人工智能又双叒叕寒冬了,时隔一年又带来了哪些论据?
炎炎夏日即将来临，想要防酷暑降温，除了开空调吃冰淇淋之外还有什么其他方法吗？
当然有啦！比如关注一下深度学习领域，就会发现人工智能又又又寒冬了。明明是一项在世界范围内受关注和投入颇多的技术，为什么时不时就会有大佬开麦，给人一种一年四季都在“寒冬”的错觉呢？
最近几个月以来，曾经在去年发表过《ai winter is well on its way》声称ai和深度学习寒冬即将到来的ai专家filip piekniewski陆续发表了两篇“雄文”，再次对深度学习进行了抨击，一篇称ai和“区块链”一样，都将面临崩盘的终局，另一篇称深度学习的应用性远比人们想象中狭隘。
我们不如以filip piekniewski的言论为线索，看看在“ai寒冬论”背后，又暗暗隐藏着哪些秘密。
时隔一年寒冬回归
又带来了哪些论据？
在上次发表《ai winter is well on its way》后，filip piekniewski遭到了不少抨击，其中原因是filip piekniewski的观点和论据实在是存有过多的槽点。
例如filip将学术领秀在twitter上提及深度学习的次数减少，当做深度学习衰落的证据。又将知名不靠谱自动驾驶厂商uber的自动驾驶事故，归咎到深度学习技术的不靠谱上。
但在最近发表的言论中，filip piekniewski又对自己的观点进行进一步的补充。
首先，filip piekniewski再次强调了自动驾驶的不靠谱。证据是最近一年自动驾驶领域逐渐冷却，实验过程中时有事故发生，福特ceo jim hackett也承认，该公司“高估”了全自动驾驶汽车的到来速度。
同时filip piekniewski还将比特币与深度学习做对比，认为两者都是硅谷在芯片销售乏力时，“炒作”出的新概念，一个依靠算力挖矿，一个依靠大型模型创造计算需求，最终目的是卖出更多的gpu。而比特币目前已经崩盘，深度学习所创造的ai梦境也距离梦醒不远了。
至于当前ai界最为头痛的人才问题，filip piekniewski则给出了不同的意见，他认为相比ai人才紧缺，实际上ai人才是鱼龙混杂的，只要在顶会上发布一篇论文就能替代一切背调，加上大量所谓ai人才都是直接从高校和研究院进入企业，缺乏现实场景经验，更加速了ai的“灭亡”。
比特币诛心论：
ai是硅谷的带货高手吗？
相比上一次那twitter内容当做证据，这一次filip piekniewski所提出的自动驾驶遇冷、ai人才审核标准模糊等等，看似客观许多，但将区块链和ai相提并论，则是一种极其诛心的理论。
我们不得不承认，从硅谷视角来看，ai和区块链确实有显著的共同点。第一，两者都通过对算力的强大需求，带动了芯片行业的发展；第二，两者都是先“赋能”了硅谷的财富集中，再去赋能现实场景的落地应用。
在移动终端逐渐走向成熟后，硅谷一度无法再像pc和移动终端热潮初期，通过一种普遍性的设备和产品更新换代来获得财富。但ai和区块链的出现，又在试图从底层改变整个软件和硬件生态。这其中让科技企业获得了不少红利，例如大量投资涌入区块链和ai创业领域，又像是英伟达近年来的迅速成长。
但我们并不能因此将ai和区块链完全看做一谈，两件事情形成的结果有部分融合，并不代表两件事的性质完全一样。
我们需要知道的是，深度学习之所以会在今天出现，是因为移动时代带来的数据量暴涨和算力基础提升，给予了深度学习深入研发和应用的可能。深度学习和芯片算力是彼此成就的，而非像比特币那样通过一种类似于投资的概念，用“挖矿”这种行为来对算力进行一种空对空的消耗，如同“带货”一般促成芯片需求。
所以我们很难将比特币的溃塌看做ai必将到来的未来。
技术原罪论：深度学习
是l5自动驾驶的绊脚石吗？
同时比特币价格的波动，也不代表区块链技术是毫无意义的。不管比特币是涨是跌，我们依然能看到区块链正在进入种种领域。在应用层面，filip piekniewski一直试图通过抨击自动驾驶来驳倒ai整体的应用价值。
把目标集中在自动驾驶这一领域中，我们发现似乎真的有一丝“寒冬”的意味：从2018年年底开始，自动驾驶相关创业企业就开始有了融资量下降甚至估值回调的现象；特斯拉改变了在2019年推出完全自动驾驶的口径，甚至因此遭到了车主诉讼；福特ceo和waymoceo接连在公开场合发表言论，称“自动驾驶很困难，尤其是l5级别的自动驾驶”。
可自动驾驶降温的原因，真的和ai技术有关吗？
深度学习在复杂环境下感知能力正在应用到自动驾驶视觉、毫米波雷达、激光雷达等等领域中，但其黑箱特征在决策能力上的弱势，确实也对l5级别的自动驾驶发展产生了一些阻碍。可我们不能将自动驾驶的发展看做一条单一路径，虽然l5级别自动驾驶尚且没有理想进展，但l4级别的自动驾驶已经开始了频繁的测试阶段，甚至有了商业落地的雏形。
何况阻碍l5级别自动驾驶发展的，绝不仅仅是ai技术，更多还有落地过程中的各种问题，例如法律法规、配套设施、伦理道德等等。更何况ai在自动驾驶之外，还广阔天地大有作为。仅仅因为如此就一言以蔽之对ai进行通篇否定，显然是不合理的。
为ai“清君侧”：为什么鼓吹ai寒冬论的
都是ai学者？
面对这些不靠谱的言论，我们或许应该从“源头”开始关注。发布这一系列“雄文”的filip piekniewski是一位ai领域和机器视觉领域的研究者，twitter资料显示他就职于一家名为accel robotics的ai创业企业。实际在发表《ai winter is well on its way》一文之前，说filip piekniewski在ai学术界毫无存在感也不为过。只是因为对深度学习和ai的抨击，才让他一具成名。到今天我们可以清晰地看到filip piekniewski批判ai的套路：首先对于技术进行“商业羞辱”，与概念炒作挂钩；再将普遍矛盾集中成技术矛盾，将一切落地过程中的问题都归咎于技术本身；最后开始诛心说，把一切都形容成大公司的商业骗局。
在发布了ai寒冬理论之后，lecun、吴恩达等等活跃在ai产业界的学者们都提出了反驳。可同时市面上也传来了一些赞同的声音，例如纽约大学心理学与神经科学教授gary marcus，也曾在去年撰文批判深度学习。
我们可以看到一个很有趣的现象：这些为ai“哭丧”的学者，恰恰也都是研究ai相关领域的。
这种行为并不是来源于学者干一行“唱衰”一行，而是因为他们所研究的领域和当前ai的发展有所出入。
就拿filip piekniewski本人来说，其研究范围在经典计算机视觉中，既是在广泛的算法集合中从图像中提取信息，作为机器学习分类器的前端，以构建更复杂的检测器。但在现实应用场景中，检测器的搭建过程非常复杂也不具有可复制性，相比之下远不如深度学习更加高效，所以一直很难走向市场。
但经典计算机视觉的优势在于，其准确度相比深度学习解决方案更高，对计算力的要求也更低。
看到这里，filip piekniewski此前一些看似非常不合理、不具有学术专业性的言论就有了解释。不论是强调深度学习是硅谷的为了卖gpu营造的算力骗局，还是强调ai炒作带来的学者身价膨胀，本质上都是在为自己的学术观点站台，表达对目前深度学习一家独大的不满。
包括上文提到的gary marcus，也是在表达对深度学习不满的同时，强调了深度学习必须要结合符号计算才能进步。而这也正是gary marcus本人的学术方向。
说到底，这些看似鼓吹ai寒冬的学者，并不是真正的不看好的ai价值，只是对ai学术发展的趋势有所不满，以一种劝谏的姿态在表达意见，仿佛深度学习和硅谷的勾结已经祸国殃民，学者们捶胸顿足的哭嚎着：“陛下，看看您的江山吧！”
结束语
虽然filip piekniewski对于深度学习的抨击本质上是一种夹带私货，但他的一些观点也并非不无道理，例如目前硅谷和学术界关系过密，是否会影响到学术发展的方向？以及目前企业对于深度学习学术人才的追捧，是否会反而会因为学术人才的水土不服而阻碍ai应用的发展？
当今世界和过去产生的一大区别是，商业与学术研究正在结合的越来越紧。在大量科技企业出资支持学界的情况下，学者们究竟是在进行纯粹的学术创新，还是被商业支持圈到了某一个笼子里？商业资助的影响，是否会对学者们的学术道路选择产生一定的影响，最终导致技术创新在错误的方向上越走越远？
虽然“ai寒冬论”和对深度学习的盲目指摘并不可取，但其背后所隐藏的问题，我们应当时时警醒、铭记在心。
苹果智能戒指专利曝光
MINIEYE荣获2022盖世汽车金辑奖“中国汽车新供应链百强”
变频器、伺服维修技术该如何入门？
iPhone14系列什么时候发布 价格是多少
关于SiP封装技术的简析和应用分析
人工智能又双叒叕寒冬了,时隔一年又带来了哪些论据?
5G来了,需要更换SIM卡吗?
PLC在雷达监控中的应用
设计驱动器以匹配工作负载
小米note3什么时候上市?真旗舰小米note3要来了:8G+骁龙836全曲面屏设计
MEMS传感器件的组合应用趋势
OLED具有哪些优点与缺点
Qt学习笔记之数据库结构设计5
GPS模块的电子围栏功能有什么用
iPhone充电器大变革 快充终于要来了
碳化硅功率器件的工作原理和优势
《应对疫情启发下的智慧小区白皮书》5月22日正式发布
物联网的定义是什么，物联网的信息传感网关有哪些
本本如何使用IDE刻录机
商汤大模型赋能杭州亚运会，AR黑科技打通虚实空间
当然有啦！比如关注一下深度学习领域，就会发现人工智能又又又寒冬了。明明是一项在世界范围内受关注和投入颇多的技术，为什么时不时就会有大佬开麦，给人一种一年四季都在“寒冬”的错觉呢？
最近几个月以来，曾经在去年发表过《ai winter is well on its way》声称ai和深度学习寒冬即将到来的ai专家filip piekniewski陆续发表了两篇“雄文”，再次对深度学习进行了抨击，一篇称ai和“区块链”一样，都将面临崩盘的终局，另一篇称深度学习的应用性远比人们想象中狭隘。
我们不如以filip piekniewski的言论为线索，看看在“ai寒冬论”背后，又暗暗隐藏着哪些秘密。
时隔一年寒冬回归
又带来了哪些论据？
在上次发表《ai winter is well on its way》后，filip piekniewski遭到了不少抨击，其中原因是filip piekniewski的观点和论据实在是存有过多的槽点。
例如filip将学术领秀在twitter上提及深度学习的次数减少，当做深度学习衰落的证据。又将知名不靠谱自动驾驶厂商uber的自动驾驶事故，归咎到深度学习技术的不靠谱上。
但在最近发表的言论中，filip piekniewski又对自己的观点进行进一步的补充。
首先，filip piekniewski再次强调了自动驾驶的不靠谱。证据是最近一年自动驾驶领域逐渐冷却，实验过程中时有事故发生，福特ceo jim hackett也承认，该公司“高估”了全自动驾驶汽车的到来速度。
同时filip piekniewski还将比特币与深度学习做对比，认为两者都是硅谷在芯片销售乏力时，“炒作”出的新概念，一个依靠算力挖矿，一个依靠大型模型创造计算需求，最终目的是卖出更多的gpu。而比特币目前已经崩盘，深度学习所创造的ai梦境也距离梦醒不远了。
至于当前ai界最为头痛的人才问题，filip piekniewski则给出了不同的意见，他认为相比ai人才紧缺，实际上ai人才是鱼龙混杂的，只要在顶会上发布一篇论文就能替代一切背调，加上大量所谓ai人才都是直接从高校和研究院进入企业，缺乏现实场景经验，更加速了ai的“灭亡”。
比特币诛心论：
ai是硅谷的带货高手吗？
相比上一次那twitter内容当做证据，这一次filip piekniewski所提出的自动驾驶遇冷、ai人才审核标准模糊等等，看似客观许多，但将区块链和ai相提并论，则是一种极其诛心的理论。
我们不得不承认，从硅谷视角来看，ai和区块链确实有显著的共同点。第一，两者都通过对算力的强大需求，带动了芯片行业的发展；第二，两者都是先“赋能”了硅谷的财富集中，再去赋能现实场景的落地应用。
在移动终端逐渐走向成熟后，硅谷一度无法再像pc和移动终端热潮初期，通过一种普遍性的设备和产品更新换代来获得财富。但ai和区块链的出现，又在试图从底层改变整个软件和硬件生态。这其中让科技企业获得了不少红利，例如大量投资涌入区块链和ai创业领域，又像是英伟达近年来的迅速成长。
但我们并不能因此将ai和区块链完全看做一谈，两件事情形成的结果有部分融合，并不代表两件事的性质完全一样。
我们需要知道的是，深度学习之所以会在今天出现，是因为移动时代带来的数据量暴涨和算力基础提升，给予了深度学习深入研发和应用的可能。深度学习和芯片算力是彼此成就的，而非像比特币那样通过一种类似于投资的概念，用“挖矿”这种行为来对算力进行一种空对空的消耗，如同“带货”一般促成芯片需求。
所以我们很难将比特币的溃塌看做ai必将到来的未来。
技术原罪论：深度学习
是l5自动驾驶的绊脚石吗？
同时比特币价格的波动，也不代表区块链技术是毫无意义的。不管比特币是涨是跌，我们依然能看到区块链正在进入种种领域。在应用层面，filip piekniewski一直试图通过抨击自动驾驶来驳倒ai整体的应用价值。
把目标集中在自动驾驶这一领域中，我们发现似乎真的有一丝“寒冬”的意味：从2018年年底开始，自动驾驶相关创业企业就开始有了融资量下降甚至估值回调的现象；特斯拉改变了在2019年推出完全自动驾驶的口径，甚至因此遭到了车主诉讼；福特ceo和waymoceo接连在公开场合发表言论，称“自动驾驶很困难，尤其是l5级别的自动驾驶”。
可自动驾驶降温的原因，真的和ai技术有关吗？
深度学习在复杂环境下感知能力正在应用到自动驾驶视觉、毫米波雷达、激光雷达等等领域中，但其黑箱特征在决策能力上的弱势，确实也对l5级别的自动驾驶发展产生了一些阻碍。可我们不能将自动驾驶的发展看做一条单一路径，虽然l5级别自动驾驶尚且没有理想进展，但l4级别的自动驾驶已经开始了频繁的测试阶段，甚至有了商业落地的雏形。
何况阻碍l5级别自动驾驶发展的，绝不仅仅是ai技术，更多还有落地过程中的各种问题，例如法律法规、配套设施、伦理道德等等。更何况ai在自动驾驶之外，还广阔天地大有作为。仅仅因为如此就一言以蔽之对ai进行通篇否定，显然是不合理的。
为ai“清君侧”：为什么鼓吹ai寒冬论的
都是ai学者？
面对这些不靠谱的言论，我们或许应该从“源头”开始关注。发布这一系列“雄文”的filip piekniewski是一位ai领域和机器视觉领域的研究者，twitter资料显示他就职于一家名为accel robotics的ai创业企业。实际在发表《ai winter is well on its way》一文之前，说filip piekniewski在ai学术界毫无存在感也不为过。只是因为对深度学习和ai的抨击，才让他一具成名。到今天我们可以清晰地看到filip piekniewski批判ai的套路：首先对于技术进行“商业羞辱”，与概念炒作挂钩；再将普遍矛盾集中成技术矛盾，将一切落地过程中的问题都归咎于技术本身；最后开始诛心说，把一切都形容成大公司的商业骗局。
在发布了ai寒冬理论之后，lecun、吴恩达等等活跃在ai产业界的学者们都提出了反驳。可同时市面上也传来了一些赞同的声音，例如纽约大学心理学与神经科学教授gary marcus，也曾在去年撰文批判深度学习。
我们可以看到一个很有趣的现象：这些为ai“哭丧”的学者，恰恰也都是研究ai相关领域的。
这种行为并不是来源于学者干一行“唱衰”一行，而是因为他们所研究的领域和当前ai的发展有所出入。
就拿filip piekniewski本人来说，其研究范围在经典计算机视觉中，既是在广泛的算法集合中从图像中提取信息，作为机器学习分类器的前端，以构建更复杂的检测器。但在现实应用场景中，检测器的搭建过程非常复杂也不具有可复制性，相比之下远不如深度学习更加高效，所以一直很难走向市场。
但经典计算机视觉的优势在于，其准确度相比深度学习解决方案更高，对计算力的要求也更低。
看到这里，filip piekniewski此前一些看似非常不合理、不具有学术专业性的言论就有了解释。不论是强调深度学习是硅谷的为了卖gpu营造的算力骗局，还是强调ai炒作带来的学者身价膨胀，本质上都是在为自己的学术观点站台，表达对目前深度学习一家独大的不满。
包括上文提到的gary marcus，也是在表达对深度学习不满的同时，强调了深度学习必须要结合符号计算才能进步。而这也正是gary marcus本人的学术方向。
说到底，这些看似鼓吹ai寒冬的学者，并不是真正的不看好的ai价值，只是对ai学术发展的趋势有所不满，以一种劝谏的姿态在表达意见，仿佛深度学习和硅谷的勾结已经祸国殃民，学者们捶胸顿足的哭嚎着：“陛下，看看您的江山吧！”
结束语
虽然filip piekniewski对于深度学习的抨击本质上是一种夹带私货，但他的一些观点也并非不无道理，例如目前硅谷和学术界关系过密，是否会影响到学术发展的方向？以及目前企业对于深度学习学术人才的追捧，是否会反而会因为学术人才的水土不服而阻碍ai应用的发展？
当今世界和过去产生的一大区别是，商业与学术研究正在结合的越来越紧。在大量科技企业出资支持学界的情况下，学者们究竟是在进行纯粹的学术创新，还是被商业支持圈到了某一个笼子里？商业资助的影响，是否会对学者们的学术道路选择产生一定的影响，最终导致技术创新在错误的方向上越走越远？
虽然“ai寒冬论”和对深度学习的盲目指摘并不可取，但其背后所隐藏的问题，我们应当时时警醒、铭记在心。
苹果智能戒指专利曝光
MINIEYE荣获2022盖世汽车金辑奖“中国汽车新供应链百强”
变频器、伺服维修技术该如何入门？
iPhone14系列什么时候发布 价格是多少
关于SiP封装技术的简析和应用分析
人工智能又双叒叕寒冬了,时隔一年又带来了哪些论据?
5G来了,需要更换SIM卡吗?
PLC在雷达监控中的应用
设计驱动器以匹配工作负载
小米note3什么时候上市?真旗舰小米note3要来了:8G+骁龙836全曲面屏设计
MEMS传感器件的组合应用趋势
OLED具有哪些优点与缺点
Qt学习笔记之数据库结构设计5
GPS模块的电子围栏功能有什么用
iPhone充电器大变革 快充终于要来了
碳化硅功率器件的工作原理和优势
《应对疫情启发下的智慧小区白皮书》5月22日正式发布
物联网的定义是什么，物联网的信息传感网关有哪些
本本如何使用IDE刻录机
商汤大模型赋能杭州亚运会，AR黑科技打通虚实空间