计算机视觉如何突破困局？

近期，计算机视觉奠基者之一，霍金的弟子，约翰霍普金斯大学教授Alan Yuille提出“深度学习在计算机视觉领域的瓶颈已至。”

从人工智能的发展过程看，深度学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。Alan Yuille认为，现在做AI不提神经网络，成果都很难发表了，这不是一个好势头。如果人们只追求神经网络的潮流，抛弃所有老方法，也不去想如何应对深度网络的局限性，那么这个领域可能很难有更好的发展。

深度学习确实是一个让人向往的技术，这无可辩驳。其实，神经网络这个概念自上个世纪60年代就已经出现了，只是因为最近在大数据、计算机性能上面出现的飞跃，使得它真正变得有用起来，由此也衍生出来一门叫做“深度学习”的专业，当前国内涉及计算机视觉领域中，越来越多的人工智能公司或者研究机构投身到“深度学习”的浪潮中了，国内诞生了如旷视科技、商汤科技、极链科技Video＋＋、依图科技等优秀的初创AI企业。旨在将复杂的神经网络架构应用在数据建模上，最终带来前所未有的准确性。

现在的技术开发成果也确实让人印象深刻。计算机现在可以辨识图片和视频里的东西都是什么，可以将语音转化成为文字，其效率已经超过了人力范畴。Google也将GoogleTranslate服务中添加了神经网络，现在的机器学习在翻译水平上已经逐步逼近人工翻译。现实中的一些应用也让人大开眼界，就比如说计算机可以预测农田作物产量，其准确性比美国农业部还高。机器还能更加精准的诊断癌症，其准确度也比从医多年的老医师还要高。

美国国防部高级研究计划局的一名负责人John Lauchbury形容如今人工智能领域内存在着三股浪潮：

第一股浪潮：知识库，或是类似于IBM所开发的“深蓝”和Waston专家系统。

第二股浪潮：数据学习，包括了机器学习和深度学习。

第三股浪潮：情境适应，其中涉及通过利用少量数据，在现实生活中构建出一个可靠的，解释型的模型。

从这三股浪潮中，可以发现目前深度学习算法的研究工作进展不错。

但深度学习的成果是建立在极其苛刻的前提条件之上。

不管是“监督学习”，亦或者是“强化学习”，它们都需要大量的数据进行支撑，而且在提前计划上面表现的非常差，只能做某些最简单直接的模式辨认工作。

相比之下，人就能够从极少数的例子上学到有价值的信息，并且善于在时间跨度很长的计划，在针对某个情境上有能力自己建造一个抽象模型，并利用这样的模型来做站在最高处的归纳总结。

以自动驾驶汽车为例，如果你是采用的“监督学习路径”，那么你需要从汽车驾驶的情境中提取海量的数据，而且还要以明确标示出来的“动作标签”进行分类挑拣，比如“停止”“行驶”等。再接下来，你还需要训练一个神经网络，使得它能够从眼下的情景和所与之相对应的行动之间构建因果联系。

如果你是采用的“强化学习路径”，那么你应该给算法一个目标，让它能够独立地判断当下最优解是什么，电脑在不同的情境之下，为了实现避免撞车的这个动作，它估计要宕机上几千次。虽然现在已经有了比较大的进展，一些神经网络可以从数据层面，在相当大的样本数量上给出一个惊人的成果，但是它们如果单独拿出一个出来，还是不可靠的，所犯的错误也是人一辈子都不可能犯的。

数据质量的不稳定性带来的是不可靠、不准确，以及不公平。同样，输出的结果，还得取决于输入的数据质量如何。神经网络中如果输入的数据是不准确的，不完整的，那么结果也会错的离谱，有些时候会造成巨大的损失。不要小看这样的风险，错误的输出可能会造成极大的危害，以GAN为例，有一些不轨之徒可以以一种人类肉眼无法识别的方式篡改图片，让机器错误的辨识图片。篡改的图片和最初的图片在我们看来可能是一致的，但是无人驾驶汽车中，汽车就会受到威胁。

深度学习依然存在瓶颈，但目前它要发挥的作用所需要的前置条件太过苛刻，输入数据对其最终的结果有着决定性的影响。如果要真正达到理想中的人工智能，这些瓶颈还有待于人们的进一步突破。