夏乙 嶽排槐 發自 凹非寺
吳恩達團隊可能沒想到突然被diss。
他們最近發佈了全球最大的醫學影像數據集MURA，還用這個數據集訓練了一個169層的深度卷積神經網絡模型。
結果這件事，成為了導火索。
計算生物學界的一位戰士，加州理工教授Lior Pachter見到這個成績後，翻出了吳恩達幾個月之前發佈的一條Twitter：
結果，反差出來了。
學界爭論
例如，Lior一手帶出來的博士，現在斯坦福做博士後的Harold Pimentel，看見吳恩達的Twitter就立刻就拿出來批判了一番：
介紹研究成果的時候要負責任一點。
為什麼不擔心？秘密就在ChexNet的結果裡。
Harold後來給出瞭解釋：
醫生Eric Topol也在論文結果中標註了這樣兩句話，提醒我們注意：
質疑並不少，但是所有人加起來，聲量也不夠大。
生物學家、醫生、以及吳恩達的半個機器學習同行們對這條Twitter的不滿，很大程度上也是因為吳恩達老師的學術地位和影響力。
在Lior看來，吳恩達作為一名聞名學界內外、有30萬Twitter粉絲的大V，如此聳人聽聞，對同行、對公眾、對整個科學家群體來說，都不是什麼好事。
對同行來說，傷害顯而易見。知名學者拿著自己的研究成果大聲吆喝，普通科學家連一個小職業都消滅不了，論文哪還好意思發表？
對公眾和科學家群體來說，基本的信任就是這麼被消滅的：公眾一次又一次這樣被言過其實地忽悠，誰還會相信科學家？
事情就是這麼個事情。
Lior Pachter其人
Lior Pachter是計算生物學、計算和數學科學教授，目前任教於加州理工大學。目前其團隊主要研發基因組學的計算和實驗方法，專注於單細胞測序技術的發展及其在RNA生物學中的應用。
這已經不是他第一次在網上開炮。
例如四年前，剛剛開通博客不久的Pachter，就連續發表三篇熊文，強烈抨擊此前發表在Nature Biotechnology上的兩篇論文。
他抨擊的對象，一位是知名的複雜網絡研究權威Albert-Laszlo Barabasi，另一位是時任MIT計算生物研究組負責人的大牛Manolis Kellis。
是非曲直，我們不做深究。但在這一時間裡，Pachter的風格同樣一覽無餘的展現了出來。當時有報道這麼記述：
“萊爾寫博客的時間不長，2013年8月開始，也就半年多的時間。但絕對絕對是博客界的奇葩。萊爾寫博客的風格非常鮮明，那就是無論如何上來先噼裡啪啦一頓胖揍。”[1]
以及上面提到的第二個批評，還是Pachter隱忍多年，找到一處細節之後，全力啟動的一次爆發。足見這位教授也是心思縝密、很愛開炮，讓人不由得想起紐約大學的馬庫斯教授。
與當年的洋洋灑灑、雷霆萬鈞相比，他這次對吳恩達的批評，應該算是“三和一少”的態度了。
而說馬庫斯，馬庫斯就到。
剛剛馬庫斯也出手參與了一下這件事，他又在Twitter上開炮：
“過度炒作可能已經成了吳恩達的習慣，在影像診斷上，在汽車上，更普遍地說在AI上都是這樣。”
關於未來
其實，放狠話的不僅僅是吳恩達。
作為一個剋制的英國人，Hinton對深度學習能帶來的醫療革命充滿熱情。“我看過太多的醫生低效的使用數據，病患的歷時信息被大量忽略；我看到醫生們無法很好地閱讀CT掃描，兩個醫生對同一個掃描片能得出不同的解讀”。
值得注意的是，前不久吳恩達的老師Michael I.Jordan發表了一篇博客，題為《人工智能：革命遠未到來》。
在這篇文章裡，Jordan同樣回憶自己14年前的往事，但暗示機器應用於醫療系統之後，數據誤差等原因使得“唐氏綜合症的診斷就不斷上升”，“導致了一些嬰兒不必要的死亡”。
從這一個案例出發，Jordan拋出一個觀點：AI正在暴露出嚴重的缺陷，大家過於依賴數據，深度學習不是AI的全部。並且建議關注更多推理、因果關係等方面的進展。
未來，爭論可能仍會不停上演。好在所有人的目標都是一致的，那就是如何更好的造福人類社會。
[1] 薛宇：《憤怒的萊爾·帕切特》http://blog.sciencenet.cn/blog-404304-770977.html
— 完 —
誠摯招聘
վ'ᴗ' ի 追蹤AI技術和產品新動態
閱讀更多 量子位 的文章
