AI人工智能某些例子是否不像我们想得那么聪明？某研究生团队发布论文指出，他们深入研究几十种誉为AI研究里程碑的信息检索算法后发现，这些算法并没有宣称的那么具革命性。事实上，这些算法使用的AI通常只是先前创建例程的细微调校。
根据麻省理工学院（MIT）助理研究员（Graduate Student Researcher）Davis Blalock表示，团队检验81种通常认为比早期研究成果更好的神经网络算法之后，表示无法确认真有达到宣称的任何改进。“查看50篇论文后，很明显的，我们甚至看不出有较先进的地方。”Blalock表示。
经过调校的旧AI算法表现可轻松胜过全新AI模型
AI技术过去10年的最大进展归功于如图形处理器、计算机处理单元（CPU）和摄影机等硬件改进，促进复杂搜索计划、脸部识别、摄影、语言翻译和语音识别的等比级数增长，并取得虚拟现实在更精彩视觉效果的突破性进展。当然，算法改进也有帮助。
但麻省理工学院研究团队却表示，至少AI算法某些改进虚假不实。例如，他们发现只要稍加调校长期创建的旧AI算法，旧程序便能高效运行，甚至达到可与备受吹捧的“全新优化”程序并驾齐驱的程度。但在某些情况下，新AI模型的表现甚至还不如旧算法。
一篇刊登在《科学》期刊并评估研究的文章，引用2019年某项对搜索引擎使用信息检索算法进行集成分析（Meta-Analysis）的研究结论，发现“评获的高分实际上是在2009年（比2019年早10年）设置的”。2019年另项研究复制了媒体流媒体服务采用的7种推荐系统。他们还发现，有6种算法的表现甚至比几年前开发且简单的算法还差，至少在早期技术经微调后的结果是如此，这更进一步披露了“进步的假象”。
10年来某些AI领域缺乏重大进展
Blalock指出，用来比较算法优劣的技术本身有不一致性，这使得某算法优于另一种算法的说法准确性有待商榷。根据某位MIT计算机科学家的说法指出，过去10年来，某些AI领域显然缺乏重大进展，这很大程度得归咎于无法适当比较与评估相互竞争的算法。Blalock博士研究生指导教授John Guttag表示：“古有明训，如果无法评量某事，就很难让事情变得更好。”
卡内基梅隆大学（Carnegie Mellon University）计算机科学家Zico Kolter推测，将自己的名字用在新算法命名，远比仅修补并调校已创建的较旧算法会有更大的动机和社会回应。
Kolter专门研究开发抵御黑客所谓对抗攻击（Adversarial Attack）的图片识别模型。这类攻击会采用经巧妙修改过的程序代码回避系统安全防护机制。称为投影梯度下降（Projected Gradient Descent，PGD）的早期方法，通过训练AI系统区分真假范例码来抵御此类攻击。这被认为是可靠的方法，但却被更新、更好的协议取代。不过，Kolter主导的研究员团队发现，只要简单调校旧PGD方法后，有效性与新方法相比几乎没有差别。
“很清楚的是，PGD实际上就是最恰当不过的算法，”Kolter指出：“人们想寻求太过复杂的解决方案，一直都是显而易见的人类通病。”
（首图来源：shutterstock）