作為開創人工智能產業的核心技術，也就是卷積神經網絡的創造者，楊立昆 (Yann LeCun) 針對整個人工智能產業的評論，自然也是備受關注。

他在國際固態電路會的開幕演講中，明確的表達了他不同意英特爾對于人工智能的觀點，他認為，英特爾目前所積極發展的尖峰神經原技術目前還不實用，也缺乏可靠的算法來實現實際生活上的問題。

英特爾也因此炸了鍋，其主導神經計算的主管 Mike Davis 更是站出來反駁楊立昆的看法，捍衛尖峰神經原計算的核心價值與發展潛力。

Facebook 人工智能研究院院長楊立昆在三十多年前在多倫多大學博士就學期間，創造了使用特定形式的機器學習，該技術稱為卷積神經網絡 (CNN)，也因此，楊立昆也被稱為卷積神經之父。

后來楊立昆先后曾在貝爾實驗室開發新型態的機器學習方法，包括我們現在流行的圖像識別技術，隨后他加入 AT&T 實驗室領導圖像研究部門，并曾加入 NEC 美國研究室，后來他加入紐約大學，并在 2012 年創建了數據科學中心，隨后他加入了 Facebook，建立人工智能研究院，并成為第一任主任。

作為開創人工智能產業的核心技術創造者，楊立昆對尖峰神經原 (spiking neurons) 的負面看法，也引了包含英特爾在內的業界的爭議。

眾所周知，英特爾正積極發展所謂的尖峰神經原技術，而該技術底層是一種更接近真正生物神經原的一種計算模型，換言之，英特爾認為這種技術所達成的計算才是人工智能。

英特爾神經計算主管 Mike Davis 對楊立昆的看法表示，目前各種以反向傳播技術為基礎的神經網絡模型上進行的計算，根本不能稱為真正的深度學習，充其量只能叫做基于算法的路經優化，只有以真正模擬大腦神經原運作，才有辦法解決目前深度學習在所有人工智能應用領域所遇到的問題。

Mike Davis 在加州理工大學畢業后，曾短暫在 Fulcrum 這家 IC 設計公司待過，該公司成立于 1999 年，主打低功耗網絡設備芯片，該公司后來在 2011 年底被英特爾收購，而 Mike Davis 也轉而進入英特爾從事芯片開發工作，后來成為英特爾的神經計算研究室的主任。

反向傳播與尖峰神經原之爭

基于反向傳播的卷積神經深度學習方法是過去幾十年來做為人工智能的基礎，然而反向傳播技術并不存在于自然界的各種邏輯推演過程，實際上，它只是用來簡化我們遇到的龐大數據，從中理出邏輯的一套方法。

而反向傳播這一深度學習核心技術的提出者之一，Geoffrey Hinton 很早就意識到反向傳播并不是自然界生物大腦中存在的機制，也因此，他最近也曾發出聲明，強調要追求真正的人工智能，就必須拋棄反向傳播，從自然規則，也就是我們的大腦中尋找真正的解法。

基于反向傳播的神經網絡技術在”學習”的過程中其實會有很多限制，比如說人腦可以在一張圖片中的文字加入噪聲后仍可輕易判讀出來，但現有的神經網絡卻非如此，即便是同一張圖片，加入噪聲之后就必須重新學習，否則就無法判讀。

換言之，反向傳播無法理解事物的因與果，它雖然可以找出一套最優路徑，但這不是邏輯的建立，而僅僅是死的規則。

而英特爾進來積極發展的尖峰神經原，也被稱做脈沖神經網絡，其實就是要仿照大腦神經原的運作方式，讓計算機用大腦的運作方式來去理解事物的本質，而不僅僅是最優化工作。

目前的神經網絡屬于第二代神經網絡技術，屬于監督式的學習方法，基于自 1970 年代就已經發明的反向傳播技術，而尖峰神經原則是屬于第三代技術，它不止使用了類似生物的神經網絡運作方式，甚至也能把時間信息的影響因素同步考慮進來，換言之，這是一個可以考慮前因后果的神經網絡技術。

當然，作為推動近年來人工智能產業的重要核心技術，其實反向傳播已經建立起非常龐大的生態價值鏈，即便它不完美，但它推動了整個人工智能計算產業，其地位已經非常穩固，不僅性能可靠，算法生態豐富，幾乎所有的計算硬件都能支援相關算法，在未來很長的時間內都不可能被取代。

然而科學家看的往往是更長遠的發展，反向傳播技術的限制早就已經被諸多研究者提出，雖然可以利用很多額外的算法來彌補，但無法根除這些問題。

英特爾身為業界計算架構的領導者，他已經錯失了在第二代神經網路計算中的先機，也因此，轉而全力發展第三代神經網絡技術，其 Loihi 技術就是該技術的結晶。

與其他傳統神經網絡技術不同的是，Loihi 不需要龐大的數據來幫助其完成整個學習過程，理論上它可以利用環境觀察中取得的數據來自主完成整個學習過程。

當然，英特爾這邊聲稱這個基于第三代神經網絡技術的硬件環境已經非常完備，而且在合適的算法之下，可以達到遠優于傳統神經網絡計算架構的效率與能耗表現。

不過 Mike Davis 也承認，楊立昆的某些觀點也是事實，那就是其第三代神經網絡，也就是尖峰神經原的硬件還缺乏許多關鍵算法的實現，臨門還缺了一腳，使其還無法真正為業界所用。

但 Mike Davis 強調，算法的完備只是時間問題，由于尖峰神經原技術解決了基于傳統反向傳播神經網絡架構的核心問題，如果要往真正的人工智能發展，那么這就是不得不走的路，當業界普遍認知到反向傳播的限制所在，尖峰神經原技術就會是答案。

世代問題

所以從整個事件看來，其實楊立昆與 Mike Davis 之間的爭議就是個世代問題，第二代神經網絡技術很好的解決了目前我們生活周遭的大數據計算需求，雖然不夠智能，但夠用，而英特爾則是認為真正的人工智能問題無法用第二代神經網絡技術來解決，必須通過第三代技術才有辦法達成。

要說二者之間的爭議誰是誰非，其實是沒有答案的。

這種認知上的落差其實在于現在與未來的認知不同，也就是不同時期在人工智能應用發展所需要的計算核心所需要的不同思維，就好比過去有很長一段時間覺得計算就應該是由 CPU 來完成，但后來 GPU，甚至神經網絡芯片加入計算的戰場，我們看到的計算生態也變得更多元化，但這并不是說 CPU 的貢獻就不存在，或者失去價值。

這場由不同世代神經網絡架構所造成的人工智能爭議亦是如此。