人工智能的一些進步被夸大了

2020-06-03 15:07:56 編輯：來源：

導(dǎo)讀麻省理工學院的計算機科學研究生Davis Blalock和他的一些同事最近比較了81種剪枝算法——使神經(jīng)網(wǎng)絡(luò)更有效的微調(diào)。“寫了50篇論文之后，”他說，“很明顯，當時的技術(shù)水平還不是很明顯?！? 《科學》雜志引用了幾篇報道來支持這一說法。例如，在2019年，對“搜索引擎中使用的信息檢索算法”的元分析發(fā)現(xiàn)，高分實際上是在2009年設(shè)定的。今年3月，一篇提交給arXiv的研究圖像丟失函數(shù)的論文得出結(jié)

麻省理工學院的計算機科學研究生Davis Blalock和他的一些同事最近比較了81種剪枝算法——使神經(jīng)網(wǎng)絡(luò)更有效的微調(diào)?！皩懥?0篇論文之后，”他說，“很明顯，當時的技術(shù)水平還不是很明顯。”

《科學》雜志引用了幾篇報道來支持這一說法。例如，在2019年，對“搜索引擎中使用的信息檢索算法”的元分析發(fā)現(xiàn)，高分實際上是在2009年設(shè)定的。今年3月，一篇提交給arXiv的研究圖像丟失函數(shù)的論文得出結(jié)論，圖像檢索的準確性自2006年以來沒有提高。在去年的另一項研究中，研究人員分析了媒體流媒體服務(wù)使用的神經(jīng)網(wǎng)絡(luò)推薦系統(tǒng)，發(fā)現(xiàn)七分之六的推薦系統(tǒng)都沒有超過幾年前開發(fā)的簡單的非神經(jīng)算法。

部分問題在于，正如卡內(nèi)基梅隆大學(Carnegie Mellon University)計算機科學家濟科?科爾特(Zico Kolter)所指出的那樣，研究人員更有動力去創(chuàng)建新的算法并對其進行微調(diào)，而不是簡單地對現(xiàn)有算法進行優(yōu)化。Kolter補充道，后一種方法也使得論文的推導(dǎo)更加困難。

然而，這并不是一次徹底的清洗。即使新方法并不總是比舊技術(shù)更好，在某些情況下，也可以對遺留方法進行調(diào)整，使其更好。布萊洛克說，這幾乎就像一個風險投資組合，“其中一些業(yè)務(wù)并沒有真正發(fā)揮作用，但也有一些非常出色?！?/p>

標簽：人工智能