人工智能的一些進步被夸大了

2020-06-03 15:07:56 編輯：來源：

導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——使神經網絡更有效的微調。“寫了50篇論文之后，”他說，“很明顯，當時的技術水平還不是很明顯。” 《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”的元分析發現，高分實際上是在2009年設定的。今年3月，一篇提交給arXiv的研究圖像丟失函數的論文得出結

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——使神經網絡更有效的微調。“寫了50篇論文之后，”他說，“很明顯，當時的技術水平還不是很明顯。”

《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”的元分析發現，高分實際上是在2009年設定的。今年3月，一篇提交給arXiv的研究圖像丟失函數的論文得出結論，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使用的神經網絡推薦系統，發現七分之六的推薦系統都沒有超過幾年前開發的簡單的非神經算法。

部分問題在于，正如卡內基梅隆大學(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建新的算法并對其進行微調，而不是簡單地對現有算法進行優化。Kolter補充道，后一種方法也使得論文的推導更加困難。

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更好，在某些情況下，也可以對遺留方法進行調整，使其更好。布萊洛克說，這幾乎就像一個風險投資組合，“其中一些業務并沒有真正發揮作用，但也有一些非常出色。”

標簽：人工智能