作為開創(chuàng)人工智能產(chǎn)業(yè)的核心技術(shù)，也就是卷積神經(jīng)網(wǎng)絡(luò)的創(chuàng)造者，楊立昆 (Yann LeCun) 針對整個人工智能產(chǎn)業(yè)的評論，自然也是備受關(guān)注。

他在國際固態(tài)電路會的開幕演講中，明確的表達了他不同意英特爾對于人工智能的觀點，他認為，英特爾目前所積極發(fā)展的尖峰神經(jīng)原技術(shù)目前還不實用，也缺乏可靠的算法來實現(xiàn)實際生活上的問題。

英特爾也因此炸了鍋，其主導(dǎo)神經(jīng)計算的主管 Mike Davis 更是站出來反駁楊立昆的看法，捍衛(wèi)尖峰神經(jīng)原計算的核心價值與發(fā)展?jié)摿Α?/p>

Facebook 人工智能研究院院長楊立昆在三十多年前在多倫多大學(xué)博士就學(xué)期間，創(chuàng)造了使用特定形式的機器學(xué)習(xí)，該技術(shù)稱為卷積神經(jīng)網(wǎng)絡(luò) (CNN)，也因此，楊立昆也被稱為卷積神經(jīng)之父。

后來楊立昆先后曾在貝爾實驗室開發(fā)新型態(tài)的機器學(xué)習(xí)方法，包括我們現(xiàn)在流行的圖像識別技術(shù)，隨后他加入 AT&T 實驗室領(lǐng)導(dǎo)圖像研究部門，并曾加入 NEC 美國研究室，后來他加入紐約大學(xué)，并在 2012 年創(chuàng)建了數(shù)據(jù)科學(xué)中心，隨后他加入了 Facebook，建立人工智能研究院，并成為第一任主任。

作為開創(chuàng)人工智能產(chǎn)業(yè)的核心技術(shù)創(chuàng)造者，楊立昆對尖峰神經(jīng)原 (spiking neurons) 的負面看法，也引了包含英特爾在內(nèi)的業(yè)界的爭議。

眾所周知，英特爾正積極發(fā)展所謂的尖峰神經(jīng)原技術(shù)，而該技術(shù)底層是一種更接近真正生物神經(jīng)原的一種計算模型，換言之，英特爾認為這種技術(shù)所達成的計算才是人工智能。

英特爾神經(jīng)計算主管 Mike Davis 對楊立昆的看法表示，目前各種以反向傳播技術(shù)為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)模型上進行的計算，根本不能稱為真正的深度學(xué)習(xí)，充其量只能叫做基于算法的路經(jīng)優(yōu)化，只有以真正模擬大腦神經(jīng)原運作，才有辦法解決目前深度學(xué)習(xí)在所有人工智能應(yīng)用領(lǐng)域所遇到的問題。

Mike Davis 在加州理工大學(xué)畢業(yè)后，曾短暫在 Fulcrum 這家 IC 設(shè)計公司待過，該公司成立于 1999 年，主打低功耗網(wǎng)絡(luò)設(shè)備芯片，該公司后來在 2011 年底被英特爾收購，而 Mike Davis 也轉(zhuǎn)而進入英特爾從事芯片開發(fā)工作，后來成為英特爾的神經(jīng)計算研究室的主任。

反向傳播與尖峰神經(jīng)原之爭

基于反向傳播的卷積神經(jīng)深度學(xué)習(xí)方法是過去幾十年來做為人工智能的基礎(chǔ)，然而反向傳播技術(shù)并不存在于自然界的各種邏輯推演過程，實際上，它只是用來簡化我們遇到的龐大數(shù)據(jù)，從中理出邏輯的一套方法。

而反向傳播這一深度學(xué)習(xí)核心技術(shù)的提出者之一，Geoffrey Hinton 很早就意識到反向傳播并不是自然界生物大腦中存在的機制，也因此，他最近也曾發(fā)出聲明，強調(diào)要追求真正的人工智能，就必須拋棄反向傳播，從自然規(guī)則，也就是我們的大腦中尋找真正的解法。

基于反向傳播的神經(jīng)網(wǎng)絡(luò)技術(shù)在”學(xué)習(xí)”的過程中其實會有很多限制，比如說人腦可以在一張圖片中的文字加入噪聲后仍可輕易判讀出來，但現(xiàn)有的神經(jīng)網(wǎng)絡(luò)卻非如此，即便是同一張圖片，加入噪聲之后就必須重新學(xué)習(xí)，否則就無法判讀。

換言之，反向傳播無法理解事物的因與果，它雖然可以找出一套最優(yōu)路徑，但這不是邏輯的建立，而僅僅是死的規(guī)則。

而英特爾進來積極發(fā)展的尖峰神經(jīng)原，也被稱做脈沖神經(jīng)網(wǎng)絡(luò)，其實就是要仿照大腦神經(jīng)原的運作方式，讓計算機用大腦的運作方式來去理解事物的本質(zhì)，而不僅僅是最優(yōu)化工作。

目前的神經(jīng)網(wǎng)絡(luò)屬于第二代神經(jīng)網(wǎng)絡(luò)技術(shù)，屬于監(jiān)督式的學(xué)習(xí)方法，基于自 1970 年代就已經(jīng)發(fā)明的反向傳播技術(shù)，而尖峰神經(jīng)原則是屬于第三代技術(shù)，它不止使用了類似生物的神經(jīng)網(wǎng)絡(luò)運作方式，甚至也能把時間信息的影響因素同步考慮進來，換言之，這是一個可以考慮前因后果的神經(jīng)網(wǎng)絡(luò)技術(shù)。

當然，作為推動近年來人工智能產(chǎn)業(yè)的重要核心技術(shù)，其實反向傳播已經(jīng)建立起非常龐大的生態(tài)價值鏈，即便它不完美，但它推動了整個人工智能計算產(chǎn)業(yè)，其地位已經(jīng)非常穩(wěn)固，不僅性能可靠，算法生態(tài)豐富，幾乎所有的計算硬件都能支援相關(guān)算法，在未來很長的時間內(nèi)都不可能被取代。

然而科學(xué)家看的往往是更長遠的發(fā)展，反向傳播技術(shù)的限制早就已經(jīng)被諸多研究者提出，雖然可以利用很多額外的算法來彌補，但無法根除這些問題。

英特爾身為業(yè)界計算架構(gòu)的領(lǐng)導(dǎo)者，他已經(jīng)錯失了在第二代神經(jīng)網(wǎng)路計算中的先機，也因此，轉(zhuǎn)而全力發(fā)展第三代神經(jīng)網(wǎng)絡(luò)技術(shù)，其 Loihi 技術(shù)就是該技術(shù)的結(jié)晶。

與其他傳統(tǒng)神經(jīng)網(wǎng)絡(luò)技術(shù)不同的是，Loihi 不需要龐大的數(shù)據(jù)來幫助其完成整個學(xué)習(xí)過程，理論上它可以利用環(huán)境觀察中取得的數(shù)據(jù)來自主完成整個學(xué)習(xí)過程。

當然，英特爾這邊聲稱這個基于第三代神經(jīng)網(wǎng)絡(luò)技術(shù)的硬件環(huán)境已經(jīng)非常完備，而且在合適的算法之下，可以達到遠優(yōu)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)計算架構(gòu)的效率與能耗表現(xiàn)。

不過 Mike Davis 也承認，楊立昆的某些觀點也是事實，那就是其第三代神經(jīng)網(wǎng)絡(luò)，也就是尖峰神經(jīng)原的硬件還缺乏許多關(guān)鍵算法的實現(xiàn)，臨門還缺了一腳，使其還無法真正為業(yè)界所用。

但 Mike Davis 強調(diào)，算法的完備只是時間問題，由于尖峰神經(jīng)原技術(shù)解決了基于傳統(tǒng)反向傳播神經(jīng)網(wǎng)絡(luò)架構(gòu)的核心問題，如果要往真正的人工智能發(fā)展，那么這就是不得不走的路，當業(yè)界普遍認知到反向傳播的限制所在，尖峰神經(jīng)原技術(shù)就會是答案。

世代問題

所以從整個事件看來，其實楊立昆與 Mike Davis 之間的爭議就是個世代問題，第二代神經(jīng)網(wǎng)絡(luò)技術(shù)很好的解決了目前我們生活周遭的大數(shù)據(jù)計算需求，雖然不夠智能，但夠用，而英特爾則是認為真正的人工智能問題無法用第二代神經(jīng)網(wǎng)絡(luò)技術(shù)來解決，必須通過第三代技術(shù)才有辦法達成。

要說二者之間的爭議誰是誰非，其實是沒有答案的。

這種認知上的落差其實在于現(xiàn)在與未來的認知不同，也就是不同時期在人工智能應(yīng)用發(fā)展所需要的計算核心所需要的不同思維，就好比過去有很長一段時間覺得計算就應(yīng)該是由 CPU 來完成，但后來 GPU，甚至神經(jīng)網(wǎng)絡(luò)芯片加入計算的戰(zhàn)場，我們看到的計算生態(tài)也變得更多元化，但這并不是說 CPU 的貢獻就不存在，或者失去價值。

這場由不同世代神經(jīng)網(wǎng)絡(luò)架構(gòu)所造成的人工智能爭議亦是如此。