吳恩達用電腦解釋深度學習
在吳恩達和其他一些人的努力下，這樣的局面終于開始發(fā)生改變，美國國家心理衛(wèi)生研究所（National Institute of Mental Health）主任托馬斯·因瑟爾博士（Dr. Thomas Insel）介紹，“業(yè)內(nèi)已經(jīng)形成共識，誰能搞明白人腦如何計算，誰就能設計出下一代計算機。”
究竟什么是“深度學習”？
深度學習是人工智能技術朝新的研究方向邁出的第一步。簡單地說，深度學習包含了構建能夠模仿人類大腦行為的神經(jīng)網(wǎng)絡。這些多層次的電腦網(wǎng)絡像人類大腦一樣，可以收集信息，并基于收集到的信息產(chǎn)生相應的行為。這些電腦網(wǎng)絡可以逐漸對事物的外形和聲音進行感知和理解，也就是“認識”事物。
比如，為了賦予機器“視覺”，研究人員需要建立最基本的一層人工神經(jīng)元，用來探知如物體的邊緣形狀等基本信息，第二層神經(jīng)元可以將第一層感知到了物體邊緣性狀拼湊起來，鑒定較大塊的物體形狀，然后再加一層將第二層檢測到的信息再拼湊從而使機器明白物體整體的形態(tài)。這里面關鍵的一點是，軟件可以自行做到這一切——舊的“偽人工智能”往往需要工程師人工輸入物體視覺或者聲音的信息，然后由機器學習算法來處理這些信息數(shù)據(jù)。
吳恩達介紹，在深度學習算法之下，我們可以給這個系統(tǒng)很多數(shù)據(jù)，使其“自己學會世界上的一些概念”。去年，吳的一個深度學習算法機器通過掃描互聯(lián)網(wǎng)上無數(shù)的貓的圖片“認識”了貓，機器不認識單詞cat，吳需要為機器輸入這個單詞，然后經(jīng)過一段時間，機器將這種毛茸茸的小動物與單詞cat聯(lián)系到了一起，可以自行鑒別什么樣的事物是cat。
教機器學習的方法本身就是在模仿人類的學習機制，當我們還是嬰兒的時候，我們通過觀察周圍，開始認識我們接觸到的事物，但是如果父母不告訴我們一樣東西的名字是什么的話，我們自己無法知道。
當然，吳恩達的深度學習算法目前還比不上人腦的精確性和靈活性，但他說，那一天會到來的。
從谷歌、中國到奧巴馬政府，誰在研究深度學習？
吳恩達不是一個人在戰(zhàn)斗，深度學習已經(jīng)是計算機科學發(fā)展的大勢所趨。2011年，吳在谷歌內(nèi)部領導建立了Google Brain項目，最近幾個月，谷歌在深度學習領域的投入明顯加大，收購了加拿大多倫多大學教授杰弗里·辛頓（Geoffrey Hinton，人稱“神經(jīng)網(wǎng)絡研究教父”）創(chuàng)建的人工智能機構。中國搜索巨頭百度也建立了深度學習實驗室，誓要在深度學習領域投入大量資源。吳恩達稱，其他科技巨頭公司如微軟和高通也都開始招聘于聘請更多研究“基于神經(jīng)科學的計算機算法”的科學家。
與此同時，日本的工程師開始構建控制機器人的人工神經(jīng)網(wǎng)絡，南非神經(jīng)科學家亨利·馬克曼（Henry Markman）正與來自歐盟和以色列的科學家們合作，希望能利用數(shù)千次實驗得到的數(shù)據(jù)在一臺超級計算機中模擬出人腦。
研究的困難仍在于我們無法完全掌握人類大腦的工作原理，但科學家目前在這方面進展飛速。中國的科學家正在研究一個新的大腦圖譜，他們將之命名為“腦網(wǎng)絡穹頂”（Brainnetdome）項目。在美國，隨著奧巴馬政府宣布將支持籌建一項跨學科的科研項目“基于神經(jīng)科學技術創(chuàng)新的人腦研究”（Brain Research Through Advancing Innovative Neurotechnologies Initiative，簡寫為BRAIN項目，該項目也在美國社會引發(fā)了許多爭議），許多類似的項目正雨后春筍般得涌現(xiàn)，“大神經(jīng)網(wǎng)絡時代”（Era of Big Neuroscience）已經(jīng)到來。
BRAIN項目籌備委員會上周末召開了第一次會議，本周還將展開更多的項目籌備工作。BRAIN項目的目標之一，是為繪制大腦復雜回路圖開出所需的新技術，種種跡象表明，BRAIN的工作重心就是人工智能。美國政府對BRAIN項目撥款的1億美元中，一半來自美國國防部高級研究項目局（Defense Advanced Research Projects Agency，簡稱Darpa），超過了美國國立衛(wèi)生研究院（National Institutes of Health , NIH）的撥款數(shù)，美國國防部研究部門稱，希望 BRAIN項目能夠“催生新的信息處理架構或者計算方法”。