自深度學習（deep learning）技術問世后，許多人都相信這將是帶領我們逐步走入「通用AI」（general AI）夢想的關鍵，企業領導者也都在演講中談及AI 時代將會如何來臨，然而事情真的如此順利嗎？

電腦視覺與AI 領域專家Filip Piekniewski 并不這么認為，近日在博客的一篇文章中，Piekniewski 也詳細談及對于現今AI 發展進度的看法，在他看來，已經有許多跡象都顯示出AI 產業的「凜冬將至」。

Piekniewski指出，在ImageNet獲得不錯的解決方案時，許多該領域的知名研究人員都積極的受訪并采用相同的論調表示：人們正處在一場巨大的革命前面，從現在開始，所有AI發展只會加速。

然而許多年過去了，期待中的加速并未發生，這些受訪的研究人員也不再那么活躍的鼓吹相同的想法，隨著情緒降溫，他們開始不將深度學習形容為終極演算法，AI 相關論文也從「革命」一詞逐漸改變為「進化」。

相較起前者，進化聽起來要溫和且緩慢許多，而這似乎也更為符合AI 發展的現實情況。Piekniewski 指出，包含OpenAI 在內，許多知名研究單位近期都開始變得相對安靜，自AlphaGo Zoro 問世后Deepmind 也并未再展現任何更為驚奇的事物，甚至一些論述指出，Google 其實不太確定該如何處理Deepmind，因為團隊得出的研究成果明顯不如原先預期的「那么實際」。

除此之外，Piekniewski 也觀察到一些大型科技企業的杰出AI 研究人員，都開始從實際操作的研究負責人轉任至協助游說政府資助的職務上，他認為這種細微轉變跡象顯示，像是Google、Facebook 這些公司對AI 研究的興趣實際上正在慢慢收斂。

至于深度學習所面臨的瓶頸，Piekniewski 認為自動駕駛（self-driving）技術在現實世界的實際應用便是最明顯的例子，除了Nvidia、Tesla 在發展自駕技術上都遇到困難， Uber 自駕車在亞利桑那州的死亡車禍更是能夠用來做最好的說明。

從NTSB的初步報告中，除了能明顯看出系統設計的問題之外，最為驚人的莫過于發現系統花費了很長一段時間，去試圖判斷眼前的物體究竟是什么（行人、腳踏車、車輛或其他），而不是做出在該情況下最重要、也是邏輯上唯一該做的決策：確保不會碰撞它。

這與人對危機的處理方式并不相同。Piekniewski 指出，盡管人們經常在交通事故后說出當下的判斷標準，像是「我看到前方有騎士所以轉向左邊避開它」，但許多心理物理學（Psychophysics）文獻都曾經提出解釋，人們往往是在當下透過神經系統迅速將其判斷為障礙并采取行動，等到一小段時間過后才會意識到發生了什么，并試著將其組織為言語進行說明。

這并不僅限于駕駛行為，其實每天我們都會做出許多沒有言語化的的決定，因為言語化是「昂貴的」，需要花費時間，而現實生活中的許多情況并無法提供時間。

這種生存機制來源已久，數十億年來都保護著我們的安全，而在駕駛車輛時，人們自然也就使用到這樣的原始反應，由于這些反應并非專為駕駛行為發展，自然偶爾也會因為這些反射神經引發一些事故。然而整體上來說，這種對空間、速度及周遭警覺的原始能力，對于人類安全仍舊有著許多保障。

只是這種能力大多無法用言語來描述，也難以進行測量，這使得研究人員難以對機器進行這方面的系統改良，Nvidia 過去所提出的End-to-End 方法雖然理論上可行，但從現實一些測試中我們也可知道情況并非這么簡單。

在Piekniewski 看來，這些發展困境都表明著AI 發展的寒冬即將來臨，就像股市崩盤一樣，雖然不太可能準確說出發生的時間點，但你從某些明顯的跡象中，幾乎可以肯定它將會在某個時刻出現，然而因為外界的呼聲太過強烈，以至于人們很容易就忽視掉這些征兆。

可想而知，一些研究人員應該會對「凜冬將至」的說法感到憤怒，但Piekniewski 指出，過去已經有許多知名研究者都警告過，群眾對于AI 關注的熱潮已有些過頭，就連Geoffrey Hinton 也曾在受訪時承認，反向傳播法（back-propagation）似乎已走入死胡同，相關研究可能得從頭開始展開。

然而，由于AI 炒作的風聲實在過于強大，以至于這位對神經網路有著巨大貢獻、經常被外界稱作深度學習之父者的聲音并沒有太多人真的聽見。

「究竟冬天會有多『嚴寒』？我不知道。接下來會發生什么？我不知道。但是我相當確定凜冬即將來臨，或許事情只會比我預想的更早發生?！?/p>