本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

Lecun一句話，恐怕又要引來一場唇槍舌戰了。

這個標題錯得太荒謬了，太搞笑了。

他所說的這篇文章不是別的，正是最近在圈內引起了一波討論熱潮的《深度學習要碰壁了》。

從文章發布以來，幾天內它在推特上引起了幾百人的轉發點贊。

有人認同也有人反對，但真正讓作氣到跳腳的，還是Lecun在Facebook上的這條評論。

導致Gary Marcus本人直接在推特上“下戰書”：歡迎你發表觀點，我洗耳恭聽。

并且就在幾個小時前，他還掛出Lecun在2018年發表的觀點。

強調Lecun當時認為這10個問題中有很多都是錯的，在目前看來這些問題都還沒有被解決。

不過目前Lecun還沒有做出回應。

文章具體說了什么？

首先，我們來看一下Gary Marcus這篇文章中，具體講了哪些內容。

大體來看，全文可分為兩個部分：

1. 當下的深度學習充滿了炒作，實際上只有在粗略計算時的效果表現好；
2. 深度學習應該調整發展方向，和符號處理結合在一起。

作者開篇即提到了Hinton在2016年提出的論點：

AI將在5年內取代放射科醫生。

目前來看，這一豪言的確沒有實現。

實際上，AI在應用中遇到的“滑鐵盧”不是少數：

比如代表著醫療AI的IBM Watson被拆分出售、GPT-3等語言模型三觀不正、無人駕駛事故頻發……

對此作者認為，深度學習在完成輸出對精密度要求高的結果時，表現往往不夠好，以上列舉的3個場景就是最好的論證。

而且深度學習已經遇到了擴展限制（scaling limits），也就是再繼續擴大模型所帶來的的收益，已經不夠明顯。

相反，在圖像識別這種只需要粗略結果的情況下，深度學習的效果是好的。

對此，作者提出了自己的觀點：

深度學習應該與符號處理 （symbol manipulation）相結合。

符號處理，可以看做是計算機內部編碼，比如用二進制位串來代表一些復雜的想法。

為什么得出這樣的觀點？在這里作者舉了一個例子。

在Meta發起的一場NetHack挑戰比賽上，AI以1:3的成績敗給了游戲系統。

要知道，這其實是一款在1987年就發布的單人地下城探索游戲，它的地圖由ASCII 字符編碼。

作者認為，AI之所以會輸掉比賽，主要是因為每場游戲都會重新生成新的地圖，這意味著玩家不能通過死記硬背地圖來取勝，而是要理解游戲中的各種標志，并且搞清楚它們之間的聯系。

他還列舉了麥卡錫、明斯基等行業先驅的觀點，認為符號處理可以被用來構建精確的人工智能程序，用符號來表示獨立實體和抽象思想。

不過純符號系統在圖像識別、語音識別任務上的表現不夠好。

而這部分，正是神經網絡所擅長的。

作者提到，谷歌搜索中的自動拼寫糾錯，正是神經網絡和符號處理結合使用的最好案例。

實際上，在這方面的探索也從來沒有停止過。

比如最負盛名的AI——AlphaGo，就是使用符號樹搜索和神經網絡混合的系統。

還有包括IBM、英特爾、谷歌等科技巨頭，這些年也從未停止過在這一領域的積極探索。

網友：Lecun可能只是開玩笑

如此一篇萬字長文，一經發表就在網絡上激起千層浪。

在不少學界大佬轉發的另一面，也有不少人對Gary Marcus的觀點存疑。

有人就提出，深度學習并不存在碰壁，而是正在經歷一個階段轉型期。

也有人用漫畫來生動地表達自己的看法。

另一邊，支持Gary Marcuns的人則表示：

他只是提出來一種混合模型，這有什么壞處嗎？

而在Gary Marcus向Lecun“下戰書”的推特下面，有人也勸他消消氣。

可能Lecun只是說著玩的。

最后，我們再來了解一下Gary Marcus。

他是Robust.AI的創始人，這是一家智能機器人公司，自稱擁有世界上第一個工業級AI認知引擎。

他還是紐約大學名譽教授，在神經科學、遺傳學、進化心理學、AI等領域發表過大量文章，其文章很多刊登在Nature、Science上。

與此同時，他還是一位作家，作品包括《The Algebraic Mind》、《Kluge》、《The Birth of the Mind》等。

那么對于這篇長文，你怎么看呢？