的車主提起了集體訴訟。2018年對許多自動駕駛公司來說也是艱難的一年，Uber自動駕駛在亞利桑那州發(fā)生了致命的撞車事故，特斯拉的自動駕駛儀相關的事故也造成了數(shù)人死亡。

此時，即使是硅谷人也開始慢慢地認識到：一輛完全自主駕駛的汽車，像出租車一樣載著大家到處走，仍然是一個非常遙遠的未來。顯然，汽車將繼續(xù)內(nèi)置計算機，從這個意義上說，硅谷贏了，但這與早期的夢想相去甚遠。

2018年，比特幣價格從近2萬美元暴跌至4000美元以下，跌幅超過80%。

2018年，硅谷的另一個大賭注面臨嚴重打擊——比特幣。比特幣是區(qū)塊鏈的最重要產(chǎn)品，它貶值了超過80%。許多人損失了很多錢，人們對加密貨幣的熱情一落千丈。

深度學習和區(qū)塊鏈都是非常有趣的技術，它們確實使以前不可能的事情成為了可能：谷歌圖像搜索比以前好多了；圖像風格遷移是一個非?？岬墓ぞ?；機器翻譯現(xiàn)在已經(jīng)足夠讓你在異國他鄉(xiāng)不至于迷路，但離翻譯詩歌還很遠。但這些改進似乎都不足以贏大錢，以證明硅谷的大賭注。

這些看起來都沒有90年代瘋狂的PC熱潮那么大，那么有利可圖。

至于AI，它的炒作周期與之前的并沒有太大差別。我們讓計算機做了一些似乎只有受過教育的成年人才可以做的事情，但后來意識到，這些計算機尚無法處理嬰兒或動物理所當然就能做的事情。只要我們繼續(xù)摔到同樣的陷阱，AI(通用人工智能)將仍然是一個白日夢。

英偉達是硅谷為區(qū)塊鏈和AI淘金熱銷售鏟子的公司之一。過去4年里英偉達的股票走勢既反映了市場的高期望，也反映了市場正在經(jīng)歷的幻滅。

很難預測未來，但至少目前看來，這兩個賭注都是死路一條?；蛟S就像谷歌和Facebook等互聯(lián)網(wǎng)公司崩潰后出現(xiàn)的情況一樣，當前炒作周期的終結將在區(qū)塊鏈或所謂的AI空間中產(chǎn)生累積大獎。但就像那時一樣，只有極少數(shù)人會贏，而很多人會輸?shù)煤軕K。