假如，我是说假如，AI泡沫崩裂后的风口走向

楼主发这个帖子不是为了引战，只是向跟大家理性讨论一下。欢迎各位踊跃发言。

假如，AI泡沫崩裂后，CS的哪些方向会崛起，哪些方向又会涌现，希望评论的人能够从自身方向或者相关方向出发，讲讲对ML/AI的看法 (会火热多久，有没有泡沫，泡沫大不大)，以及自身方向的潜力或者潜在崛起的方向。



E.g. 楼主目前方向为system偏security，目前对AI还是挺看好的 (虽然人很多), 原因在于AI近几年在各个领域的应用逐渐铺开，比如Network，Robotic,  VR/AR， Biometric等等大到小的方向，我对AI最大的印象就是它增进了everything automation的可能 (比如voice recognition，image classification)，对人们生活有显著的帮助。当AI逐步渗入到各个领域并扎根的时候，就是它稳步发展起来的时候 (从一个爆炸性增长到平稳发展)，对我来说，AI和security很像，依附于各个细分领域，一荣俱荣一损俱损。所以私以为AI就像房价一样，上去了，但是不会轻易下来。当然这只是对这个方向的看法，不代表只学AI就保证以后高枕无忧 (这里指只学各种模型然后调参)，我目前看好的是AI在各个领域的应用，相对应的也需要掌握该领域的专业知识，对症下药才是AI的最终道路。

对我而言，AI如果能改善system超长周期的研发环境，那是再好不过了 (比如AI要是能够帮忙进行底层debug和system test，那我做梦都能笑出来)，虽然说system是AI的底层，但是如果只专注于上层的研发，我觉得始终不是一条正解，同样，从security角度来说，如果AI能够帮忙考虑到fuzzing照顾不到的path，或者能够detect到一些潜在的逻辑漏洞并且self improve，那我觉得就很牛逼。

P.S. 楼主只是一个小菜鸡，以上观点均属个人见解，同时对没能将AI引入自己project里感到十分遗憾可惜

AI已经在身边了。比如说你上网搜索买东西看视频的时候，有没有发现电脑比你还懂你？还有如果你是特斯拉的车主，你看现在的辅助驾驶功能越来越好？还有Alexa, SIRI, Hello Google这种语音助手也在变得越来越聪明？
我也像楼主一样一直在思考这个问题。以至于我还去斯坦福学了一个AI的学位证书。
单从商业角度来说，AI没有泡沫的部分有：1、自动驾驶，2、语音助手，3、推荐算法（包括搜索、广告、和推荐）
AI正在(因为AI重新)兴起的行业有：远程办公，新药发现，机器人、FINTECH。
以上思路来自Ark Big Ideas 2021 https://ark-invest.com/big-ideas-2021/
以及Stanford 2022 AI展望 https://youtu.be/Ct45LNXqhXs


补充内容 (2021-12-16 09:01 +08:00):
很不喜欢那些点倒赞的。有本事出来就两句。我用五年的经历写下上面的结论被你一个倒赞全倒了胃口。
我以后再也不上来说半句话了。

补充内容 (2024-08-21 12:46 +08:00):

刚看到自己两年半前的发言，感触颇深。那时我还未曾预料到ChatGPT会横空出世。OpenAI的工程师们将科幻带入了现实。


未来的五到十年，ChatGPT的出现将彻底改变我们的世界。其实，GPT所做的努力很简单，就是如何让生成下一个单词的准确率更高。当准确率达到一定程度后，生成式模型的实用性就会大大提升。


从今天的视角来看AI的发展，我不得不重新审视自己的思路。生成式AI的发展不仅能够帮助程序员编写代码、撰写文档，甚至可以作为搜索引擎使用，解放人类从简单重复的脑力劳动中，让自然语言成为编程语言。更令人惊叹的是，它还能够帮助人们写诗、作画、制作视频，进行研究、撰写论文，甚至看病、算账等。生成式AI的崛起，无疑是一场全新的人类生产力革命。


如果真的有泡沫，那么我可以说，一切刚刚才开始！

z928czzc 发表于 2021-12-15 13:37
我的判断是AI泡沫就十年内了。完全自动驾驶做不出来，只有半成品上高速用。

下一个科技突破风口应该是量 ...

AI 不是自动驾驶，自动驾驶只是AI很小的一个子集。你但凡在随便一个厂子干点ML或者离ML近一点都不会说这话，现在很多ML就是个基本工具，很多自动化都依赖ML。

IKBlue 发表于 2021-12-15 19:25
为什么你就认为自动驾驶做不出来呢？有啥根据没？
光说特斯拉这一个派系吧？ 据说要在cybertruck加上横 ...

简单来说就是科学本身还没到这个程度。完全自动驾驶是折腾不出来的。依靠AI顶多弄出点走高速和走大路的货。

---------------------------------------------------------------------------------------------------

人工智能的研究核心可以被简化为函数学习，也就是 y=f([x1 x2 x3...])

[x1 x2 x3]是输入，比如图像识别里的像素，NLP里的转为数字文本，自动驾驶里的道路图像。
y是输出，比如图像识别里的图像结果分类，NLP里的文本matchness，自动驾驶里的车辆控制。

近30年学习y=f([x1 x2 x3...])的主流方式就SVM和NN。SVM是完全统计学，这里就不讨论了。现今都是NN和所谓Deep NN之流。

但是NN的核心原理和 ''智能'' 还关系不大。NN的本质是一个基于函数展开的近似方法，就类似泰勒展开那种。更加深入一点，就是Universal Approximation Theorem:

a neural network with 1 hidden layer can approximate any continuous function for inputs within a specific range

这里就不讲的过于复杂，为了简单，我们先假定y=f([x1 x2 x3...]) 是完全数值连续的，也就是说x1 x2 ... 以及y都是负无穷到正无穷的一个数字。

我们可以做一个简单的函数展开，把y二进制化，也就是y -> y1 y2 y3 y4 y5.... 显然二进制化之后的y1 y2的值都是0或者1，也就是说

y1=f1([x1 x2 x3...]) in 0, 1
y2=f2([x1 x2 x3...]) in 0, 1
y3=f3([x1 x2 x3...]) in 0, 1

这里的f1 f2 f3...就是大家熟知的activation function。然后一层的NN的每一个节点就是y1 y2 y3...

所以说只要一层NN足够宽，activation function选的对，NN就可以无限逼近y=f([x1 x2 x3...])

换而言之，NN就是对输入输出函数y=f([x1 x2 x3...])做了类似泰勒展开的函数展开，只不过基函数是activation function。所谓DNN就是recursive function expansion。然后最近比较火的BERT就是增加了函数展开中基函数的多样性。

理论看起来很美好，无限逼近，但是实际情况比较糟糕，举个简单例子，让输入输出函数y=f([x1 x2 x3...])简单化到y=x1+x2*x3这样的简单函数。activation function就用sigmoid function。

然而NN是不能够处理上面的简单例子的，只要NN大小有限，训练数据有限，你一定可以找出一个测试失败的例子。原因很简单，因为y=x1+x2*x3不能够被函数展开到recursive weighted sigmoid function的和。

在上面这个简单的例子，我们可以通过合理的设置activation function的diversity来解决问题(比如一部分activation function用加，另一部分用乘)。但是实际引用情况比较复杂，并不知道如何perfect的设置activation function的combination。更加糟糕的是，我们也没办法去learn activation function本身，因为这会导致搜索空间不连续，不可导。

以上问题在学术上已经好几十年没有得到解决了，属于科学本身还未突破。做一个perfect的智能model，用来perfect learn y=f([x1 x2 x3...])的难度，本质上和做一个空间传送的难度是类似的，不是说堆钱就能解决。

考虑到自动驾驶的精确度要求很高，不然出车祸没法收场，而路况又复杂，目前的理论发展还不太能够支撑基于AI的完全自动驾驶。

---------------------------------------------------------------------------------------------------

自动驾驶最后还是要交差，能做的事情无非雷达。。。看到异常就停的货。走高速和走大路应该没问题，但小路的各种异常那必须orz。不是说开发自动驾驶没有价值(上下班高速上能用也很好了啦)，但想要完美的基于AI的自动驾驶，目前看还不可能(除非某巨巨巨巨牛打我脸)。

科学都还没搞清楚，先做应用了。这就好比牛顿提出力学三定律之前，大家砸钱制作火箭想上太空 :)
看看历史，无论是早年的microsft cisco apple，中期的google facebook，或者近些年的airbnb uber robinhood之类，这里面的科学原理都是很清晰的。

tiktok也是泡沫？

gdojd 发表于 2021-12-15 06:23
tiktok也是泡沫？

这种社交app终将昙花一现。
现在的竞争对手层出不穷。

本论坛的人脉普遍都比较年轻
建议你去教授和行业资深人士出没的地方问 也可以去英文论坛

目前觉得，语音还有空间，Brain也有空间，所以说AI现在是瓶颈期，我们的最终目的还是自己想像的事务/社会努力，比如完全可以自我进化的机器人。

水滴石穿 发表于 2021-12-15 07:29
竞争对手层出不穷，商业模式目前不会改变。
你说的是两个问题：不同的银行会倒闭，但是银行这种概念会完 ...

我没有讨论商业模式，我说的是针对某一个特定的app，例如tt

现在已经有很多ai结合fuzz的吧

在这种地方讨论AI泡沫不现实，回答你的不是程序员就是DS，很少有人能理性站在行业大趋势上给你一个正确答案，毕竟都是靠技术吃饭的，屁股上就决定了不希望AI或者其他技术泡沫碎裂一样。

我的判断是AI泡沫就十年内了。完全自动驾驶做不出来，只有半成品上高速用。

下一个科技突破风口应该是量子计算机。商业应用风口那就难说了。