人類對人工智能寄予厚望，賦予其無盡的遐想，更是許多科幻大片的主題。但人工智能的發(fā)展一直不如人意，直至一種名為深度學(xué)習(xí)的強大技術(shù)橫空出世，這一情況才發(fā)生了根本性轉(zhuǎn)變。
人工智能曾步入“寒冬”
人工智能的開發(fā)可以追溯到上世紀(jì)五十年代。隨著計算機的出現(xiàn)，人工智能有了新的發(fā)展，并在跳棋上戰(zhàn)勝了人類，同時在數(shù)學(xué)定理證明上展現(xiàn)出強大能力。許多科學(xué)家興奮地認為，利用軟硬件形成的人工智能可在任何領(lǐng)域內(nèi)戰(zhàn)勝人類。麻省理工學(xué)院著名科學(xué)家馬文明斯基則公開宣稱，人工智能只需要一代人的時間就可以戰(zhàn)勝人類。這一愿望推動了一大批科研人員投身到這一研究領(lǐng)域。
然而現(xiàn)在看來，這樣的想法還是太過于天真了，人類大腦的復(fù)雜性遠遠超出了科學(xué)家的預(yù)想。當(dāng)時的計算機由于算法過于簡單、數(shù)據(jù)不足及速度過慢等原因，相繼在診斷和圖片識別方面敗北，使人們對人工智能的憧憬變?yōu)橘|(zhì)疑。到本世紀(jì)初，有關(guān)構(gòu)建仿人類智能機器的想法幾乎在科學(xué)界銷聲匿跡，甚至連人工智能這一名詞也似乎遠離了嚴肅科學(xué)。為此，有人將上世紀(jì)七十年代至本世紀(jì)初這段時間戲稱為“人工智能的冬天”。
腦科學(xué)為人工智能注入活力
2005年，深度學(xué)習(xí)技術(shù)開始從腦科學(xué)的發(fā)展中汲取營養(yǎng)，通過模擬神經(jīng)元來逐漸學(xué)習(xí)如何識別圖像、理解語言，甚至作出自己的決定。該技術(shù)主要基于人工神經(jīng)網(wǎng)絡(luò)和一般的數(shù)學(xué)原理，從實例中學(xué)習(xí)如何識別圖像和翻譯語言。深度學(xué)習(xí)技術(shù)使人們恢復(fù)了對人工智能的憧憬。2012年，谷歌開發(fā)出智能個人助理Google Now，用自然語言來回答用戶問題，提供建議，并根據(jù)用戶以往的搜索習(xí)慣預(yù)測其可能需要的信息。此后，谷歌又推出圖片搜索引擎Google Photos。智能手機助理軟件更是一日千里，成為人們不可或缺的生活工具。谷歌AlphaGo戰(zhàn)勝圍棋頂尖高手李世石的消息更是成為轟動世界的頭條新聞。技術(shù)進步推動深度學(xué)習(xí)技術(shù)迅速商業(yè)化，并成為人工智能發(fā)展的重要推手。為了搶占先機，各大信息巨頭紛紛砸數(shù)十億美元巨資支持其發(fā)展。
多年來，人工智能進展緩慢，主要是由于人類是以自己能夠理解的方式，而不是機器所能理解的方式來認識世界，處理問題，因此，對人類來說容易的事，對機器來說則千難萬難。而深度學(xué)習(xí)最有潛力之處，就是讓機器自己學(xué)習(xí)，通過自主學(xué)習(xí)教會自己如何做出正確的決定。然而，讓機器對特定情境做出正確決定并非一件輕而易舉的事。人類之所以比較容易做出正確的決定，是因為一些相關(guān)知識早已儲存在大腦中，事到臨頭可以直覺的方式瞬間作出反應(yīng)，并可在今后的實踐中不斷積累經(jīng)驗。因此，機器學(xué)習(xí)的一個重要方面是為其編碼學(xué)習(xí)算法，讓機器從分析比較大量實例中學(xué)習(xí)提高。
編碼學(xué)習(xí)算法面臨的另一個挑戰(zhàn)，是沒有一個放之四海而皆準(zhǔn)的固定模式可以處理機器所面對的各種情境。而人類則不然，人類似乎天生就可以處理各種情境、學(xué)習(xí)各種知識。因此，人類大腦自然就成為設(shè)計人工神經(jīng)網(wǎng)絡(luò)最重要的模型。
技術(shù)進步助推深度學(xué)習(xí)發(fā)展
人類大腦通過神經(jīng)元來進行計算，每個神經(jīng)元通過突觸傳遞信號。神經(jīng)元在學(xué)習(xí)過程中可以加強突觸的強度，并向臨近的神經(jīng)元傳遞信息。因此，早期深度學(xué)習(xí)技術(shù)也從構(gòu)建虛擬神經(jīng)元來形成人工神經(jīng)網(wǎng)絡(luò)，并通過增強連接神經(jīng)元間的突觸優(yōu)勢來實現(xiàn)機器學(xué)習(xí)?，F(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)用不斷改變每個突觸連接的數(shù)值來表示該連接強度。雖然每次學(xué)習(xí)其數(shù)值改變很小，但已可以使人工神經(jīng)網(wǎng)絡(luò)提高預(yù)測的準(zhǔn)確性。
為了取得最佳效果，目前的學(xué)習(xí)算法還需要人類的參與，稱之為監(jiān)督學(xué)習(xí)。如通過為機器提供日落的圖片來作為輸入，這樣“日落”一詞經(jīng)過人工智能才能輸出。每次提供不同的日落圖片，不斷改變?nèi)斯ど窠?jīng)網(wǎng)絡(luò)突觸連接的數(shù)值和強度，以此來完成學(xué)習(xí)任務(wù)。這一學(xué)習(xí)過程的關(guān)鍵是不讓機器單純地死記硬背，而是遇到新的日落圖片時，同樣可以產(chǎn)生有關(guān)日落的輸出。雖然這一任務(wù)表面上看很簡單，但由于即便是日落這一簡單的情境，其圖片也會產(chǎn)生無窮的變化，因此要求學(xué)習(xí)算法在類似的輸入下，會產(chǎn)生類似的輸出，尤其不能出現(xiàn)指鹿為馬的情況。