编辑丨学术头条

导读：近年来，人工智能（AI）技术及其应用越来越多地走入了人类的日常生活中。从图像识别、语音识别，到自然语言生成、内容创作、自动驾驶等，AI 貌似已经无处不在，尤其是深度学习算法的出现，让 AI 进一步融入了人类生活。

但是，如今的 AI 真实可信吗？国外工程师、神经科学家 Alberto Romero 在 Medium 上发文提出质疑，并表示 “永久离开 AI 行业”。

学术头条在不改变文章原意的前提下，对文章进行了精简与编译。

3 年前，“人工智能” 一词在我心里引发了强烈的感受，进入那个世界感觉就像是窥见了未来的奥秘。我被智能机器的能力所震撼，因为它能解决我们人类永远无法解决的问题。

那时我刚刚完成了航空航天工程的学士学位，想转向人工智能领域。2017 年末，我遇到了 Geoffrey Hinton 和 Andrew Ng。他们在 Coursera 上的演讲为我打开了一扇门，而后，2018 年，我在一家人工智能初创公司找到了第一份工作。

而现在，在人工智能公司工作 3 年后，我对它的热爱消失殆尽，我决定离开这个行业，以下是我离开人工智能领域的 5 个理由。

1. 人工智能可能无法达到所宣传的样子

人工智能可以拯救世界吗？人工智能可以解决最紧迫的问题吗？早在人工智能普及之前，就已经有人认为它将彻底改变我们的生活。1984 年，计算机科学家 Frederick Hayes-Roth 就预测人工智能将 “取代法律，医学，金融和其他专业领域的专家。”

但事实并非如此。在人工智能的整个历史中，它经历了许多夸大其词的宣传周期，然而，“人工智能的寒冬” 久久停留，AI 还是没能达到人们的期望，从而引发了一波质疑的浪潮。最终，人们失望透顶，纷纷撤出研究经费。

自 2012 年深度学习革命以来，我们已经看到了人们对该领域的浓厚兴趣。有人仍然认为人工智能将改变未来。但是问题在于：人工智能真的可以达到人们所宣传的那样吗？纽约大学的人工智能研究员 Gary Marcus 在 2020 年表示：“人们越来越清楚地认识到，目前的 AI 技术只能带我们走这么远了”。

2. 当你身处人工智能领域内部，会发现它失去了魔力

当你与外行谈论人工智能时，他们会立马想到诸如《终结者》、《黑客帝国》之类的电影，又或者是《我，机器人》还有《2001: 太空漫游》等书籍。在这些作品所描绘的所有场景中，人工智能都具有惊人的能力和强大的力量。

“人工智能” 这个词由 John McCarth 创造，虽然实际上他并不喜欢这个词，但他知道，这是一种吸引公众注意的营销手段。Devin Coldeway 曾在科技媒体 TechCrunch 上写道，人工智能是 “一个用来创造能力感知的营销术语，因为大多数人想象不到一个不称职的 AI 会是什么样。” 现在，人工智能得以成为主流，其中很大原因就在于许多公司都利用了该名称背后的影响力。

人工智能已经从以硅基实体的形式揭示人类智慧的奥秘，变成了科技公司们在 AI 驱动的产品和服务中使用的流行语。人工智能在很大程度上已经失去了当初的雄心壮志。

3. 现在每个人都可以使用人工智能

不久前，人工智能还只是一个笼统的广义术语，涵盖了许多领域。其中之一就是机器学习（ML），ML 同时又分为包括深度学习（DL）在内的许多分支。不过现在，我可以放心地说：对于大多数人来说，AI = ML = DL。

几乎任何人都可以接触到人工智能。即使你没有任何计算机科学（或编程）知识，也可以使用 Tensorflow 或 Keras 在一个月内创建一个工作模型。但是，我想问的是：那是你想要的吗？它满足了你发现新事物的渴望吗？这有趣吗？即使这个模型能发挥作用，但你实际上学到了什么呢？

在我看来，人工智能本身已经成为了一个目的。大多数人使用人工智能并不为了达到更高的目标，他们只是为了使用人工智能而使用它，而不了解它背后的机制、原理、过程。

4. 我们可能永远不会实现通用人工智能（AGI）

通用人工智能就是像人一样的智能，可以学习、思考、解决所有问题，无特异性。几十年来，通用人工智能一直是推动人工智能前进的主要目标。当我们创造出通用人工智能时，世界将发生翻天覆地的变化。

那我们离创造出人类级智能机器还有多远？一些人认为，这将在几十年内实现。但是也有对此持怀疑态度的人，领先的批评家之一 Hubert Dreyfus 说：“没有身体，没有童年，没有文化实践的计算机根本无法实现智能。”

目前看来，人工智能的研究甚至没有朝着实现通用人工智能的正确方向发展。图灵奖获得者 Yann LeCun，Geoffrey Hinton 和 Yoshua Bengio 在 2018 年表示，机器需要像孩子一样，在没有标签的情况下进行自我监督学习（也称为无监督学习）。

这是第一步。然而，对于大脑，我们还有太多不了解的地方，无法尝试构建通用人工智能。有人说我们不需要创造出与人类智慧相等的有意识机器，但是，我们真的能把人类的智慧从人类对世界的主观体验中分离出来吗？我们还不知道，也许永远也不会知道。

5. 人工智能的未来在于构建 “大脑”

人工智能的出现是为了解开人类思想的神秘面纱。神经学研究发现，大脑是由神经元的电网络组成，这些神经元可以产生脉冲，构建电子大脑的想法正是来源于此。

人们已经进行了一些尝试来缩小人工智能与大脑之间的鸿沟，例如神经形态计算，也就是创建类似于大脑结构的硬件。

但生物神经网络和人工神经网络之间仍有很大区别：大脑中的神经元在时间和频率的峰值上传递信息，而信号的强度（电压）是恒定的。人工神经元正好相反，它们仅以输入强度而不是时间或频率来传递信息。

最后的想法

当然，人们留在人工智能领域也有很多充分的理由。你甚至可以现在就进入这一行业，但是，请确保这些理由能够真正地打动你。

在人工智能的世界中，外表都是谎言。这一切并不像人们想象的那样有趣。与《我，机器人》中的类人机器人一样，AI 不会从根本上改变世界。人工智能不再是新颖的、专有的或必不可少的，也不要期望很快就会看到达到人类水平的智能机器。

最后，请记住，如果我们想找到人类智慧的圣杯，并赢得这场与大自然之战的胜利，那么我们应该关注的是唯一具有人类智慧水平的东西 —— 我们的大脑。

“我一直坚信，要使人工智能发挥作用，唯一的方法就是以类似于人脑的方式进行计算。这就是我一直追求的目标。我们正在取得进步，尽管我们还有很多关于大脑实际上是如何工作的知识要去学习。”

—Geoffrey Hinton

对此，你有什么看法？欢迎在文末留言～

原文链接：

https://towardsdatascience.com/5-reasons-why-i-left-the-ai-industry-2c88ea183cdd

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「计算机视觉工坊」公众号后台回复：深度学习，即可下载深度学习算法、3D深度学习、深度学习框架、目标检测、GAN等相关内容近30本pdf书籍。

下载2

在「计算机视觉工坊」公众号后台回复：计算机视觉，即可下载计算机视觉相关17本pdf书籍，包含计算机视觉算法、Python视觉实战、Opencv3.0学习等。

下载3

在「计算机视觉工坊」公众号后台回复：SLAM，即可下载独家SLAM相关视频课程，包含视觉SLAM、激光SLAM精品课程。

重磅！计算机视觉工坊-学习交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、orb-slam3等视频课程）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~