Keras之父：大多数深度学习论文并不科学
极客时间编辑部
讲述：杜力大小：1.12M时长：02:26
近日，Keras 之父、谷歌大脑人工智能和深度学习研究员弗朗索瓦·肖莱（François Chollet）接受媒体采访，谈论了深度学习当前面临的挑战。
在他看来，深度学习是机器学习的一种具体方法。与以前的方法相比，它更加强大和灵活。在大多数应用程序中，人们所说的“深度学习”是指一种把大量由人类注释的数据，转换为以与人类相似的方式自动注释的新数据的软件。开发者可以通过这种方式自动完成很多不同的任务。
深度学习尤其擅长理解“感知”数据，如图像、视频、声音等。同样，深度学习还可以应用于机器翻译、语音识别、文本语音转换、光学字符识别等领域。
谈到当前深度学习社区面临的主要挑战时，肖莱表示挑战主要在打击炒作、发展伦理意识、获得科学严谨性这三方面。
1. 炒作
肖莱认为，对人工智能的大肆炒作正在危害这个领域。一些人正荒谬地夸大目前 AI 取得的进展，还说人工智能已经把人类逼到了绝境。但事实并非如此。
他表示：“如果我们把目标设得极高，却又不能实现，就是逼着公众站在我们的对立面上，而且炒作 AI 这件事，本质上是不诚实的，对公众讨论也产生了危害。”
2. 伦理
肖莱指出，现在部署人工智能系统的大多数人来自单一背景，他们往往没有意识到自己所构建的系统给人们带来了道德影响和副作用。这将成为一个问题，因为这个群体所拥有的权力会越来越大。
他表示，人们需要更多地讨论这些问题，并提高人们对不道德使用 AI 的潜在行为的觉察力，例如具有偏见性的预测模型会影响公众生活，或以危险的方式操纵 AI。
3. 科学
每天都有大量的深度学习论文发表，但在肖莱看来，其中大多数并没有真正产生任何有意义的新知识，因为这些论文并没有遵循科学的研究方法。他们以模糊的方式“评估”模型，或在他们的训练数据上测试过度拟合模型等。
肖莱认为，深度学习简直是科学的重灾区，如果想要取得更快的进展，那么当涉及研究可重复性、基线、模型评估和统计显著性时，学术界应该更严谨。
对于深度学习的未来，肖莱表示，自己期望未来 AI 能把“直观的”模式识别模块与正式推理模块相结合，也希望 AI 能够演变得更像自动化软件开发的形式，能借用目前软件工程中的很多模式和实践。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论