美國加州舊金山谷歌人工智能（AI）研究人員Ali Rahimi去年12月對其所在研究領(lǐng)域進(jìn)行了一次猛烈的抨擊，并獲得了40秒的掌聲。在一次AI會(huì )議上，Rahimi指責機器學(xué)習算法，即計算機通過(guò)反復試驗和糾錯來(lái)學(xué)習已經(jīng)成為某種形式的“煉金術(shù)”。他說(shuō)，研究人員并不知道為什么有些算法會(huì )起作用而另一些不會(huì )，他們在選擇一個(gè)AI架構而非另一個(gè)時(shí)也沒(méi)有嚴格的標準。在近日于加拿大溫哥華舉行的關(guān)于學(xué)習表現的國際會(huì )議上發(fā)表的一篇論文中，Rahimi和合作者列舉了他們所看到的“煉金術(shù)問(wèn)題”，并為提高AI的嚴格性開(kāi)了“藥方”。

“這個(gè)領(lǐng)域有一種痛苦?！盧ahimi說(shuō)，“我們很多人覺(jué)得自己在使用一種完全不同的技術(shù)?！?/p>

這個(gè)問(wèn)題與AI的再現性問(wèn)題截然不同，由于實(shí)驗和出版實(shí)踐的不一致，研究人員無(wú)法復制彼此的結果。它也不同于機器學(xué)習中的“黑箱”或“可解釋性”問(wèn)題：解釋某一特定AI如何得出結論的難題。正如Rahimi所言，“我試圖把機器學(xué)習系統的‘黑箱’與轉變?yōu)楹谙涞恼麄€(gè)領(lǐng)域區分開(kāi)來(lái)?！?/p>

他說(shuō)，如果不深入了解構建和訓練新算法所需要的基本工具，研究人員創(chuàng )建AI就會(huì )像中世紀的煉金術(shù)士一樣訴諸于謠言。加州山景城谷歌計算機學(xué)家Francois Chollet補充道：“人們被狂熱崇拜所吸引”，依賴(lài)的是“民間傳說(shuō)和魔法咒語(yǔ)”。他舉例說(shuō)，他們采用寵物的方法調整AI的“學(xué)習速率”（一個(gè)算法在每個(gè)錯誤之后會(huì )在多大程度上進(jìn)行糾正），而不是了解為什么一個(gè)算法比其他的更好。在其他情況下，AI研究人員訓練其算法只是在黑暗中磕磕碰碰。例如，他們執行所謂的“隨機梯度下降”，以此優(yōu)化一個(gè)算法的參數，以獲得盡可能低的失敗率。然而，盡管有數千篇關(guān)于這一主題的學(xué)術(shù)論文，以及無(wú)數應用該方法的途徑，這一過(guò)程仍然依賴(lài)于嘗試和糾錯。

Rahimi的論文強調了被浪費掉的努力以及可能導致的次優(yōu)表現。例如，它指出，當其他研究人員從最先進(jìn)的語(yǔ)言翻譯算法中去掉大部分的復雜性時(shí)，它實(shí)際上能夠把英語(yǔ)更好地翻譯成德語(yǔ)或法語(yǔ)，而且效率更高，這表明其創(chuàng )建者并沒(méi)有完全理解那些額外部分有什么好處。相反，英國倫敦推特網(wǎng)機器學(xué)習研究人員Ferenc Huszar說(shuō)，有時(shí)候，附加在算法上的鈴聲和哨聲是唯一優(yōu)秀的部分。他說(shuō)，在某些情況下，算法的核心存在技術(shù)缺陷，這意味著(zhù)其得出的好結果“完全歸因于在上面應用的其他技巧”。

Rahimi對了解哪種算法最有效提供了若干建議。他說(shuō)，對于初學(xué)者來(lái)說(shuō)，研究人員應該像翻譯算法那樣進(jìn)行“切除研究”：一次刪除一個(gè)算法的某些部分，以查看每個(gè)組件的功能。

他呼吁進(jìn)行“切片分析”，在此過(guò)程中，需要對一個(gè)算法的性能進(jìn)行詳細分析，以了解某些地方的改進(jìn)是否會(huì )在其他方面產(chǎn)生成本。他還說(shuō)，研究人員應該對其算法進(jìn)行許多不同條件和設置的測試，并報告所有測試的性能。

加州大學(xué)伯克利分校計算機學(xué)家、Rahimi煉金術(shù)主題演講論文的共同作者Ben Recht表示，AI應向物理學(xué)取經(jīng)，該領(lǐng)域的研究人員經(jīng)常把問(wèn)題縮小到更小的“玩具問(wèn)題”。他說(shuō)：“物理學(xué)家在設計簡(jiǎn)單的實(shí)驗以找到現象的解釋方面非常驚人?！币恍〢I研究人員已經(jīng)開(kāi)始采用這種方法，在處理大型彩色照片之前，先在小型黑白手寫(xiě)字符上測試圖像識別算法，以更好地理解該算法的內部機制。

倫敦深度思維計算機科學(xué)家Csaba Szepesvari表示，該領(lǐng)域還需要減少對競爭性測試的重視。他說(shuō)，現在如果一篇論文報告的算法優(yōu)于某些基準，而非闡明該軟件的內部工作原理，就更有可能被發(fā)表。這就是花哨的翻譯算法通過(guò)同行評審的方式?！翱茖W(xué)的目的是產(chǎn)生知識，”他說(shuō)，“你需要生產(chǎn)出別人可以使用并可以它為基礎的東西?！?/p>

并非所有人都同意Rahimi和Recht的批評。臉譜網(wǎng)紐約首席AI科學(xué)家Yann LeCun擔心，把太多的精力從尖端技術(shù)轉移到核心理解上，可能會(huì )減緩創(chuàng )新，阻礙AI的實(shí)際應用?！斑@不是煉金術(shù)，而是工程學(xué)?！彼f(shuō)，“工程學(xué)是散亂復雜的?！?/p>

Recht發(fā)現一個(gè)適合系統性且允許冒險研究的地方?！拔覀儍烧叨夹枰??！彼f(shuō)，“我們需要了解故障來(lái)自哪里，這樣就可以建立可靠的系統；我們必須向前推進(jìn)邊界，這樣就能沿著(zhù)這條路線(xiàn)擁有更好的系統?！?/p>

摘自《中國科學(xué)報》