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 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 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 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 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 学习的次数减少，当做 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 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 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， 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， 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 学习深入研发和应用的可能。 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： 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Waymo CEO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？
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 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 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 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 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 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 学习一家独大的不满。
包括上文提到的Gary Marcus，也是在表达对 学习不满的同时，强调了 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 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 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 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 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。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
