深度学习并不是AI的未来

现在，每一个人不是在学习深度学习，就是在准备开始学习深度学习的路上。这个人工智能领域快速火了起来。大约有来自各年龄阶段的十万名学生在学习付费或者免费的深度学习课程。许多初创公司以及产品都打上了该领域的标签，就像流行用语一样，但是真正使用了深度学习的却很少。大多数人忽视了一个事实，深度学习只占了机器学习领域的1%，而机器学习又只是人工智能领域的1%。剩下的99%都是大多数任务已经在实际使用的。一个深度学习领域专家并不是一个人工智能专家。

深度学习并不是人工智能的同义词

最广为人知的人工智能工具来自于谷歌、Facebook等公司，大都是或者只是深度学习，所以公众会认为新的人工智能突破是由或者将由深度学习实现。这是不正确的。像XGBoost这样的决策树并不出名，但是在许多Kaggle表格数据竞赛中默默地打败了深度学习。大众媒体指出AlphaGo只用到了深度学习，但是实际上它是MonteCarlo树搜索算法+深度学习，并存在证据证明单单靠深度学习不足以让它获胜。许多强化学习任务是由NEAT算法（通过增强拓扑的进化神经网络）实现，不是基于BP的神经网络算法。这些都是人工智能领域有关深度学习的误解。

我并不是说深度学习没有在解决问题：深度学习确实很厉害。树以及其他算法往往很难打败深度学习，有些任务中深度学习也是无法替代的，我也希望未来能开发出不含深度学习的系统能打败深度学习。或许也能够解决深度学习作出的决策存在的法律噩梦（即使是正确的，但是被法律质疑时无法解释）。同时我想在新闻里读到像灾难性遗忘（出现学习新的信息前突然忘记先前学习的信息的倾向）这样的有关深度学习的事情，或者读到解决过拟合问题的一些日常新闻。关于智能：深度学习仅仅相信得到的训练数据，并不理解对与错、现实与虚幻、是否公平。在某种程度上，人类有时也会相信假新闻，甚至小孩子也知道电影是虚构的，并不现实。

现在的深度学习也许是曾经的HTML？

20年前每个人都在学习HTML，这种编写网页的标记语言，那时每个人都幻想成为一个。com亿万富翁。就像其他人一样，我学习了每一种看似很有用的技术：HTML、移动端应用、深度学习，我也希望每一个人在其一生中能够不断学习新事物。事实上，你不可能一辈子只学一种技术。如果你学习深度学习，你可能一辈子都搞不懂AI。来自1995年的HTML已经过时且无法满足需求，它被CSS、Javascript以及服务器端编程语言所接管。同理，深度学习总有一天也会过时且不够用。许多流行的移动端APP都不包含HTML，所以谁知道未来的人工智能APP是否包含深度学习呢？

事实上，库卡机器人，深度学习是一种源于1980年代的技术，比HTML还悠久：70年代，带有隐藏层的神经网络通过训练更多数据获得了更好的结果，随后重命名为深度学习并开始大肆宣传。在1992年，我仔细检查了一些神经网络源码以及一些分形、元胞自动机之类的东西。就像大多数人，那时的我误以为深度学习只是一个学术性数学难题，没有实际用途。相反，我专注于学习给出直接结果的技术：电子游戏的3D技术、互联网等等。但是我们都错了，深度学习能够利用大数据做很多神奇的事情！2015年我着迷于DeepDream（人工神经网络），接下来是GANs（生成对抗网络）等等。当然，深度学习并不是我们发明的最后的完美的AI科学。

在过去的几十年里，古老的深度学习已经被广泛研究和更新并应用于更精确地解决更多任务，不过没有一个版本的深度学习（Convolutional,RNN,RNN+LSTM,GANs等）能够解释它的决策。在未来，深度学习能够解决更多任务并取代一些工作，但不可能解决所有的问题，或者保持惊人的进步以自我解决黑箱问题。

哲学家柏拉图与亚里士多德正在说：深度学习可不能理解他们。

未来人工智能应该去探索一些其他的新方法或已存在被忽略的方法。深度学习的限制在于仅仅认为真理是数据中频繁出现的地方，而统计较少的就是错的或者频繁出现地方的对立面。深度学习的公正性并不来自于它本身，而是来自于人类选择并准备的数据。深度学习不是用人类的方法来阅读文本并翻译出字里行间的意思。

难怪深度学习并不能解释自己的决策，深度学习会学习并模仿有缺陷的逻辑而不是去发现缺陷，包括恐怖主义。就连小孩都能自己理解电影中谁是坏蛋，但是深度学习不能，除非人类一开始就非常明确地告诉它。深度学习中一些特定的东西，比如基于梯度下降的反向传播算法、自定义深度学习硬件是很酷的，但是那大多数都是统计学和几何学，所以将不会出现在2037年的AI领域。

深度学习领域的人工智能或将是非法的

对于大多数任务而言，深度学习领域的人工智能是或将是非法的，不是符合规则的。收集28个欧盟国家的居民数据的人或公司应该遵循建立于2018年5月25日的《通用数据保护法规（GDPR）》。在这一天，欧洲的大多数APP将去除深度学习，导致许多人工智能初创公司快速将深度学习替换成其他的东西，否则将面临罚款。罚款金将高达全球收入的4%，包括在美国的收入。

GDPR要求针对自动决策作出正确的解释，防止由于种族、意见、健康等等歧视而产生不好的影响。全球范围内，像GDPR这样的法律出现或者在计划内只是时间问题。《美国公平信贷报告法》要求披露所有影响消费者信用评分的因素，最多允许4个因素。深度学习的影响因素常常有上千或者百万级，不仅仅只有4个，如何简化为4个？人工智能，比如比特币ICO，开始忽视规则，只不过法律和罚款总会来的。

深度学习系统在辨别小猫照片或者在自拍时添加小兔耳朵特效时都需要更多相关的决策，在未来将被非深度学习系统所替代。人工智能需要可解释的，与深度学习大大不同，你能用简单、合法的词语向法官或者普通使用者解释结果。深度学习的复杂性，使得它对于法官和用户来说就是一种魔法，具有法律风险：并不是很酷炫的未来。深度学习会建议或者警示人类，比如从医学图像中检测疾病，由医生核实，但是这只是半自动化，缺少细节。而对被AI拒绝（拒绝贷款、工作等等）需要解释用户说点什么呢？

法律包括了解释权，比如为什么工作或者贷款被拒绝了。深度学习给出的结果，不是自然（法律）语言能解释的。你可以得到数页有关深度学习的变量的内容，但是法官或用户不能接受，因为即使是最好的数学家或者其他算法也不能将深度学习的模型用词语简单解释。