某些AI领域研究十多年来毫无进步

UFO爱好者

某些AI领域研究十多年来毫无进步是怎么回事，是真的吗？2020年06月09日是本文发布时间是这个时间。下面一起来看看到底怎么回事吧。
                                某些AI领域研究十多年来毫无进步
                               
                                近日，一篇 Science 评论文章指出，近年来人工智能多个子领域进展看似红红火火，实际上却毫无进步。有些研究方向的天花板，其实早在十多年前就已出现。
                               
                               



图片来源：Pixabay

来源  Science
作者  Matthew Hutson
编译  公众号“机器之心”

人工智能看似越来越聪明：芯片越来越快，数据越来越多，算法性能也比之前更好。但是一些改进来自于微调，而不是其创造者所说的核心创新，甚至有些所谓的“改进”根本不存在—— 麻省理工学院（MIT）计算科学与人工智能实验室博士 Davis Blalock 如是说。

Blalock 及其同事对比了数十种神经网络改进方法，发现“看完五十篇论文，愈发不明白当前最优性能是什么样了”。

他们一共评估了 81 种剪枝算法，即通过修剪不必要的连接提高神经网络效率的方法。所有这些算法都声称自己具备更优秀的表现，但是它们甚至很少得到恰当的对比。这项研究将它们进行对比评估后，发现在过去十年中没有明确证据可以表明算法性能出现提升。

这项研究令 Blalock 的导师、MIT 计算机科学家 John Guttag 感到震惊，他表示，不公平的对比或许可以解释这一停滞现象。“老话说得好，如果你无法衡量一件事，就很难让它变得更好。”

AI 研究的泡沫？


近年来，研究人员发现多个 AI 子领域的进展实则“摇摇欲坠”。

2019 年，一项针对搜索引擎所用信息检索算法的元分析发现，“天花板早在 2009 年就已确立”。

2019 年的另一项研究在 18 种推荐算法中仅成功复现了 7 种，而且其中 6 个在性能上无法超越多年前开发的更简单的非神经算法。

而在今年三月的一篇 arXiv 论文 A Metric Learning Reality Check 中，康奈尔大学计算机科学家 Kevin Musgrave 对损失函数进行了评估。他以公平的方式在图像检索任务中对十几种损失函数进行对比，发现与损失函数发明者所声称的相反，自 2006 年以来模型准确率并未因此得到提升。Musgrave 表示：“总是会有这样的炒作。”



卡耐基梅隆大学（CMU）计算机科学家 Zico Kolter 表示，机器学习算法的性能提升来自于架构、损失函数或优化策略的基础改变，而对它们进行微调也能带来性能提升。Kolter 致力于研究免受“对抗攻击”影响的图像识别模型。早期的对抗训练方法叫做投影梯度下降（PGD），即在真实和欺骗性样本上训练模型，该方法后来似乎被一些更复杂的方法超越。

但在今年 2 月的一篇 arXiv 论文 Overfitting in adversarially robust deep learning 中，Kolter 及其同事发现，在使用简单的 trick 对这些方法进行增强后，所有方法的性能几乎相同。

“这个结果令人吃惊，我们之前从未发现过这一点。” Kolter 的博士生 Leslie Rice 表示。Kolter 称该研究表明 PGD 这类创新很难实现，也很难出现实质性的改进。“很显然，PGD 就是正确的算法，这是显而易见的，但人们想要找到更复杂的解决方案。”

另外一些重要的算法改进似乎经受住了时间的考验。1997 年长短期记忆（LSTM）的诞生带来了极大突破。在经过恰当训练后，LSTM 与其诞生二十年后看似更先进的架构性能相当。

另一个机器学习突破出现在 2014 年，它就是生成对抗网络（GAN）。2018 年的一篇论文 Are GANs Created Equal? A Large-Scale Study 称，只要有充足的计算量，原版 GAN 方法的能力可与近年来的新方法媲美。

Kolter 表示，研究人员更愿意开发新算法并进行微调，使之超越原有的 SOTA 结果。原有的方法看起来没那么新颖，因此“更难据此写出论文”。

如何评价


Guttag 认为，即使算法的发明者也很难全面地对比自己的工作与其他方法，因为万一其突破并不像他们以为的那样呢。“太认真地对比会有风险”，而且实现难度颇大：AI 研究者使用不同的数据集、调试方法、性能度量指标和基线。“要做到一一对应的比较很不现实。”

一些夸大的性能表述可能要归因于该领域的爆炸式发展，论文数量比有经验的评审还要多。“其中大量论文读起来是种煎熬，” Blalock 说道。他敦促审稿人使用更多的对比方法来进行评判，并表示更好的工具或许能起到一定的帮助。今年初，Blalock 的共同作者、MIT 研究人员 Jose Gonzalez Ortiz 推出了一款名为 ShrinkBench 的软件，可以更便捷地比较剪枝算法。



研究人员指出，即使新方法本质上不如旧方法好，但它们实现的调整说不定也可以用到之前的方法上。偶尔也会出现真正突破性的新算法。“这很像是一个风险投资组合，” Blalock 说道。“即使一些投资不赚钱，但总有能够获得回报的。”

原文链接：
https://science.sciencemag.org/content/368/6494/927