3月13日，AlphaGo與李世石的第四場對決結(jié)束，在連輸3場之后，李世石終于扳回一局。但3：1的比賽結(jié)果已說明人工智能的強大，這也是谷歌對深度學習、人工智能的成功營銷。百度深度研究院資深專家認為，快速進步的AlphaGo喚醒了人們對“有知覺、有自我意識”機器人的憧憬，深度學習和人工智能技術(shù)將成為揭示科學原理、升級現(xiàn)有產(chǎn)業(yè)商業(yè)模式的重要工具，其應(yīng)用空間涵蓋企業(yè)級和消費級市場以及各個細分行業(yè)。
喚醒深度學習
“多數(shù)人已折服于AlphaGo的精準、聰明和大局意識。但這個比賽結(jié)果對于我們來說其實并不是太吃驚。”作為人工智能領(lǐng)域的從業(yè)者，凱澤科技首席術(shù)官吳軍指出，去年10月AlphaGo擊敗職業(yè)二段樊麾，圍棋界給AlphaGo的排名仍遠落后于李世石，但是他們忽略了AlphaGo突破了傳統(tǒng)電腦的“固定”程序邏輯，融入了學習能力。
如何實現(xiàn)深度學習？百度深度研究院資深專家介紹，AlphaGo構(gòu)建了“兩個大腦”，一個是輸入了3000萬盤人類頂級棋手對弈數(shù)據(jù)，通過“自我對戰(zhàn)”來進行增強學習，改善此前的決策網(wǎng)絡(luò)，另一個則是通過價值網(wǎng)絡(luò)來進行整體局面判斷，以決策網(wǎng)絡(luò)與價值網(wǎng)絡(luò)來協(xié)作決定落子位置。
也就是說，AlphaGo的技術(shù)架構(gòu)采用的是模仿人類大腦神經(jīng)模式，而不再單單依靠機器的蠻力“強記”，通過深度學習把人工神經(jīng)網(wǎng)絡(luò)的層級大大增加，提升了計算能力。
“2014年谷歌在收購Deepmind團隊之前，這家游戲公司的能力并沒有這么強。”上述百度專家介紹，Deepmind被谷歌收購之后，融入谷歌的深度學習技術(shù)，其計算能力飛速提升。2014年10月份，在歐洲比賽之后，谷歌內(nèi)部認為這是一次很好市場推廣的機會，為此投入了更大規(guī)模的資金，為AlphaGo增加了2000倍的計算能力。
現(xiàn)實應(yīng)用一觸即發(fā)
AlphaGo在短短幾個月實現(xiàn)性能的大幅提升，用五個月走完了IBM“深藍”4年的路，體現(xiàn)了當前人工智能系統(tǒng)學習速度之快。但谷歌并不打算制造出一個圍棋高手，AlphaGo開發(fā)者哈薩比斯表示，選擇圍棋只是其人工智能水平的測試，最終還是為了獲得在現(xiàn)實領(lǐng)域的應(yīng)用。
近年來，深度學習已經(jīng)在圖像識別、語音識別等領(lǐng)域獲得了一些應(yīng)用。目前深度學習技術(shù)應(yīng)用最多的還是視覺領(lǐng)域，即對圖像和視頻的分析。在圖像分析方面，比如人們熟悉的人臉識別、文字識別和大規(guī)模圖像分類等，深度學習大幅提升了復(fù)雜任務(wù)分類的準確率，使得圖像識別、語音識別以及語義理解準確率大幅提升。谷歌在深度學習領(lǐng)域已經(jīng)一馬當先，公司在多次公開場合討論過深度學習技術(shù)，比如深度學習是如何幫助Android手機提高語音識別準確率。
從產(chǎn)業(yè)鏈調(diào)研的情況來看，服務(wù)機器人、車載與電視助手、智能客服以及圖像處理等應(yīng)用已經(jīng)開始快速滲透，在語音識別等領(lǐng)域獲得了一些應(yīng)用，比如iPhone的語音助理Siri、百度的度秘、科大訊飛的“靈犀”、微軟的小冰等。
“目前深度學習更適合于圖像。”百度深度研究院的專家指出，人臉一比一進行比對，機器很容易實現(xiàn)，但是要在千萬人臉中快速尋找出所拍攝的人臉圖像，并要快速了解拍攝對象的個人信息資料，則需要深度學習。
事實上，深度學習可以應(yīng)用于任何需要理解復(fù)雜模式、進行長期計劃并制定決策的領(lǐng)域。谷歌大腦團隊負責人杰夫-迪恩表示，谷歌機器智能已經(jīng)帶來了巨大的變化和越來越多的機遇，未來人工智能將為更高層次的云計算服務(wù)。
興業(yè)證券分析師也指出，未來在個人應(yīng)用領(lǐng)域可能帶來更好的語音識別操作系統(tǒng)、翻譯機、自動駕駛、機器人、社交網(wǎng)絡(luò)興趣推薦等。在行業(yè)應(yīng)用方面，深度學習更廣闊的應(yīng)用空間包括大數(shù)據(jù)分析、特征提娶預(yù)測預(yù)警、規(guī)劃、研發(fā)設(shè)計等。
憧憬強人工智能
“AlphaGo也有弱點。”百度深度研究院的專家指出，在AlphaGo與李世石的對決中，李世石可以快速適應(yīng)對戰(zhàn)狀態(tài)，而AlphaGo學習的過程中還需要工程師進行調(diào)試。這也就不難解釋，AlphaGo為何沒有實現(xiàn)4連勝。