1月中旬，纽约大学教授马库斯发表一篇万字长文，以问答形式，分14个问题回应那些对他的观点表示质疑的人，其中涉及纽约大学教授、脸书首席AI科学家杨立昆、AAAI前主席托马斯·迪特里奇，魁北克大学教授、谷歌的数学博士等也卷入了论战中。
这不是论战的第一回合，1月初，马库斯就提出了自己关于深度学习的十大观点，引得杨立昆直摆手：他说的都不对。
究竟是什么样的争议让AI界的大神们辩论火力如此密集，连战数日，费劲口舌、逐字力争呢？
深度学习是个“筐” 有人看半满，有人看半空
细读马库斯后来发的这篇万字长文，可以发现，不少人对他的质疑是：你忽略了深度学习取得的成绩、你没有说深度学习有哪些好处。言外之意，你对深度学习不是“真爱”，对它的好视而不见。
而以杨立昆为代表的一派，对深度学习绝对是“真爱”。从维基百科的介绍中可以看到，正是杨立昆提出了卷积神经网络（Convolutional neural networks，简称CNNs）理论，并成为CNNs得以实现的奠基人，这一网络正是实现深度学习的机器学习模型之一。
尽管由CNNs、RNNs（循环神经网络）、DNNs（深度神经网络）等构成的深度学习模式日渐成熟，据说网络层数已经能达到100多层，但马库斯认为，它仍有目前无法规避的十大问题，例如，极度依赖数据、学习过程是个“黑箱”、还不能自适应规则变化等等。
“深度学习存在不少问题，例如深度学习是固执己见的。”清华大学教授马少平的观点与马库斯相一致。
他举例说，一辆AI驱动的无人车可能在模拟环境中撞树5万次才知道这是错误行为，而悬崖上的山羊却不需要多少试错机会，改变深度学习的输出很难，它缺乏“可调试性”。
另外，深度学习的过程如果是黑箱，会影响它的
应用领域，例如诊断病症。“AI运算像在一个黑箱子里运行，创造者也无法说清其中的套路。”马少平说，AI虽然可能给出一个结论，但是人类如果无法知道它究竟是怎么推算出来的，就不敢采信。
在制造“噪音”的情况下，AI很容易判断错误。“它无法自动排除噪音，人眼看着是熊猫，AI却会误认为是长臂猿。”马少平认为，AI仍处于初级阶段，还有很多问题等待解决。
在马库斯列出的十大问题中，最要命的是最后一条，深度学习很难稳健地实现工程化。这相当于给深度学习引领AI走向强智能的可能性亮了红灯。
北京语言大学教授荀恩东解释，工程化意味着有“通行”的规则。例如对某一个问题的解决方法确定了，可以固定化，哪里需要往哪里搬。而深度学习进行问题处理时，采取类似于完成项目的方式，一个一个地解题，然而世界上有无数问题，如果很难保证机器学习系统换个新环境还能有效工作，那深度学习这项技术可能并不合适帮助AI获得通行的能力，引导和人类智能相当的强人工智能的实现。
这种对深度学习的尖锐批评，自然会让深度学习的拥趸们很不满意。他们的理由也很充分：这些问题只是现阶段的，未来不一定得不到解决。批评者看到的是深度学习这个筐半空，而支持者看到的则是半满。
AI也有门派 各有拥趸，各有所长
回应马库斯对深度学习的质疑，杨立昆简单直接：“有想法，也许吧，但大部分都是错的。”
直截了当的杀伤性，远大于长篇大论的反驳。潜台词是：“爷不和你聊了”。其实早在2017年10月5日，马库斯和杨立昆就在纽约大学组织的学术辩论会上唇枪舌战。当时他们是有共识的——AI仍处于起步阶段；要实现强人工智能，机器学习从根本上来说是必要的；深度学习是机器学习中一项强大的技术等。
然而他们辩论后没多久的10月19日，DeepMind团队发表了最新论文，提出了全新的强化学习算法阿尔法元，它可以从零开始，通过自我对弈精通棋艺，堪称“通用棋类AI”。
“事实胜于雄辩”，这就好比先秦时期诸子百家论道，法家学说最终壮大秦国。杨立昆自上世纪80年代提出“人工神经网络”理论以来一度被否，直到他在2013年加入脸书团队后，其理论才慢慢开始变得热门，如今他有了这样强大、知名的佐证。
任凭马库斯总结概括深度学习的弱势，以阿尔法元为代表的深度学习却向前迈出了强大的一步，也让越来越多的人倾向于相信，AI可以通过训练具备和人同等的智商，这也是脸书人工智能研究院的研究人员所致力的工作——使机器不需依赖人类训练，学会自己构建内在模型。
而另一些科学家则特立独行，他们执意证明深度学习并不是必须的。2017年12月18日，《科学》杂志刊登了一个叫Libratus的AI成果，它在持续了20天的12万手比赛中击败了4位顶级人类玩家。它的设计者卡内基梅隆大学博士生Noam Brown说，其间不使用任何深度学习，希望有助于人们认识到AI比深度学习更重要，深度学习本身不足以玩扑克这样的游戏。
聚焦热门领域 关乎未来，值得讨论
“深度学习，是指使用深度神经网络的统计学习模型。”北京智能一点科技公司CTO莫瑜解释，“深度学习只是机器学习的一种方法，但它火了之后，大家有时甚至将机器学习和深度学习并列起来。”
也就是说深度学习与机器学习是部分与整体的关系。然而由于深度学习的火热，使得它在很多人心目中已经成了机器学习的代名词。
事实上，除了深度学习之外，还有“决策树、随机森林、图模型等各种机器学习的方法”。莫瑜说：“大家言必称深度学习，使得深度神经网络之外的技术路线被忽视了，这不利于技术的发展。因此会有学者呼吁大家保持冷静的态度。”
莫瑜认为，杨立昆对深度学习技术的理解、潜力和信心是基于他对这一技术的了解和研究深度。“他是CNNs之父，在神经网络还没像现在这样火的时候就开始研究，他的视角可能更深入。”
这个世界总会有几个能对整个人类社会产生影响的人，他们的思想甚至可以左右人类社会的走向。
杨立昆认为人脑只属于人，AI要拥有同样的智能，不需要类似人类的认知能力，可以另起炉灶，深度学习可以承担构建强人工智能的任务。
马库斯则认为，只有通过类人的方法来理解世界，AI技术才能取得成功，而具备人类相当水平的强人工智能研究压根还没开始。可以推测，他所说的类人研究方法应该包括对人类神经、心理等的生理学破译等研究工作，马库斯正是纽约大学的心理学和神经科学教授。
值得玩味的是，二人目前都从团队领导岗位退出，2017年3月，马库斯宣布从优步公司AI实验室负责人岗位上离职，杨立昆2018年1月下旬也卸任脸书人工智能研究院负责人。
“无官一身轻”的二人现在担任首席科学家或顾问的职务，或许，不为职务所累，更有利于进行关乎未来走向的引领式探索。
