2021年，人们不再热衷于传颂人工智能（AI）各种神奇功，这倒不是说IEEE纵览（IEEE Spectrum）杂志不再将其作为封面，而只是把它作为杂志内部文章。对于深度学习依然可以完成很多神奇的事情，并在很多工业领域得到应用的消息也成为昨日新闻了。今年很多顶级文章都是在探讨深度学习（当今人工智能主要手段）的不足，并关注研究人员另辟新径。

下面是IEEE纵览在2021年刊登的十篇最受欢迎的人工智能文章，通过人们阅读时间的长短进行排序。一些文章来自于Spectrum在2021年十月份的AI专刊-Great AI Reckonging。

01 回报减少

MIT的 Neil Thompson[3] 和他合作伙伴的一篇文章：深度学习的回报越来越小( Deep Learning's Deiminishing Returns[4] ) 获得最多关注，文章深刻讨论了深度学习系统训练在算力 和能源上的消耗问题。针对图像分类器性能提高过程进行了分析，发现想要将错误率降低 一半，则需要500多倍的计算资源。“对于这些极速增加的消耗费用，研究人员要么找到更加有效的问题解决算法，或者将这些问题抛弃，不再有进一步的改进。”  当然，文章也不是完全悲观，最后给出了一些很有发展前景的想法。

▲ 图1.1 深度学习的回报在减少

02 以图看AI

每年，  AI 指数网站[5] 都会通过大量数据来讨论人工智能话题。2021年  AI 指数勤勉的组织者发布了全球学界与工业界关于AI前景看法，特别关注了AI劳动力以及AI应用伦理挑战等广泛话题。我，作为你们的谦卑的编者，将那些222页中大量数据精心组织，形成15副图表，包括工作岗位、投资等，都在文章  15 Graphs You Need to See to Understand AI in 2021[6] ，拿走不谢。

▲ 图2.1 Ground the conversation about AI in data

03 AI机器人

How DeepMing is Reinveting The Robot[7] 介绍了近年来位于伦敦的 Alphabet分公司 DeepMind创造了令人惊奇的业绩，包括在蛋白质三维叠卷结构开创性工作、在古老围棋对弈中击败围棋大师等。DeepMind机器人事业部掌舵人Raia Hadsell谈起她们正在解决人工智能中长期存在的** 灾难性遗忘[8] **问题，并尝试建立具有多方面能力、适应性强的机器人，人们对此非常关注。

▲ , HOW DEEPMIND Is Reinveting the Robot

04 砥砺前行

Spectrum杂志的一篇特写：The Turbulent Past and Uncentain Future of Airticial Intelligence[9] 是关于 人工智能的专题文章[10] ，讲述了AI从1956年至今所经历的故事，并在文中穿插有专刊中其它文章内容。这篇文章帮你理清人工智能为何能够发展到现在境地。对于信奉专家系统符号学派与发明神经网络的连结主义之间长期争执进行了讲解，并看好未来这两者会融合形成神经-符号系统。

▲ 图4.1 Frank Resenblatt发明了感知机，这是现在人工神经网络的构成砖头

05 AI中炒作

在短文 Andrew Ng X-Rays the AI Hype[11] 中讲述了 AI 领域中领军人物 Andrew Ng 的一段轶事，资料整理自问题与回答。Andrew Ng本人深度参与早期Google，百度的人工智能发展，现在开启一家名为  人工智能落地（Landing AI）[12] 公司。

Andrew 提起斯坦福大学开发的人工智能系统可以通过X-胸片检测肺炎，准确性超过专业放射科大夫。但实际上并不符合事实，AI系统仅仅在测试数据集合工作很好，但对于实际X-胸片的判断效果距离实际应用还有很长的路要走。

▲ 图4.2 Andrew Ng

06 毒舌GPT-3

文章 OpenAIs GPT-3 Speaks! (Kindly Disregard Toxic Language) 介绍了 AI 社区人群被吓傻的场景，2020年美国旧金山 OpenAI 人工智能实验室的语言产生系统 GPT-3刚一亮相就被人惊呆了。该语言系统可以在少量的提示下针对任何主题和风格产生连贯 有条理的文字，但也有坏毛病，是因为它采用了来自于网络文本进行训练，因此也把特定在线社区的流行的一些人类偏见也学会了，随着它口吐莲花般地产生句子时也会掺杂着令人意想不到的恶毒词语。

平时我说话很小心，所以想知道哪家公司敢将这样一个嘴没有把门的GPT-3集成到他们产品服务中去，比如应用在客户支持、在线辅导、精神咨询等等。一旦雇佣了这样AI的怪物，你怎么能管住它不去侮辱、取笑你的客户？

▲ 图6.1 毒舌GPT-3：学会了一些不好的网络用语

07 蜻蜓大脑

Fast,Efficient Neural Networks Cpy Dragonfly Brains[13] 介绍了Sandia 国家实验室的 Frances Chance的工作。她研究如何将蜻蜓的大脑应用于导弹防卫系统中。蜻蜓的大脑仅仅有1百万个神经元的，却能够在捕捉空中猎物中非常精确。相比于研究实验室中其它建造的人工神经网络规模越来越大和复杂，她的研究方向则是另辟蹊径：仿照蜻蜓大脑的机制来构建快速、简捷、高效的信息处理系统，设计的计算机能够更快的完成这些功能，消耗的能量相比于传统计算机则微不足道。

▲ 图7.1 蜻蜓的大脑

08 人类大脑

在 Deep Learning Isnt Deep Enough Unless It Copies from the Brain[14] 中介绍了发明手势导航，开启智能手机时代的 Jeff Hawkins的书籍，现在他在一家机器智能公司 Numenta研究人类大脑智能的基础，希望开启人工通用智能的新时代。这篇关于提问与回答的文章涉及到很多他的具有争议的思想，比如他确信存在超智能，人工智能无法形成对人类的威胁，并认为了解人类意识并不困难。

▲ 图8.1 Deep Learning Isn't Deep Enough Unless It Copies From the Brain

09 AI购物车

The Algorithms That Make Instacart Roll[15] 文章介绍了那些支撑我们生活便利背后技术公司内部的秘密。InstaCart是一家零售送货公司，工程师Sharath Rao和Lily Zhang介绍了公司的AI 支撑系统是如何对近四万家零售商店产品存量进行预测，包括有几十亿的各种各样数据。该系统能够对缺货商品给出替换方案，预测当时有多少快递小哥可以接单，实现高效订单汇总、指定分发路线。

10 AI的失落

在 7 Revealing Ways AIs Fail[11] 文章中， Charles Choi 给出了一个有趣的列表，给出了人工智能的失败之处，并阐明当今人工智能的弱点。

利用漫画描述陷入困境的机器人是这篇文章给予我们的奖赏。

▲ 图9.1 人工智能失落方式

参考资料

[1]7 Revealing Ways AIs Fail: https://spectrum.ieee.org/ai-failures

[2]2021s Top Stories About AI Spoiler: A lot of them talked about whats wrong with machine learning today: https://spectrum.ieee.org/artificial-intelligence-2021

[3]Neil Thompson: http://www.neil-t.com/about-me/

[4]Deep Learning's Deiminishing Returns: https://spectrum.ieee.org/deep-learning-computational-cost

[5]AI 指数网站: https://aiindex.stanford.edu/

[6]15 Graphs You Need to See to Understand AI in 2021: https://spectrum.ieee.org/the-state-of-ai-in-15-graphs

[7]How DeepMing is Reinveting The Robot: https://spectrum.ieee.org/how-deepmind-is-reinventing-the-robot

[8]灾难性遗忘: https://mrifkikurniawan.github.io/blog-posts/Catastrophic_Forgetting/

[9]The Turbulent Past and Uncentain Future of Airticial Intelligence: https://spectrum.ieee.org/history-of-ai

[10]人工智能的专题文章: https://spectrum.ieee.org/special-reports/the-great-ai-reckoning/

[11]Andrew Ng X-Rays the AI Hype: https://spectrum.ieee.org/andrew-ng-xrays-the-ai-hype

[12]人工智能落地（Landing AI）: https://landing.ai/

[13]Fast,Efficient Neural Networks Cpy Dragonfly Brains: https://spectrum.ieee.org/fast-efficient-neural-networks-copy-dragonfly-brains

[14]Deep Learning Isnt Deep Enough Unless It Copies from the Brain: https://spectrum.ieee.org/deep-learning-isnt-deep-enough-unless-it-copies-from-the-brain

[15]The Algorithms That Make Instacart Roll: https://spectrum.ieee.org/the-algorithms-that-make-instacart-roll