人工智能的一些进步被夸大了

麻省理工学院的计算机科学研究生Davis Blalock和他的一些同事最近比较了81种剪枝算法——使神经网络更有效的微调。“写了50篇论文之后，”他说，“很明显，当时的技术水平还不是很明显。”

《科学》杂志引用了几篇报道来支持这一说法。例如，在2019年，对“搜索引擎中使用的信息检索算法”的元分析发现，高分实际上是在2009年设定的。今年3月，一篇提交给arXiv的研究图像丢失函数的论文得出结论，图像检索的准确性自2006年以来没有提高。在去年的另一项研究中，研究人员分析了媒体流媒体服务使用的神经网络推荐系统，发现七分之六的推荐系统都没有超过几年前开发的简单的非神经算法。

部分问题在于，正如卡内基梅隆大学(Carnegie Mellon University)计算机科学家济科•科尔特(Zico Kolter)所指出的那样，研究人员更有动力去创建新的算法并对其进行微调，而不是简单地对现有算法进行优化。Kolter补充道，后一种方法也使得论文的推导更加困难。

然而，这并不是一次彻底的清洗。即使新方法并不总是比旧技术更好，在某些情况下，也可以对遗留方法进行调整，使其更好。布莱洛克说，这几乎就像一个风险投资组合，“其中一些业务并没有真正发挥作用，但也有一些非常出色。”