• 深度学习_南京日报社数字报刊

    2019-06-04 14:30:16

    60年前,数字计算机在人工智能(AI)的萌芽期问世,深度学习革命的种子也在那时被播种开来。深度学习是数据密集型的,通过实例来学习如何解决难题,比如视觉对象识别、语音识别

      60年前,数字计算机在人工智能(AI)的萌芽期问世,深度学习革命的种子也在那时被播种开来。深度学习是数据密集型的,通过实例来学习如何解决难题,比如视觉对象识别、语音识别和自然语言翻译等。人类从婴儿时期睁开眼睛的那个时刻起,就开始从经验中学习,到后来获得语言、运动、玩电子游戏等最高程度的能力;相比之下,传统的劳动密集型人工智能方法是基于编写不同的复杂计算机程序来解决每个问题。

      这里要讲述的是20世纪80年代一小群研究人员的故事,他们证明了基于大脑式计算的全新方法是可行的,从而为深度学习的发展奠定了基础。当时已有的人工智能学术研究中心都投注于编程,并且都具有强大的实力,但无法解决上述任何难题。又过了30年,计算机才变得足够快,也出现了大量可供利用的数据。这一变化让深度学习得以克服这些难题,并在今天的人工智能领域占据主导地位。

      其他领域同样可以借鉴这一经验教训,例如语言学,曾经普遍持有的既定信念阻碍了该领域整整一代研究者的进步。深度学习改变了语言学,使其发展基于来自现实世界的数据,而非无法捕捉这些复杂性的理想世界的数据。回溯历史,人工智能诞生的秘密可以在自然界中找到答案,我们对此并不应该感到惊讶。大自然有数亿年的时间通过进化找到解决方案,对这些解决方案进行逆向工程能够让我们受益匪浅。

      了解大脑如何运转是21世纪最大的挑战之一。大自然发明了许多经受住了时间考验的算法。理解这一挑战并投资于大脑研究的国家将获得巨大的回报,远远超出20世纪物理学和化学研究的突破所产生的影响,这些影响已经极大地丰富了我们的生活。美国已经为“BRAIN计划”(即通过推动创新型神经技术开展大脑研究计划)注资50亿美元,欧洲、日本和许多其他国家或地区也在进行类似的投资。中国正在投资当前的人工智能技术,但它是否拥有投资大脑研究的远见,年青一代又是否会接受这一挑战呢?

      深度学习对社会和个人生活将产生深远的影响,其影响方式也是难以想象的。如果你在连接了互联网的安卓手机或谷歌翻译平台上使用语音识别功能,你其实是在与经过深度学习训练的神经网络进行交流。谷歌是最早拥抱深度学习的互联网公司之一,过去几年,深度学习为谷歌带来了丰厚的利润,足以支付其实验室中所有未来主义项目的成本,包括自动驾驶汽车、谷歌眼镜和谷歌大脑。

      人工智能近期取得的进展得益于大脑逆向工程。分层神经网络模型的学习算法受到了神经元之间交流方式的启发,并依据经验进行了改进。在网络内部,世界的复杂性转变为五彩缤纷的内部活动模式,这些模式是智能的元素。与20世纪80年代研究的网络模型相比,现在的模型有数百万个人造神经元,深度达到了几十层。持久的努力、大数据和更强大的计算机运算能力使得深度学习在人工智能领域一些最困难的问题上取得了重大突破。

      我们并不善于想象新技术对未来的影响。谁能在1990年互联网刚开始商业化的过程中预见到它对音乐产业的影响,以及对出租车业务、政治运动,还有我们日常生活几乎所有方面的影响?同样,我们也未能预见到电脑会如何改变我们的生活。在乌托邦和世界末日的两极之间,有很多关于深度学习和人工智能应用场景的预测空间,但即使是最具想象力的科幻小说作家也不大可能猜出它们最终会产生什么样的影响。