深度学习技术：从实验室调参到改变生活的这十年

第一次听说深度学习的时候，我还在学校实验室帮师兄调参。调了三个礼拜，模型准确率死活涨不上去。最后发现，是数据集标错了十分之一的数据。真坑。

那时候深度学习还没像现在这么火，大家提起就是说哦，就是神经网络换了个名字对吧？没想到十几年过去，连楼下卖水果的阿姨都能说两句AI画图聊天，变化快得让人反应不过来。

别被吹得晕头转向，现在深度学习技术的核心还是拟合

拟合能力才是深度学习迄今为止最核心的优势，没有之一。很多人张口就是通用人工智能，说再过十年机器就能超越人类，其实说白了，现在所有的深度学习模型，本质上还是在已有数据里找规律，然后输出最符合规律的结果。

说白了，你给它一亿张猫的图片，它就能学会从一堆像素里认出哪只是猫，你给它几T的人类对话文本，它就能学会像人一样跟你聊天。没有那么多玄乎的“自我意识”，就是算力够了，数据够了，拟合得好了而已。

去年OpenAI泄露的内部报告里写得很清楚，大模型之所以效果好，核心就是堆参数堆数据，砸钱砸出来的效果，到现在也没人说清楚为什么越大效果越好，反正就是好用。说出来你可能不信，好多模型的调参现在还靠试，试出来哪个好用就用哪个。

说实话，现在好多行业里的坑，就是把深度学习吹得太神了。多少创业公司拿着深度学习的幌子圈钱，张口就是颠覆行业，拿到融资转头就把模型套个开源大模型的壳，连测试集都没做干净，最后落地的时候一塌糊涂，坑了甲方也坑了投资人。

最有价值的深度学习技术落地，根本不是聊天机器人

深度学习技术从来都不是只有聊天机器人和AI画图这一种玩法。现在真正给整个社会带来质变的深度学习应用，大多都在你看不见的地方。

就说AlphaFold吧，之前结构生物学界解一个蛋白质的三维结构，少则半年多则好几年，好多时候花了好几年还解不出来。现在用AlphaFold的深度学习模型，几个小时就能出一个精度很高的预测结果，全球已经有超过两亿个蛋白质的结构被预测出来了，直接把新药研发的速度提了好几个档。

再举个接地气的例子，国内好多港口现在用深度学习来调度集装箱桥吊，原来一个码头要几百号人轮班倒，现在一个模型就能调度百分之八十以上的作业，不仅出错少了，港口的吞吐量还涨了近百分之二十，这都是真金白银的提升。

不过话说回来，现在资本都盯着To C的AI应用，觉得赚钱快，好多真正能帮传统产业升级的深度学习方向，反而没多少人关注。其实传统产业降本增效的空间大得很，随便一个小场景用深度学习优化一下，一年就能省几百万上千万，比做一百个聊天机器人的价值都大。

普通人面对深度学习技术，不用慌也不用飘

好多人说深度学习要抢所有人的工作，我反而觉得不是这么回事。它抢的都是那些本来就反人类的工作——比如一天站八个小时盯着瓷砖看裂纹，比如在养猪场挨个给猪称重，比如天天对着表格录数据，这些活本来就没人愿意干，机器接过去不好吗？工人转去做更轻松更有价值的活，这不是进步是什么？

我去年去佛山的陶瓷厂调研，厂长跟我说，原来每条生产线要三个老工人盯着看裂纹，一天八个小时眼睛都不能眨，干个十年八年大多都近视加散光，现在用深度学习模型加两个高清摄像头，准确率能到99.6%，比人准多了，原来的检测工人都转去做包装和维护了，工资还涨了，这不比天天盯着裂纹强？

当然，问题也不少。现在大模型训一次要花几百万度电，碳排放高得吓人，还有数据偏见的问题，训练数据里带的偏见，模型全学会了，有时候会出很离谱的错。这些问题都不是不能解决，就是需要大家沉下心来慢慢磨，不要天天想着赚快钱堆参数。

最近这两年我看到不少实验室在做面向特定场景的小模型，把大模型的知识蒸馏到小模型里，精度差不了几个点，能耗只有原来的几十分之一，部署到普通的服务器就能用，中小企业也用得起。这才是深度学习技术该走的路嘛，不是堆参数比谁大，是真的解决问题。

技术从来都不是洪水猛兽，也不是点石成金的魔法。它就是一个工具，一个能帮我们把好多原来做不到的事变成现实的工具。接下来这十年，深度学习技术能走到哪一步，我挺好奇，也挺期待的。