[[442763]]

 2021 年，「人工智能奇跡」不再只是故事！

歲末將至，IEEE Spectrum 總結了 2021 年 10 篇最受讀者歡迎的 AI 文章，按時間排名，其中一些文章來自 2021 年 10 月的 AI 特刊「The Great AI Reckoning」。

1. 深度學習的收益遞減，只因訓練成本太高

MIT 的 Neil Thompson 團隊憑借一篇關于訓練深度學習系統的計算和能源成本的文章占據了榜首。

在這篇文章中，研究人員分析了圖像分類器的改進過程，結果發現，現在要想將圖像識別的錯誤率減半，需要 500 倍的計算資源。

文章表示，「面對飛漲的成本，研究人員要么想出更有效的方法來解決這些問題，要么放棄對這些問題的研究，讓圖像分類器的性能停滯不前。」不過，這篇文章最后也提出了一些關于未來方向一些有前途的觀點。

https://spectrum.ieee.org/deep-learning-computational-cost

2. 了解 2021 年的AI動向，看這 15 張圖表就夠了

每年，「人工智能指數都會將大量數據放入有關人工智能的對話中。2021 年，該指數展示了學術界和工業界的全球視角，凸顯AI勞動力多樣性的問題和AI應用的道德挑戰。此文將 222 頁的報告濃縮成 15 個圖表，涵蓋工作、投資等領域。

https://spectrum.ieee.org/the-state-of-ai-in-15-graphs

3. DeepMind 在「重新發明」機器人

近幾年，AI領域一些最令人印象深刻的突破背后都有DeepMind的身影。比如蛋白質折疊方面的突破性工作，以及在圍棋上擊敗人類專業棋手的 AlphaGo。因此，當 DeepMind 表示準備嘗試構建多才多藝、高適應性的機器人時，毫無意外地引發了人們的廣泛關注。

https://spectrum.ieee.org/how-deepmind-is-reinventing-the-robot

4. AI 簡史：動蕩的過去和不確定的未來

這篇文章講述了AI領域從 1956 年至今的故事，同時也為其他文章提供了線索。如果想了解AI是如何從純概念發展至今的，讀一讀此文再合適不過。

本文梳理了過去執著于「專家系統」的符號主義者與發明神經網絡的「連接主義者」之間的大爭論，并提出了「混合神經符號系統」誕生的可能性。

https://spectrum.ieee.org/history-of-ai

5. 吳恩達眼中的「AI熱潮」

此文是 AI 先驅人物吳恩達在 Zoom 采訪問答環節中的節錄。吳恩達深入參與了 Google Brain 和百度的早期 AI 工作，現在領導一家名為 Landing AI 的公司。

文中，吳恩達談到了斯坦福大學開發的AI系統，該系統通過胸部 X 光片發現肺炎，效果甚至優于放射科醫生。但目前，距離將AI系統應用到實際臨床，還有很長的路要走。

https://spectrum.ieee.org/andrew-ng-xrays-the-ai-hype

6. OpenAI 的 GPT-3 會說話了，但可能不那么好聽......

當 OpenAI 在 2020 年推出語言生成系統 GPT-3 時，AI社區的第一反應是敬畏。只要給出最少的提示，GPT-3 就可生成關于任何主題和任何風格的流暢、連貫的文本。

但GPT-3也有另一面。GPT-3接受了來自互聯網的大量文本的訓練，了解在網絡世界的普遍的人類偏見，可能產生了一個可怕的習慣：學會了陰陽怪氣和罵人。

這就產生了一個問題，如果有企業希望將GPT-3用于客戶服務、在線輔導、心理健康咨詢等領域，要如何防止它不小心對著客戶陰陽怪氣呢？

https://spectrum.ieee.org/open-ais-powerful-text-generating-tool-is-ready-for-business

7. AI成功復制蜻蜓大腦

蜻蜓大腦與導彈防御有什么關系？問問桑迪亞國家實驗室的 Frances Chance，他研究了蜻蜓如何有效地利用約 100 萬個神經元，以非凡的精度捕捉空中獵物。

Chance的研究與構建規模和復雜性不斷增加的神經網絡的研究實驗室形成了有趣的對比。

她表示：「我們的目標是，通過利用蜻蜓神經系統的速度、簡單性和效率，設計能夠更快地執行這些功能的計算機，而功耗僅為傳統計算機系統的一小部分。」

https://spectrum.ieee.org/fast-efficient-neural-networks-copy-dragonfly-brains

8. 除非能復制人類大腦，否則深度學習還不夠「深」

杰夫·霍金斯發明了掌上電腦，開創了智能手機時代。現在，他正在研究人腦中智能的基礎，并希望開創通用人工智能（AGI）的新時代。

與霍金斯的這個訪談提及了他最有爭議的一些想法。霍金斯堅信，超級智能 AI 不會對人類構成生存威脅，意識問題，并不是真正困難的問題。

https://spectrum.ieee.org/deep-learning-isnt-deep-enough-unless-it-copies-from-the-brain

9. AI算法，讓雜貨店「動起來」

了解為我們的生活提供便利的技術總是一件趣事。

雜貨店購物和送貨公司 Instacart 的工程師 Sharath Rao 和 Lily Zhang 表示，該公司的AI基礎設施可以預測「近 40000 家雜貨店的產品，涵蓋數十億個不同數據點」是否缺貨，同時還提出關于換貨的建議，預測有多少購物者，并對訂單和送貨路線進行高效分組。

https://spectrum.ieee.org/the-algorithms-that-make-instacart-roll

10. AI繞不過去的七大弱點

AI在不斷取得突破的同時，也在遭受著數不清的失敗。

本文列舉了AI模型陷于失敗的七個例子，揭示了AI目前存在的繞不過去的弱點。科學家們討論了處理其中一些問題的可能方法；但也有一些AI的局限性在目前是無法解釋的，或者說從哲學上講，可能完全沒有任何結論性的解決方案。

https://spectrum.ieee.org/ai-failures

2022 年，是否會成為AI科學家們攻克棘手問題的一年？AI的算法偏差會解決嗎？災難性遺忘問題會被攻克嗎？在不破壞地球能源的情況下，能找到提高AI性能的方法嗎？

雖然目前答案尚不知曉，但我們可以期待！