NIPS舉辦了第一場記者發布會：請媒體警惕這波AI熱潮

機器之心原創

作者：Tony Peng

面對記者，NIPS 大會傳達了很明確的信息——請不要妖魔化機器學習。

今年落戶長灘的 NIPS（神經信息處理系統進展大會）做出了很多新的嘗試——開設了五個比賽單元；增加除 Oral 和 Poster 之外的 Spotlight 環節；更多企業和初創公司進入到 NIPS 大會開設展台；以及，NIPS 首次邀請了記者參會。

美國時間周二，七位正襟危坐的學者，和來自美國各大主流報媒的記者，組成了 NIPS 有史以來的第一次記者發布會。

但是，這場記者發布會的氛圍格外的……奇怪。

這種奇怪的感覺或許源於一種極其不自然的交流：一邊是埋頭呆在實驗室里的機器學習研究員，另一邊是急於挖掘人工智慧大新聞的記者，他們的背景不同，想法不同，在這場記者發布會上交流的內容也不盡相同。

平心而論，學者們其實有很多話想要在記者面前傾訴。在大會主席 Isabelle Guyon 和 Ulrike von Luxburg 介紹完 NIPS 的基本信息後，發布會也邀請了五位參會的學者分別對自己論文進行解讀。這些由大會精心挑選出來的論文，儘管不是獲獎論文，但都通過機器學習的方法，解決了非常重要的問題。比如由 Matt Kusner 和 Joshua Loftus 提出的 Casual Model 能夠解決機器學習模型中存在的偏見：為什麼面部識別更容易識別白人而不是黑人，又或者自然語言系統出現針對女性的性別歧視言論。

然而，並沒有多少記者對論文的內容和其影響提問；相反，記者們更願意關心機器學習或者大眾所理解的人工智慧是否會對社會、經濟、工作、移民等方面產生深遠的影響。「深度學習會如何影響工作和經濟？」「GPU 和深度學習到底能改變什麼？」這些問題又超出了學者們的研究範圍。

於是，字裡行間，衝突、偏見、矛盾、交鋒，都出現在這場 NIPS 記者發布會上。

AlphaGo 只是完成了目標

機器學習沒有魔法，目前的機器學習也沒有產生革命性的影響，這是大會主席 Isabelle Guyon 所堅守的觀點。

這位來自法國 Paris-Saclay 大學、研究機器學習和生物學的教授，非常警惕如今的這波 AI 熱潮：這是一場泡沫，而且遲早會破滅。

「目前所應用的大部分演算法，20 年前都已經有了。只不過我們很幸運，趕上了算力達到了一定的標準，讓很多需要大量數據的演算法有了實現的可能。」

而另一位參加記者發布會的學者、獲得今年 NIPS Tme of Award（時間檢驗獎）的加州大學伯克利分校教授 Benjamin Recht 則直接拿起了 AlphaGo 開涮，來說明人們對人工智慧的過分高估。他提到了多年前的一個小插曲：在 2007 年的 ICML 大會上，當時還沒有創立 DeepMind 的 David Silver 就曾說解決圍棋電腦只需要 10 年時間，那時候，深度學習、強化學習都還沒有進入大眾的視野。

顯然，Silver 的時間掐得很准。2016 年，來自 DeepMind 的 AlphaGo 一戰成名，在首爾擊敗了曾經的世界第一圍棋高手李世石。而第二年，AlaphGo 的進化體 Master 又擊敗了前世界第一柯潔（柯潔最近剛剛失去了世界第一的寶座）。但在 Recht 看來，DeepMind 只是完成了既定目標罷了。

「我依然記得當年深藍擊敗國際象棋大師 Garry Kasparov，那很震撼。」Recht 回憶道。但畫風一轉，他說，「這麼多年人工智慧一直在遊戲里擊敗人類，但似乎沒有什麼事情發生改變。」

學者們和媒體的衝突

Recht 不喜歡像 NIPS 這樣的學術大會舉辦記者發布會。

發布會上，Recht 拿出了一篇來自紐約時報 1958 年的報道。這篇文章主要講述了美國海軍透露了目前電子計算機的胚胎，預計將能夠對話、走路；他們能夠複製自身，並且可以意識到自己的存在；他們將構建第一台能夠讀寫的感知機，預計將在一年內完成，成本為十萬美元。

50 年前，紐約時報就在報道人類能發明擁有高等智能的機器；如今，你依然在各大媒體上能夠看到這些內容。人類不斷地在研發高等智能，但是不斷的失敗。這當然有機器學習技術本身的局限性，但 Recht 認為媒體的誇大說辭也需要承擔一部分責任。

與其說是媒體人背鍋，不如說是這兩個群體天生的信息不對稱。

學者們不知道記者對於機器學習和人工智慧的認識有多久，這成為了發布會上顯而易見的「偏見」。在另一位大會主席 Ulrike von Luxburg 短短三分鐘的演講里，她提到了三次「機器學習不是人工智慧，儘管他們在某種程度上很接近。」

同樣，記者所想要的答案也並非是這些學者能夠回答。當來自經濟學人的記者提出「你能說服我深度學習是否能真正改變社會和經濟「的問題時，台上的學者面面相覷，Guyon 甚至尷尬地笑著說「你能再問一個更好的問題嗎」。顯然，他們的任務是研究機器學習在某一個特定問題上如何取得更好的效果，而不是來研究這些技術到底會對社會產生怎麼樣的經濟影響。

這種信息不對稱，造成了答非所問，造成了記者和學者之間的交鋒。記者希望獲得直接明了的答案，而往往用盡數十年來證明某個演算法是否有效的學者們最忌諱給出簡單的答案。

NIPS 似乎還沒有做好迎接媒體進入大會的準備。

敞開大門的 NIPS，有利有弊

而在今年大會上，另一個令人關心的問題是：包括 Facebook、Amazon、Intel、Nvidia，以及來自中國的百度、騰訊、阿里爸爸都入駐 NIPS 大會，不少非學術圈的人也來到了 NIPS，這極大地改變了 NIPS 設立的初衷。學者們對此是怎麼看的？NIPS 委員會又該如何平衡商業化操作和學術會議的環境。

四年前在美國內華達 Lake Tahoe 舉辦的 NIPS 大會不過 2000 人，而今年已經漲到了 8000 多人。根據 NIPS 委員會的計算，按照這個趨勢，到了 2035 年，參加 NIPS 大會的人會超過世界的總人口。不少學者都或多或少地「抱怨」，看 poster（論文海報）的大廳人山人海，入選 NIPS 的 679 篇論文哪裡掃的過來。

Dynamic Routing Between Capsules 的論文海報前，人滿為患。

對不少年輕的學者來說，這是一件好事。參加發布會的、來自紐約大學的助理教授 Joshua Loftus 就直言，他很喜歡工業界的人願意關心他的工作，這讓他的論文可以有更大的影響力。

「我們和那些真正部署應用的公司進行交流，讓他們能夠用我們的技術做出一些工具，解決工業的問題。」

同樣，Gugyon 也很欣喜地看到工業界對如今生物學、認知科學和機器學習的熱情。人工智慧在歷史上經歷過兩次大的起伏，而 Gugyon 經歷過 80 年代人工智慧的熱潮和 90 年代無人問津的慘況，這讓她特別珍惜工業界所帶來的機會。

但 Recht 持保守意見。「我對這些公司的權力感到震驚，其中一些公司塑造或主導了辯論。我感到驚訝的是他們覺得他們只是想在某種意義上購買學術人才，以此減少學術界的影響，我認為這是非常目光短淺。同時，他們似乎不關心他們早期部署的機器學習技術會帶來什麼後果。我很擔心這些在公共場合宣傳的人工智慧會轉移機器學習領域的科學家們真正需要解決的問題。」

Recht 很在意機器學習的方法是不是真的能夠解決問題而不是誤導一些研究方向。今年，他的一篇論文《The Marginal Value of Adaptive Gradient Methods in Machine Learning》被 NIPS 收錄，這篇論文研究了在訓練深度神經網路中非常流行的自適應優化方法（adaptive optimization methods），在比較了幾種最先進的深度學習模型中自適應方法的經驗泛化能力。他發現，自適應方法找到的解決方案普遍比 SGD 更差（通常明顯更差），即使這些解決方案具有更好的培訓效果。

NIPS 大會正在做出改變，這個位於象牙塔的學術會議正在一步步打開它的大門，讓更多非學術圈的人士接觸最前沿的科研進展。這種轉變勢必帶來一些曲折，比如這場記者發布會。學者們害怕這場 NIPS 大會也成為了媒體筆下的又一個通往通用人工智慧的大會。

發布會結束後，機器之心記者有幸和一旁的來自 MIT Technology Review 的 Will Knight 聊了兩句。「有趣的是這裡的人似乎不知道人工智慧究竟帶來了怎麼樣的增長，而在中國，沒有人覺得人工智慧是個偽命題。」

常年在中國報道人工智慧相關故事 Knight 見證了中國人工智慧力量的發展，就在今年，他撰寫了一篇Chinas AI Awakening 中國人工智慧的崛起 。相比特朗普政府在美國科技圈的無作為，甚至是對移民和簽證的更加嚴苛，中國政府的大力支持讓他非常驚訝和好奇。

「也許這（這場記者發布會）是一個非常獨特的西方玩意兒。」Knight 開玩笑地說。