 深度学习的“军备竞赛”深度学习，在当前特指源于人工神经网络的机器学习，被认为是实现人工智能的必由之路。 随着“谷歌大脑”识别出YouTube视频中的猫，人工智能领域再掀高潮，而中国企业又怎甘落后——2013年1月，在百度年会上，创始人兼CEO李彦宏高调宣布要成立百度研究院，其中第一个成立的就是“深度学习研究所”（IDL，Institue of Deep Learning）。百度甚至在次年挖来了吴恩达（Andrew Ng，1976年出生，华裔美国人，斯坦福大学计算机科学系和电子工程系副教授、人工智能实验室主任，是全球人工智能和机器学习领域国际上最权威的学者之一）出任百度首席科学家，由他全权负责研究所的工作。而在另一方面，谷歌、IBM、微软、Facebook等国外互联网巨头，早已在深度学习领域浸淫多时，取得了累累硕果。 2015年3月，李彦宏在两会上提出“中国大脑”提案，希望将人工智能上升到国家高度，而深度学习技术正是中国大脑的核心所在。深度学习对于推动人工智能的发展与突破具有重大意义，各个企业乃至国家均开始重视以深度学习为代表的人工智能技术，不约而同的展开了深度学习的“军备竞赛”。
什么是深度学习 学习能力是人类智能的根本特征，人类通过学习来提高和改进自己的能力。学习的基本机制是设法将一种情况下成功的表现行为转移到另一类似的新情况中去。1983年西蒙（H. Simon，美国管理学家和社会科学家）对学习定义如下：“能够让系统在执行同一任务或同类的另外一个任务时，比前一次执行得更好的任何改变。”学习的关键在于对经验的泛化——不仅是重复处理同一任务，而且是域中相似的任务都要执行得更好。 而机器学习是人工智能的核心，目前普遍认为机器学习是使计算机具有智能的根本途径。机器学习方法分为有监督学习与无监督学习，而无监督学习又是实现强人工智能的关键。无监督学习，是让计算机处理未贴标签的数据。简单说就是我们不告诉计算机要去学习什么和认知什么，而是让它自己去学习做一些事情。前面，我们已经描述了单一感知器的原理，它其实上就是一种有监督的机器学习过程。但单一感知器的学习方法有一个主要的缺点:它只能学习线性可分函数。后来，人工智能技术发展出了多层感知器的神经网络，比如使用最广泛的反向传播法（BP网络）。传统BP网络具有三层感知器，只有一个隐层，这就是所谓的浅层学习。然而，反向传播法并不是人类大脑的工作模式，人们没有在哺乳生物大脑中发现BP神经网络的关键结构——调节突触连接强度的逆向连接。但在人工智能体系中，这种自组装、非线性的系统为广泛解决模式识别问题提供了可靠途径。 后来，人工智能学家提出了含多隐层的多层感知器，这就是一种深度学习结构。直到2006年，Hinton等人提出了基于深信度网(DBNs)的非监督贪心逐层训练算法，并正式提出了深度学习的概念。这是一种无监督学习模型，为解决深层结构相关的优化难题带来了希望。除此之外，Lecun等人提出了卷积神经网络模型(CNNs)。这也是一种多层结构的学习算法。在此之后，人工智能科技，尤其是深度学习技术重获新生并迅速发展。目前人们一提到人工智能，深度学习便是绕不开的课题，其影响力之大可见一斑。
深度学习驱动人工智能发展传统机器学习是通过标记数据进行有监督学习，在这种学习模型下，越来越多的数据将会成为负担，也更容易达到极限或产生错误结果。但深度学习是用未经标记的数据进行学习，这更接近人脑的学习方式，可从纷繁复杂的事物中自行抽象出概念。 对于深度学习，以往被视为负担的超大数据，将演变成一种资源，其输出结果会随着数据量增大而更加准确。百度首席科学家吴恩达将人工智能比喻为待发射的火箭，深度学习技术就是强大的引擎。 但没有庞大数据作为“燃料”，火箭就不会突破第一宇宙速度，也就无法达到人工智能的质变。而这一切，又依赖上亿的神经网络作支撑，依赖天文数字一般的数据作燃料，而这在以往是不可想象的，但如今我们将有可能将之实现——感谢摩尔定律和互联网，我们拥有了强大的芯片和大数据技术，这意味着在不久的将来，人工智能的火箭将要开足马力，一飞冲天。 深度学习不仅是实现人工智能的一种途径，更是感知外界事物、挖掘数据价值、提供决策意见的先进手段。深度学习带来的巨大影响不仅体现在人工智能领域，还体现在机器人技术、信息化医疗、社会物理学和能源等领域。 有“可穿戴科技产品之父”之称的麻省理工学院人体动力学实验室艾里克斯·本特兰 （Alex Pentland），其研究的社会物理学就是基于大数据对人类的各种社会行为进行量化分析，判断相关关系、得出系统结论、提供决策依据。气候问题往往被认为是“蝴蝶效应”的混沌学代表，而加利福尼亚大学伯克利分校的能源专家丹尼尔·卡门(Daniel Kammen)则试图基于大数据来解决气候变迁这个宏大的人类课题。而在将来的某一天，经过深度学习后的机器大脑，或许将会达到我们完全想象不到的命题与结论，这会极大的丰富人类知识、拓展人类眼界。 而在备受瞩目的机器人领域，康纳尔大学创意机器人实验室主任胡迪·利普森(Hod Lipson)为我们带来了基于深度学习技术制造的“元认知（Metacognition）”机器人。他的研究团队没有为这种机器人的活动进行编程，而是让它自己在不断试错中感知自己的存在，寻找到合适的行走方式。从这个意义上说，机器人在不断进化，它从一种简单的初级形态学习成长为具有较复杂智能的智能个体。而且，这种机器的学习能力是有加速度的，它不会像30岁之后的人那样智力会停滞和退化。因此，深度学习技术的成熟很可能带来智能爆炸，它将是智能化浪潮中影响最深远的“海底地震”。 ——本文摘自《智能爆炸：开启智人新时代》一书 作者：王汉华、刘兴亮、张小平 |
|
|
