深度学习技术：吹得震天响，落地才知真模样

别听那些自媒体瞎吹，深度学习技术不是什么天顶星黑科技，它就是最近二十年计算机科学家喂出来的一个聪明孩子，有天赋，也有毛病，见过它高光，也见过它出糗。

从实验室到菜市场，深度学习技术落地到底难在哪

三年前我跟着朋友去华南的生鲜批发城看项目。当时国内风头正劲的AI创业公司，给客户吹下牛，说用深度学习做自动水果分级，能代替十个熟手工人。 实验室里跑出来的数据确实漂亮，红度、果形、瑕疵识别准确率全在95%以上。拉到现场一装，开机半天，分级出来的苹果，好的坏的混了一半。项目负责人蹲在档口抽烟，抽了一下午，脸都黑了。 谁能想到？批发市场的灯是十年前换的黄光灯，傍晚还电压不稳频闪，水果摆得歪歪扭扭沾着水珠，哪是实验室里那种打了柔光摆得整整齐齐的训练数据能比的？ 深度学习就是这点，你给它吃什么，它就给你拉什么，半点不会变通。 生鲜批发市场深度学习水果分级测试现场图 那时候我就明白，很多人说深度学习技术颠覆行业，其实百分之八十的问题，根本不是模型不行，是没人愿意沉下去跑现场找数据。做算法的坐在写字楼里对着公开数据集调参，做出来的模型，当然一到真实场景就拉胯。 不过话说回来，最近这几年，这个情况其实变了很多。

最新的深度学习科研，早就在偷偷换方向了

前几年所有人都在卷参数，越大越好，千亿万亿往上报，好像参数堆够了就能出奇迹。你去看最近两年顶会的好文章，十篇有八篇都是在讲怎么让深度学习变“小”变“聪明”，不是堆料。 2024年ICLR的杰出论文，那个面向端侧设备的稀疏动态深度学习架构，直接把模型推理时激活的参数占比压到了10%以下，效果居然和全参数模型几乎没差，能耗直接砍了快八成。这才是真的落地的东西啊。 之前我们合作做一个智能手表的心率监测项目，原来的深度学习模型跑在手表上，十分钟掉十个点的电，用了这个稀疏架构改完，待机时间几乎没影响，准确率还涨了两个点。说实话，我当时看到这个成果，真的觉得比OpenAI出Sora还惊喜。 Sora是好看，那得在云端堆多少卡才能跑出来？普通老百姓日常用得上吗？这种能把深度学习塞到你口袋里的技术，才是真的能改变生活的。 ICLR2024稀疏动态深度学习架构示意图 对了，还有现在火的小样本深度学习，原来做一个新场景，得几万几十万数据，现在有了基础模型做底座，几十张图片就能调出能用的模型，这不就是给那些小行业小项目留活路吗？很多细分领域，本来就没多少数据，之前想都不敢想用深度学习，现在也能做了。 这两年深度学习技术的科研进步，真的不是只堆参数做秀，很多都是实实在在解决落地难的问题，这点是真的值得夸。

别迷信，深度学习技术从来不是万能解药

别迷信，深度学习技术从来不是万能解药 我见过太多人，不管什么问题，张口就是“我们用深度学习解决”。好像不说深度学习，就不够高级拿不到投资。 去年有个做煤炭分拣的老板找我，说要投五百万做AI分拣，我去现场看了，原来他们用的是重介质分选+传统光电分选，准确率已经92%，剩下那8%都是形状特别奇怪的夹矸，工人手工挑出来，一年人工成本才二十万。你做深度学习，就算做到95%，一年省十万，五百万的成本要五十年才能收回来，这账怎么算？ 对吧？很多时候，深度学习就是个工具，不是神。你一个社区小型超市做库存预测，用传统的时间序列模型，几百块钱就能搞定，非要花几十万训个大模型，纯属瞎折腾。 我现在跟人聊项目，第一句话从来不是问要不要上深度学习，先问你有多少钱，多少数据，能接受多少成本，算清楚账再说。你别说，还真能筛掉八成的智商税项目。 现在这个行业，潮水退了才发现，原来裸泳的人这么多。前几年喊着颠覆这个颠覆那个的AI公司，倒了一批又一批，活下来的，都是那些沉下心，找对了场景，知道深度学习该用在哪的团队。 深度学习技术发展到今天，确实很厉害，能画图能写文章能辅助开车，但是它还是有解决不了的问题，还是会犯错，还是需要人给它擦屁股。接受这点，才算是真的懂深度学习了。 我前几天吃饭，碰到一个刚博士毕业的小朋友，说他做了五年深度学习，现在反而越来越不敢说自己懂了，原来觉得什么都能做，现在知道边界在哪。我觉得这句话说得真好。 知道它能做什么，也知道它不能做什么，这才是我们对深度学习技术最该有的态度。