（圖片來源：壹圖網）
經濟觀察網 記者 宋笛 張文揚 深度學習是目前人工智慧最受關注的領域，也是這一輪人工智慧興起的原因。與此同時，這一技術具有不可解釋等特性也使得一些觀點認為深度學習已經面臨瓶頸。
7月25日，美國四大國家學院(國家科學院、國家醫學院、國家工程院、國家藝術與科學學院)院士，美國「腦計劃」項目領軍人物的特倫斯·謝諾夫斯基在接受經濟觀察網採訪時表示目前美國數學界已經有了相應的理論工具用來實現深度學習黑盒的可解釋性，儘管因為尚未發表，他無法透露更多細節，
特倫斯也認為人工智慧正在帶來數學和統計學的新紀元。同時，在特倫斯看來，目前正如蒸汽機和熱力學的關係一樣——在蒸汽機發明數十年後人們才了解熱力學並且用它來改良蒸汽機——人工智慧的底層數學、腦科學邏輯可以在發展過程中逐漸被人們掌握和理解。
經濟觀察網：目前深度學習技術路線還有多少潛力？是否已經遇到了天花板？
特倫斯：我覺得不太可能達到局限，現在深度學習剛剛進入到一個發展的開端，發展應該是以10年為周期來計算的，未來20年、30年才能達到一個極限。
現在我們才做了第一步，通過展示相關AI技術來解決問題的，而未來我們還有更多問題需要解決。對比網際網路，在它剛開始能夠發郵件的時候，我們沒法預測它能對我們的商業、生活帶來什麼影。所以對於AI將會帶來的影響，我們還需要等待。
經濟觀察網：您講的主要是應用層的影響，那麼在底層理論層面，這項技術有沒有更大突破，比如數學方面？
特倫斯：我之前在華盛頓參加了一個由美國科學院舉辦的學術研討會，該研討會的主題是「深度學習的科學」。組織這場學術研討會的數學家是擁有相關有技能和工具，能夠測試深度學習網絡內部結構的人。
人們經常用「黑盒子」來詮釋深度學習，這是不對的，甚至恰恰相反，因為這些所謂的「黑盒子」完全是透明可見的，我們可以訪問其中每一個單獨的連接單元、每一個活動型態，它們都在那裡。而現在，數學家們可以探究其中，開始檢驗模型是如何活動的，信息是如何在網絡中流動的，最終它是如何執行轉換的。這件問題經常通過一些例子被討論。
這件事正在發生，在上述會議上的數學家們已經開始描述他們對此的新洞見。統計學家們則提出一些悖論，你們擁有這麼多參數，現在可能會存在過度擬合的現象。眾所周知，現在有這麼多的參數，其量之大遠超於任何數學家和統計學家過去所能接觸到的內容。
我認為這將是數學和統計學的新紀元。我認為這將產生深遠影響，因為對於任何科技來說，一旦你觸摸到了數學和物理的基本原理，你就可以更加深入地拓展它。
以蒸汽機為例，兩百五十年前，英國人詹姆斯·瓦特發明了蒸汽機。它改變了整個社會，因為它解放了人類生產力。人們用了數十年了解熱力學原理，去理解蒸汽機如何工作，以及如何優化其使用效能。在此後一百年裡，人們據此原理創造出了一個全新的工業時代，出現了能夠創造數百萬社會財富的火車等交通工具，工廠也因此更新換代…這原本只是科技動能的轉換，但經過人們對此的多年認知和了解後，它最終引領了整個社會的未來發展方向。
所以我們現在處於一個非常初期的階段。這是我們的第一步，我們剛剛開始試圖闡釋其複雜性，目前這是非常令人激動的，這個時間段裡，大量的前期研究正在被驗證。不僅僅是在應用層面，這也將試圖讓人們去理解大腦本身，去理解我們自己的大腦是如何工作的。
我們認為，在AI與神經科學之間的合作上，存在著一些令人激動的研究方向。
經濟觀察網：您提到很多一次，深度學習不是「黑盒子」是可以解釋，您的意思是美國已經找到了深度學習可解釋的方法或者說找到了實現這個目標的數學工具？
特倫斯：是的,我們確實有這方面的理論了。數學家已經有很多相關的研究進展了，但是內容還沒有被發表出來。但是我跟他們交流過，他們告訴我這些偉大的研究和發現在未來將不斷被推進。我現在還不能私下跟你透露任何細節，但是我可以這麼說，這或將是一個革命性的研究。一旦這些數學家掌握了深度學習的規則，以及這些深度學習是如何發生的，它將成為一個改革性的事件，它將創造出數學模型中的一頁新篇章。總而言之，我的答案是肯定的，我們已經對此有了相當多的了解，但同時它還在不斷發展中。