真應了《笑傲江湖》里那句：“有人的地方就會有江湖，有江湖就有恩怨。”只是這次的江湖和恩怨都源自人工智能而不是人。

1月中旬，紐約大學教授馬庫斯發表一篇萬字長文，以問答形式，分14個問題回應那些對他的觀點表示質疑的人，其中涉及紐約大學教授、臉書首席AI科學家楊立昆、AAAI前主席托馬斯·迪特里奇，魁北克大學教授、谷歌的數學博士等也卷入了論戰中。

這不是論戰的第一回合，1月初，馬庫斯就提出了自己關于深度學習的十大觀點，引得楊立昆直擺手：他說的都不對。

究竟是什么樣的爭議讓AI界的大神們辯論火力如此密集，連戰數日，費勁口舌、逐字力爭呢?

深度學習是個“筐” 有人看半滿，有人看半空

細讀馬庫斯后來發的這篇萬字長文，可以發現，不少人對他的質疑是：你忽略了深度學習取得的成績、你沒有說深度學習有哪些好處。言外之意，你對深度學習不是“真愛”，對它的好視而不見。

而以楊立昆為代表的一派，對深度學習絕對是“真愛”。從維基百科的介紹中可以看到，正是楊立昆提出了卷積神經網絡(Convolutional neural networks，簡稱CNNs)理論，并成為CNNs得以實現的奠基人，這一網絡正是實現深度學習的機器學習模型之一。

盡管由CNNs、RNNs(循環神經網絡)、DNNs(深度神經網絡)等構成的深度學習模式日漸成熟，據說網絡層數已經能達到100多層，但馬庫斯認為，它仍有目前無法規避的十大問題，例如，極度依賴數據、學習過程是個“黑箱”、還不能自適應規則變化等等。

“深度學習存在不少問題，例如深度學習是固執己見的。”清華大學教授馬少平的觀點與馬庫斯相一致。

他舉例說，一輛AI驅動的無人車可能在模擬環境中撞樹5萬次才知道這是錯誤行為，而懸崖上的山羊卻不需要多少試錯機會，改變深度學習的輸出很難，它缺乏“可調試性”。

另外，深度學習的過程如果是黑箱，會影響它的應用領域，例如診斷病癥。“AI運算像在一個黑箱子里運行，創造者也無法說清其中的套路。”馬少平說，AI雖然可能給出一個結論，但是人類如果無法知道它究竟是怎么推算出來的，就不敢采信。

在制造“噪音”的情況下，AI很容易判斷錯誤。“它無法自動排除噪音，人眼看著是熊貓，AI卻會誤認為是長臂猿。”馬少平認為，AI仍處于初級階段，還有很多問題等待解決。

在馬庫斯列出的十大問題中，最要命的是最后一條，深度學習很難穩健地實現工程化。這相當于給深度學習引領AI走向強智能的可能性亮了紅燈。

北京語言大學教授荀恩東解釋，工程化意味著有“通行”的規則。例如對某一個問題的解決方法確定了，可以固定化，哪里需要往哪里搬。而深度學習進行問題處理時，采取類似于完成項目的方式，一個一個地解題，然而世界上有無數問題，如果很難保證機器學習系統換個新環境還能有效工作，那深度學習這項技術可能并不合適幫助AI獲得通行的能力，引導和人類智能相當的強人工智能的實現。

這種對深度學習的尖銳批評，自然會讓深度學習的擁躉們很不滿意。他們的理由也很充分：這些問題只是現階段的，未來不一定得不到解決。批評者看到的是深度學習這個筐半空，而支持者看到的則是半滿。

AI也有門派 各有擁躉，各有所長

回應馬庫斯對深度學習的質疑，楊立昆簡單直接：“有想法，也許吧，但大部分都是錯的。”

直截了當的殺傷性，遠大于長篇大論的反駁。潛臺詞是：“爺不和你聊了”。其實早在2017年10月5日，馬庫斯和楊立昆就在紐約大學組織的學術辯論會上唇槍舌戰。當時他們是有共識的——AI仍處于起步階段;要實現強人工智能，機器學習從根本上來說是必要的;深度學習是機器學習中一項強大的技術等。

然而他們辯論后沒多久的10月19日，DeepMind團隊發表了最新論文，提出了全新的強化學習算法阿爾法元，它可以從零開始，通過自我對弈精通棋藝，堪稱“通用棋類AI”。

“事實勝于雄辯”，這就好比先秦時期諸子百家論道，法家學說最終壯大秦國。楊立昆自上世紀80年代提出“人工神經網絡”理論以來一度被否，直到他在2013年加入臉書團隊后，其理論才慢慢開始變得熱門，如今他有了這樣強大、知名的佐證。

任憑馬庫斯總結概括深度學習的弱勢，以阿爾法元為代表的深度學習卻向前邁出了強大的一步，也讓越來越多的人傾向于相信，AI可以通過訓練具備和人同等的智商，這也是臉書人工智能研究院的研究人員所致力的工作——使機器不需依賴人類訓練，學會自己構建內在模型。

而另一些科學家則特立獨行，他們執意證明深度學習并不是必須的。2017年12月18日，《科學》雜志刊登了一個叫Libratus的AI成果，它在持續了20天的12萬手比賽中擊敗了4位頂級人類玩家。它的設計者卡內基梅隆大學博士生Noam Brown說，其間不使用任何深度學習，希望有助于人們認識到AI比深度學習更重要，深度學習本身不足以玩撲克這樣的游戲。

聚焦熱門領域 關乎未來，值得討論

“深度學習，是指使用深度神經網絡的統計學習模型。”北京智能一點科技公司CTO莫瑜解釋，“深度學習只是機器學習的一種方法，但它火了之后，大家有時甚至將機器學習和深度學習并列起來。”

也就是說深度學習與機器學習是部分與整體的關系。然而由于深度學習的火熱，使得它在很多人心目中已經成了機器學習的代名詞。

事實上，除了深度學習之外，還有“決策樹、隨機森林、圖模型等各種機器學習的方法”.莫瑜說:“大家言必稱深度學習，使得深度神經網絡之外的技術路線被忽視了，這不利于技術的發展。因此會有學者呼吁大家保持冷靜的態度。”

莫瑜認為，楊立昆對深度學習技術的理解、潛力和信心是基于他對這一技術的了解和研究深度。“他是CNNs之父，在神經網絡還沒像現在這樣火的時候就開始研究，他的視角可能更深入。”

這個世界總會有幾個能對整個人類社會產生影響的人，他們的思想甚至可以左右人類社會的走向。

楊立昆認為人腦只屬于人，AI要擁有同樣的智能，不需要類似人類的認知能力，可以另起爐灶，深度學習可以承擔構建強人工智能的任務。

馬庫斯則認為，只有通過類人的方法來理解世界，AI技術才能取得成功，而具備人類相當水平的強人工智能研究壓根還沒開始。可以推測，他所說的類人研究方法應該包括對人類神經、心理等的生理學破譯等研究工作，馬庫斯正是紐約大學的心理學和神經科學教授。

值得玩味的是，二人目前都從團隊領導崗位退出，2017年3月，馬庫斯宣布從優步公司AI實驗室負責人崗位上離職，楊立昆2018年1月下旬也卸任臉書人工智能研究院負責人。

“無官一身輕”的二人現在擔任首席科學家或顧問的職務，或許，不為職務所累，更有利于進行關乎未來走向的引領式探索。