作者｜李梅
编辑｜陈彩娴
前几天，Gary Marcus又一次在社交媒体上与人激烈讨论，这次他是与Yann LeCun发生了争执。Marcus对LeCun的观点持有异议，他认为深度学习需要补充，而不是完全替换。
这场争论源于一个关于机器学习中最优雅美丽的想法的问题。在这个问题下，网友们提出了多重权重更新算法、核技巧、降维和凸优化方法等多种观点。LeCun则强调了梯度下降（GD）的重要性，并回忆起2000年丹佛NIPS会议上的一个经历，当时他回答“梯度下降”是机器学习中学到的最重要的事情，这让那位ML研究人员大为震惊。
Marcus对此表示不满，他认为虽然GD很了不起，但它并不是人工智能（AI）的全部。他提出基于GD的优化只是学习的一个要素，而非人类级AI的一整套组件，并询问未来可能会出现什么方案来替代基于GD的优化。Marcus还引用了自己的2018年文章《深度学习：一种批判性评价》，在文章中他指出尽管存在问题，但并不建议抛弃深度学习，而是应该将其作为众多工具中的一个重新定义。
LeCun对Marcus的立场持有疑问，他认为如果有新的方案，它仍然需要被嵌入到深度学习框架中。而Marcus则坚持新方案应该围绕着深度学习进行封装，以实现规模扩展和混合使用。
对于这一场讨论，有关是否应该寻找替代或补充现有的技术，以及这些技术如何融合以达到更高水平的人工智能成果，大家都有不同的看法。这场辩论表明，即使是在同一领域内，也存在不同观点和理解，对于未来的发展路径也提出了不同的思考方向。
