AI学术圈，又吵了起来，图灵奖获得者、年近古稀的机器学习奠基者、唱衰AI的代表人物等等，纷纷下场“开怼”。

　　深度学习（DL）是一类机器学习算法，使用多个层逐步从原始数据中提取更高层的特征。

　　现在，有人给出了更明确的说法，出手者不是旁人，正是深度学习三巨头之一，图灵奖获得者Yann LeCun。他说：

　　有些人似乎仍然对什么是深度学习感到困惑。以下是深度学习的定义：深度学习就是构建由参数化功能模块构成的网络，并利用基于梯度的优化办法来进行样本训练。

　　与此定义正交的是学习范式：强化学习、监督学习或自监督学习。不要说“深度学习没法做X” ，如果你真正想的是“监督学习需要太多数据所以没法做X”。

　　对于其扩展形态(动态网络、可微编程、图神经网络等)，网络结构可以依数据动态变化。

　　这话之后还没完，他又一口气放出了5个排比句，对当前深度学习领域出现的“术语”进行了解读：

　　别说“DL对对抗样本很敏感”，你真正的意思是“受监督的卷积神经网络对对抗样本很敏感”。

　　别说“DL存在偏见”，你真正的意思是“纯监督学习再现了训练数据中的偏见”。

　　别说“DL无法处理组合性”，你真正的意思是“此特定体系结构不能推广到许多以前不可见的部件组合”。

　　别说“DL不做逻辑推理”，你真正的意思是“一个简单的前馈神经网络不能做长链的推理”。

　　别说“DL不做因果推理”，你真正的意思是“一个普通的、有监督的神经网络不会自发地发现因果关系。”

　　本来是对自己去年初提出的观点“深度学习不再是流行概念”进行了一次回应。

　　深度学习是用于构建复杂模块化可微函数的工具的集合。讨论深度学习能做或不能做什么毫无意义。真正有意义的是如何训练它，以及如何把数据喂给它。

　　但知名AI“杠精”马库斯看到这条推特，当场不干了：

　　推崇深度学习的人现在为了不被批评，总是在尽可能的避免提出具体、可验证的主张。这是有一个很危险的信号。

　　对此，机器学习领域奠基人之一、AAAI前主席Thomas G. Dietterich迅速下场回击：

　　他说：啊，所以深度学习是AI还是AGI哇？还是说人能想到的未来科技都基于深度学习？

　　Rodney Brooks说得对啊！深度学习社区现在给自己的定位就是所有未来科技都将归功于DL，但他们并没有真正致力于任何事情。

　　面对这样的“挑衅”，Dietterich表示图样图森破：DL（以及AI社区）的目标是推动智能系统的科学和工程进步，而不是成为嘴炮王者。

　　在各方互怼之外，Keras创造者Franois Chollet也另开新帖，对“什么是深度学习”发表了观点。

　　他认为，截至现在，深度学习的定义对他来说过于“严格”。并且和以下情况是相反的：

　　⑵ “浅层学习(shadow learning)”，其中只有一个特征提取层。

　　此外，它没有规定一个特定的学习机制(如反向传播)或一个特定的用例(如监督学习或强化学习)，也不需要端到端的联合学习。

　　而现在的深度学习的定义，只是给出了一个比较清晰边界：哪些是深度学习，哪些不是。例如：

　　通常由人类工程师编写的程序不是DL，参数化这样的程序来自动学习一些常量仍然不是DL。

　　有好事网友Ben Kamphaus在马库斯的推文下，当场@了他，还有另一位深度学习巨头、图灵奖获得者Bengio，他说：

　　Bengio、Chollet以及其他人正在对要解决的问题进行实质性的处理了。

　　不知道那些愤怒高呼让DL研究人员去做他们已做了很多年工作的人，对解决这一个问题有什么帮助。

　　场面上，感觉大半个AI学术圈都下场争鸣了。如此盛景，吃瓜群众不免有些懵逼。

　　当下AIOPS远未达到数据库真正可以脱离专家，实现自治的阶段，因此构建人与工具的生态才是关键。工具不是万能的，利用工具提供的强大的数据处理能力，能大大的提升专家的分析效率，利用一线与三线专家的互动，才能真正的把运维工作做好。而从事AIOPS工作的从业人员，是否也能从杨立昆的反思中获得一些灵感呢？

　　8月24日消息，虽然Intel和AMD与Nvidia和AMD经常在CPU和GPU相互竞争，不过Intel和Nvidia相互之间都相安无事。不过随着Nvidia进入深度学习领域开始动Intel的蛋糕，这下子Intel也坐不住了。之前Intel和Nvidia因为最新的计算卡的性能问题而大打口水仗，我们也进行了报道。而现在这两家又有新的线