人工智能的深度学习，我将如何面对将来？

在2012年，加州的网络大厂X Lab 用一千台计算机架成的网络大厂Brain，展现了前所未有的机器学习能力。研究者们准备了一千万张从 Youtube 随机截图的静止画面给网络大厂Brain「观看」。研究者没有在系统中默认任何图像知识、也没有在图片上附加任何说明标签，就让机器自己发掘图库所隐含的规则。在三天的「观看」学习之后，网络大厂Brain 成功地将这些 Youtube 截图分成了三类：人脸、身体、还有──猫。能够区分出猫的图片，是网络大厂Brain的一大突破，也是这个研究结果的一大亮点（及笑点），但它的重要性绝不仅于此。它代表机器从此能够如同人类一样，在庞杂无尽的数据中自己找出潜在的抽象规则，而不需要他人的说明或指导。它也标示着人工智能（Artificial intelligence, AI）的新篇章：深度学习（deep learning）技术。

深度学习

深度学习并不是研究者们凭空创造出来的运算技术，它是模仿神经网络的运算模式，以多节点、分层的运算来分析图片上的特征，最低层的节点们只计算每一个像素上的黑白对比，第二层的节点则根据第一层的资料、以连续的对比来分辨出线条与边界，随着层级越来越高、累积的计算信息越来越复杂，就可以对图片进行辨认与分类。以上述的网络大厂Brain为例，它的结构一共分为九层，模仿人类视神经的分层与功能，最终可以分辨出人脸、身体、与猫图片的决定性差异、并加以分类之。神经网络模式运算也不是刚被提出的新玩意。早在1980年代，研究者们已经开始着手进行相关研究，至今相关研究仍在学界占有一席之地。而随着软硬件的光速进步，这样的技术已经开始被应用在真实世界。2009年，Geoffrey Hinton以及他在多伦多大学的研究团队就以深度学习技术，开发出高准确度的语音辨认技术，能够正确地将口语转换成文字。而这样的技术已经被厂商采用，搭载在许多智能型手机之中。最为大众广为所知的手机虚拟助理，iPhone的Siri，便是仰赖深度学习技术，来辨认用户的语音指令。

旧技术，新突破

而史丹佛大学的研究者 Andrew Ng，便是在同时间说服网络大厂公司，让他使用其公司的丰富资源来建立了网络大厂Brain。借助强劲的硬件与数据库，一举将深度运算技术推向新的纪元：发现潜在规则、自发性分类。这样的技术比语音转译还难上许多，主要是因为其成果已经脱离的单纯的数据对应转换，而进化成在大型数据库中找寻抽象分类与规则。也因此更接近人类的智能。除了网络大厂Brain 这样，因尖端科技公司出资赞助而在资源上占有绝对优势的深度学习系统，Andrew Ng 也研发出不需要一千台计算机就可以消化大量信息的系统。他表示，使用图形处理器（graphics processing units, GPUs），就可以架设出功能类似、但成本更为低廉的运算系统来进行深度学习。在2012年，Geoffrey Hinton 的团队，就使用图形处理器架设了一个深度学习系统。知名网络图库 ImageNet 每年皆会举行一场图片辨认比赛，这个网站会提供约一百万张的标准化图片，并标上其分类，参赛者必须写出可以学到分类规则的语法，并用全新的照片测试之。Geoffrey Hinton 的深度学习系统使用同样的图库，可以展现比过去参赛系统高出约10%的正确率。这样的结果，让他被网络大厂聘请去提升图片搜寻的正确性。

广泛的应用领域

除了图片分类或语音转译，深度学习还有更多的用途。例如，Geoffrey Hinton 的学生 George Dahl 就应用深度学习技术，打败了默克（Merck）药厂现行的系统，成功提高了对特定化学分子间反应的预测力，以便更有效率地找出有用的药物。他的团队藉由这个深度学习系统，提升了约15%的预测力，更获得了默克药厂悬赏的2万美金奖金。此外，麻省理工学院的 Sebastian Seung 也利用深度学习来分析脑部切片、以建立三维空间的脑图，以及神经束的走向。这样的系统除了更快以外，也节省了大量的人力。华盛顿大学的 William Stafford Noble 也应用深度学习系统来预测胺基酸链会组成如何的蛋白质、并可进一步预测此蛋白质的性状。而这两种应用的共同点都是其背后庞大的数据数量，以及深度学习所能提供的预测性。

人工智能的未来

虽然深度学习已经被应用到尖端科学研究及日常生活当中，而网络大厂已经实际搭载在核心的搜寻功能之中。但其他知名的人工智能实验室，对于深度学习技术的反应并不一致。例如艾伦人工智能中心的执行长 Oren Etzioni，就没有考虑将深度学习纳入当前开发中的人工智能系统中。该机构目前的研究是以小学程度的科学知识为目标，希望能开发出光是看学校的教科书，就能够轻松应付各类考试的智能程序。Oren Etzioni 以飞机为例，他表示，最成功的飞机设计都不是来自于模仿鸟的结构，所以脑神经的模拟并无法保证人工智能的实现，因此他们暂不考虑借用深度学习技术来开发这个系统。现行的人工智能程序，基本上都是将大大小小的各种知识写成一句一句的陈述句，再灌进系统之中。当输入问题进去智能程序时，它就会搜寻本身的数据库，再选择出最佳或最近解。2011年时，IBM 有名的 Watson 智能计算机，便是使用这样的技术，在美国的电视益智节目中打败的人类的最强卫冕者。虽然过去都是使用传统式的手工输入知识，然而 Watson 团队现在也考虑将深度学习技术应用在部分的运算之中。IBM 的首席科技主管 Rob High 表示，他们现在已经在进行实验，检视深度学习能如何提高 Watson 辨认图片的能力。

虽然各家人工智能实验室对于深度学习技术的反应不一，但科技公司与计算机科学家们已经看中它的潜在获利能力。George Dahl 已经着手在寻找创立公司的可能性，而社群的人工智能部门也开始招募相关领域的研究者。Andrew Ng 表示，深度学习的系统会随着数据库越庞大，而变得更有效率。当硬件与网络的不断进化、各种影音数据急速累积，深度学习技术将会吸引更多研究者发展它的各种可能性。George Dahl也表示，深度学习还尚在襁褓之中、才开刚始发展，他预期，这个技术将是未来的一大趋势。

人工智能的深度学习，我将如何面对将来？相关推荐

AlphaGo、人工智能、深度学习解读以及应用
经过几天的比拼,AlphaGo最终还是胜出,创造了人机大战历史上的一个新的里程碑.几乎所有的人都在谈论这件事情,这使得把"人工智能"."深度学习"的热潮推向了新 ...
【人工智能】深度学习、数据库选择和人工智能的革命；人工智能是解锁IoT潜力的钥匙
深度学习(DL)和人工智能(AI)已经不再是科幻小说中遥不可及的目标,目前已成为了互联网和大数据等领域的前沿研究内容. 由于云计算提供强的计算能力.提出的先进算法以及充裕的资金,这创造了五年前难以想象 ...
人工智能、深度学习和AIoT
1 引言如果从人类最初的幻想开始算起,人工智能的历史非常久远,也许能与人类文明比肩.而现代化的人工智能历史是从1956年达特茅斯会议开始的.在这之后,人工智能的研究几经起落,符号主义.联结主义.专家 ...
热门 | Google Brain前员工深度盘点2017人工智能和深度学习各大动态
翻译 | AI科技大本营参与 | shawn 编辑 | Donna 2017年是人工智能井喷的一年.Google Brain团队前成员Denny Britz在自己的博客WILDML上对过去一年人工智 ...
图解人工智能机器学习深度学习的关系和区别
图解人工智能机器学习深度学习的关系和区别,先直观看下图的关系: AI(Artificial Intelligence.人工智能).机器学习(machine learning).深度学习(Deep le ...
《深度学习：Java语言实现》一一1.3人工智能与深度学习
1.3人工智能与深度学习机器学习是人工智能第三波浪潮中碰撞出来的火花,作为一种数据挖掘方法,它既实用又强大:然而,即便采用了这种新的机器学习方法,要实现真正的人工智能似乎依旧遥遥无期.因为定义特征一 ...
H2O机器学习：一种强大的可扩展的人工智能和深度学习技术
书名:基于H2O的机器学习实用方法:一种强大的可扩展的人工智能和深度学习技术原书名:Practical Machine Learning with H2O:Powerful, Scalable Te ...
2018年的人工智能和深度学习将会如何发展？
本文系网易智能工作室(公众号 smartman 163)出品.聚焦AI,读懂下一个大时代! [网易智能讯12月30日消息]随着我们的日常生活与各种各样的技术越来越紧密地交织在一起,有时候,似乎未来已经 ...
人工智能-机器学习-深度学习的区别与联系
AI,机器学习,深度学习,这些术语使很多人感到困惑.如果您也是其中之一,那么人工智能-机器学习-深度学习的区别与联系– AI vs Machine Learning vs Deep Learning绝 ...
港科夜闻｜香港科大陈启峰教授:人工智能与深度学习交织-从竞赛开始,到无尽钻研...
关注并星标每周阅读港科夜闻建立新视野开启新思维 1.香港科大陈启峰教授:"人工智能与深度学习交织 - 从竞赛开始,到无尽钻研".人工智能与深度学习交织,未来的科技似乎将出现更 ...

人工智能的深度学习，我将如何面对将来？

人工智能的深度学习，我将如何面对将来？相关推荐

最新文章

热门文章