深度学习并未走进死胡同( 四 ) 编者按深度学

瓶颈凸显需警惕

“虽然深度学习优于其他技术，但它不是通用的，经过数年的发展，它的瓶颈已经凸显出来。 ”不久前，艾伦·尤尔指出。

尤尔认为，深度学习有三大局限：首先，深度学习几乎总是需要大量的标注数据。这使得视觉研究人员的焦点过度集中于容易标注的任务，而不是重要的任务。

其次，深网在基准数据集上表现良好，但在数据集之外的真实世界图像上，可能会出现严重失败。特别是，深网难以应付数据集中不经常发生的“罕见事件” 。而在现实世界的应用中，这些情况则会产生潜在风险，因为它们对应的视觉系统故障可能导致可怕的后果。比如，用于训练自动驾驶汽车的数据集几乎从不包含“婴儿坐在路上”的情况。