近日，Reddit一位網(wǎng)友根據(jù)近期OpenAI Five、AlphaStar的表現(xiàn)，提出“深度強化學(xué)習(xí)是否已經(jīng)到達盡頭”的問題。此問題一出便引起了眾網(wǎng)友的熱烈討論，觀點向一邊倒：根本沒到盡頭！

深度強化學(xué)習(xí)已經(jīng)達到了盡頭？

前幾日，OpenAI Five擺擂三天，以99%的勝率秒殺人類玩家。但值得注意的是，OpenAI Five是接受了45000年的訓(xùn)練，而人類只通過一天的時間便找到了戰(zhàn)勝它的策略。

OpenAI Five和AlphaStar都是深度強化學(xué)(DRL)最大規(guī)模、最精細的實現(xiàn)方式。但即便是AlphaStar上場，估計結(jié)果都是一樣的。

Reddit網(wǎng)友便針對此現(xiàn)象，拋出了這樣一個問題：

有很多研究正在進行，以使DRL更具數(shù)據(jù)效率，并使深度學(xué)習(xí)對于分布不均和對抗性的例子更加強大，但與人類的差距是如此極端以至于我懷疑是不是快要達到深度學(xué)習(xí)的極限了？亦或還是有希望能夠推動范式的發(fā)展？

許多網(wǎng)友比較傾向的觀點是：根本沒有達到所謂的極限，而只是可能到了人們不再用“智能”這樣的詞來談?wù)揇RL的地步。

網(wǎng)友hobbesfanclub認為：

我覺得我們才剛剛開始。每天都有很多東西被釋放出來，我甚至都跟不上。幾天前我認為是最先進的技術(shù)突然間就不存在了，因為在這個領(lǐng)域里有大量的工作要做。對于我們這些在這一領(lǐng)域工作的人來說，這些進步仍然是令人難以置信的，在我看來，真正令人印象深刻的是，這些技術(shù)在整體上仍然非常年輕……

網(wǎng)友adventuringraw認為：

這是一個很有趣的問題，關(guān)于深度學(xué)習(xí)本身也有類似的討論——我們已經(jīng)達到神經(jīng)網(wǎng)絡(luò)的極限了嗎？如果沒有根本性的范式轉(zhuǎn)變，是否更不可能？

但是你看，在神經(jīng)網(wǎng)絡(luò)上有各種各樣的方法，這些方法在2012年可能會讓一些人大吃一驚。很明顯，GAN、VAE、神經(jīng)風(fēng)格遷移、深度強化學(xué)習(xí)本身就屬于神經(jīng)網(wǎng)絡(luò)范疇內(nèi)，與其說深學(xué)習(xí)被取代了，不如說它被置于“堆?！敝铝恕Ｋ且粋€組成部分，一個解決問題的策略，一種思考方式。即使是深度網(wǎng)絡(luò)自己，也是建立在過去各種進步和見解的基礎(chǔ)上的。

我個人的想法是：這似乎是無模型方法的一個基本問題。你需要在特征空間中進行密集的覆蓋，或者換句話說，你知道在一個已經(jīng)完全探索過的領(lǐng)域里該做什么，但你不一定能夠推斷和推理出新的環(huán)境，你需要一個全局模型來進行推理。

我之前看過基于Google Brain的'SimPLe'模型的RL論文，開始向基于模型的RL過渡并不是一個全新的概念。但是在我們得到一個能夠在空間中進行抽象推理的智能體之前，還有一些嚴(yán)重的問題有待解決：

它如何學(xué)習(xí)空間中相關(guān)的獨立實體、動作、等等？

它能在無人監(jiān)督的情況下完成嗎?

它如何將當(dāng)前的世界理解壓縮為一個更低的維度表示，從而完美地捕捉到解決當(dāng)前問題最需要的維度?

它能學(xué)會周圍環(huán)境的地圖嗎?

創(chuàng)建分層長期計劃的最佳方法是什么？

......

即使只使用圖像分類，我們?nèi)匀缓茈y提取基于形狀的特征而不是基于紋理的特征。一般來說，局部模式似乎比全局模式更容易獲取，所以我想OpenAI Five更容易利用局部模式所采用的策略，這使得它很容易受到具有正確洞察力的玩家的攻擊。

我一直在讀Judea Pearl的《因果關(guān)系》(Causality)，有一些有趣的東西是值得思考的。我不認為他的因果關(guān)系模型是我們需要讓智能體明確地向世界學(xué)習(xí)什么東西，但是若是讓一個智能體能夠完全適應(yīng)新環(huán)境并在宏觀規(guī)模上進行規(guī)劃的整體似乎是需要它能夠反事實地推理，并對它自己的世界有一個強有力的理解。

考慮到我們才剛剛開始了解創(chuàng)建一個魯棒的圖像分類器需要什么(即使是在有監(jiān)督的環(huán)境中，更不用說無監(jiān)督的環(huán)境了)，我認為在深度強化學(xué)習(xí)完全成長之前，我們已經(jīng)有了一些基礎(chǔ)理論。

但非常瘋狂的事情是，我們似乎正在逐步消除了這些障礙。而另一方面，卻出現(xiàn) 了一個可以玩Dota2、學(xué)會合作、學(xué)會對世界進行推理的無監(jiān)督系統(tǒng)，這似乎讓人覺得我們快要到達技術(shù)的頂尖了，但實際上并沒有。所以我對于OpenAI沒有到達那個點并不感到驚訝。但對于接下來即將發(fā)生的事情還是抱有很大的期待的。

該問題似乎在reddit的討論熱度很高，但是縱觀網(wǎng)友們的評論，可以很容易看出對這個問題的看法是向一邊傾倒的：

深度強化學(xué)習(xí)遠未及極限，還有很長的一段路要走。

“寒冬論”四起，榮耀屬于熬過寒冬的人

但其實，人們不僅會對深度強化學(xué)習(xí)提出“寒冬論”的言論，深度學(xué)習(xí)亦是如此。

多年來，深度學(xué)習(xí)一直處于所謂的人工智能革命的最前沿，許多人相信深度學(xué)習(xí)將帶領(lǐng)我們進入通用AI時代。在2014，2015，2016年，很多事件每每推動人們對 Ai的理解邊界。例如Alpha Go等。特斯拉等公司甚至宣稱：全自動駕駛汽車正在路上。

但是現(xiàn)在，2018年中期，事情開始發(fā)生變化。從表面上看，NIPS會議仍然很火，關(guān)于AI的新聞也很多，Elon Mask仍然看好自動駕駛汽車，而Google CEO不斷重申Andrew Ng的口號，即AI比電力作出了更大的貢獻。但是這些言論已經(jīng)開始出現(xiàn)裂紋。裂紋最明顯的地方是自動駕駛- 這種現(xiàn)實世界中的實際應(yīng)用。

當(dāng)ImageNet有了很好的解決方案（注意這并不意味著視覺問題得到已經(jīng)解決），該領(lǐng)域的許多杰出研究人員（甚至包括一直保持低調(diào)的Geoff Hinton）都在積極地接受采訪，在社交媒體上發(fā)布內(nèi)容（例如Yann Lecun，吳恩達，李飛飛等）。他們的話，可以總結(jié)為：世界正處在一場巨大的AI革命中。然而，好幾年已經(jīng)過去了，這些人的Twitter信息變得不那么活躍了，比如 Andrew Ng：

2013年 - 每天0.413推文

2014 年- 每天0.605條推文

2015 -每天0.320條推文

2016 -每天0.802推文

2017 -每天0.668推文

2018 -每天0.263推文（至5月24日）

也許這是因為Andrew 的某些夸張言論，在當(dāng)下會被進行更詳細的審查，如下面的推文所示：

不可否認，深度學(xué)習(xí)的熱度已經(jīng)大大下降，贊美深度學(xué)習(xí)作為AI終極算法的推文少得多了，而且論文正在變得不那么“革命”，現(xiàn)在大家換了個詞，叫：進化。

自從Alpha Zero以來，DeepMind已經(jīng)許久沒有產(chǎn)出令人驚嘆的東西了。OpenAI更是相當(dāng)?shù)牡驼{(diào)，他們最近一次出現(xiàn)在媒體的報道上，是他們做了一個自動打Dota 2的機器人 [我一開始以為，這是跟 Alpha Go 一樣的偉大，然后后來證明，并不是]。

從某些文章來看，貌似Google實際上并不知道如何處理Deepmind，因為他們的結(jié)果顯然不如原先預(yù)期的那么實際......至于杰出的研究人員，他們一般都為了funding 在各種政府機構(gòu)間游走，Yann Lecun甚至從 Facebook的AI首席科學(xué)家的位置上下臺了。

像這種從富有的大公司向政府資助的研究機構(gòu)的逐漸轉(zhuǎn)變表明，這些公司對這類研究的興趣（我認為是谷歌和Facebook）實際上正在慢慢消失。這些都是早期跡象，沒有人大聲的宣揚，但這些行動就像肢體語言，也能傳達某種意思。

深度學(xué)習(xí)的一個重要口號是它可以輕松的擴展。我們在2012年擁有60M參數(shù)的AlexNet，現(xiàn)在我們已經(jīng)有至少1000倍的數(shù)量的模型了嗎？好吧，我們可能會這樣做，但問題是 - 這些東西有1000x的能力提升嗎？100倍的能力？openAI的研究派上用場：

因此，就視覺應(yīng)用而言，我們看到VGG和Resnets在計算資源應(yīng)用的一個數(shù)量級上飽和（就參數(shù)數(shù)量而言實際上較少）。Xception是谷歌Inception架構(gòu)的一種變體，實際上它在ImageNet上的表現(xiàn)只是略微優(yōu)于其他模型，因為AlexNet基本上解決了ImageNet。

因此，在比AlexNet計算量提高100倍的情況下，我們在視覺方面已經(jīng)有了近乎飽和的體系結(jié)構(gòu)，換句話說，圖像分類的精確已經(jīng)提不動了。

神經(jīng)機器翻譯是所有大型網(wǎng)絡(luò)搜索玩家(google, baidu, yahoo 等)的一大努力，難怪它有多少機器就用多少機器（盡管谷歌翻譯仍然很糟糕，雖然已經(jīng)在變得更好了）。

該圖上的最新三點有趣地顯示了Deep Mind和OpenAI應(yīng)用于游戲的強化學(xué)習(xí)相關(guān)項目。特別是AlphaGo Zero和稍微更通用的Alpha Zero需要大量計算，但不適用于真實世界的應(yīng)用程序，因為需要大量計算來模擬和生成這些數(shù)據(jù)來供這些模型使用。

好的，現(xiàn)在我們可以在幾分鐘內(nèi)完成AlexNet的訓(xùn)練，但是我們可以在幾天內(nèi)訓(xùn)練一個比AlexNet大1000倍，質(zhì)量更好的模型嗎？顯然不是。

迄今為止，對深度學(xué)習(xí)的聲譽打擊最大的事件來自自動駕駛領(lǐng)域。一開始人們認為End-to-End的深度學(xué)習(xí)可以以某種方式解決自動駕駛問題 (Nvidia特別推崇這一理念)?，F(xiàn)在我覺得地球上應(yīng)該沒有人還相信這一點（盡管我可能是錯的）。

看看前年加州車輛管理局DMV給各個廠商的自動駕駛車輛人為干預(yù)報告，Nvidia的自動駕駛汽車在缺少人為干預(yù)的情況下，連開10英里都做不到。

自2016年以來，特斯拉自動駕駛系統(tǒng)發(fā)生了幾起事故，其中一些事件是致命的?？梢哉f，特斯拉的自動駕駛輔助技術(shù)不應(yīng)該與自動駕駛混淆起來雖然在核心上它依賴于同一種技術(shù)。

都到今天了，它仍然不能自動停在路口，不能識別交通信號燈，甚至不能通過環(huán)形交叉路口。那是在2018年5月，在承諾特斯拉將自動駕駛從西海岸開到東海岸的幾個月后（盡管傳言是他們已經(jīng)嘗試過但是在小于30次人工干預(yù)的情況下無法實現(xiàn)）。幾個月前（2018年2月），伊隆馬斯克（Elon Musk）在一次電話會議上被問及海岸到海岸的行駛問題時重復(fù)說到：

“我們本可以實現(xiàn)海岸到海岸的駕駛，但它需要太多的專門代碼來有效地進行游戲；或者使代碼變得脆弱一些，這樣它只適用于一個特定的路線，這不是通用的解決方案。

我對神經(jīng)網(wǎng)絡(luò)方面取得的進展感到非常興奮。但是看起來并沒有太多的進展。它會覺得這是一個蹩腳的司機。就像…好吧，這是一個非常好的司機。像“Holy Cow！”

因此，有許多人開始對深度學(xué)習(xí)提出“寒冬論”：

預(yù)測人工智能的冬天就像是猜測股市崩盤一樣——不可能精確地知道發(fā)生的時間，但幾乎可以肯定會在某個時刻發(fā)生，就像股市崩盤之前，有跡象表明會發(fā)生危機，但在當(dāng)時的環(huán)境中，卻很容易被大家忽視。

在我看來，深度學(xué)習(xí)已經(jīng)出現(xiàn)了明顯的下降跡象。我并不知道這個冬天會有多“深度”，我也不知道接下來會發(fā)生什么，但我可以肯定，這個冬天一定會來臨，并且只會來的比想象的要早。

然而，上個月2018年圖靈獎公布，深度學(xué)習(xí)三巨頭：Yoshua Bengio、Geoffrey Hinton、Yann LeCun獲獎，三人瓜分100萬美元獎金。

Yann LeCun、Geoffrey Hinton、Yoshua Bengio

去年，”深度學(xué)習(xí)寒冬論“頻起，三位大神也在多個場合對”寒冬“做出了回應(yīng)。實際上，三人對“寒冬”早有抗體，在上世紀(jì)八十年代，Geoffrey Hinton等人坐了數(shù)年的冷板凳，直到本世紀(jì)AI的再度爆發(fā)。

不僅如此，Geoffrey Hinton還提出新的神經(jīng)網(wǎng)絡(luò)模型Capsule Network（膠囊網(wǎng)絡(luò)），試圖找到解決深度學(xué)習(xí)缺陷的新方法，這位71歲的老人熬過最冷的AI冬天，并且認定下一個“冬天”不會到來。

事實證明，榮耀是屬于熬過寒冬的人。