人工智慧迎來春天 在「深度學習」幫助下欲當「學霸」

人類對人工智慧寄予厚望，賦予其無盡的遐想，更是許多科幻大片的主題。但人工智慧的發展一直不如人意，直至一種名為深度學習的強大技術橫空出世，這一情況才發生了根本性轉變。

人工智慧曾步入「寒冬」

人工智慧的開發可以追溯到上世紀五十年代。隨著計算機的出現，人工智慧有了新的發展，並在跳棋上戰勝了人類，同時在數學定理證明上展現出強大能力。許多科學家興奮地認為，利用軟硬體形成的人工智慧可在任何領域內戰勝人類。麻省理工學院著名科學家馬文·明斯基則公開宣稱，人工智慧只需要一代人的時間就可以戰勝人類。這一願望推動了一大批科研人員投身到這一研究領域。

然而現在看來，這樣的想法還是太過於天真了，人類大腦的複雜性遠遠超出了科學家的預想。當時的計算機由於演算法過於簡單、數據不足及速度過慢等原因，相繼在診斷和圖片識別方面敗北，使人們對人工智慧的憧憬變為質疑。到本世紀初，有關構建仿人類智能機器的想法幾乎在科學界銷聲匿跡，甚至連人工智慧這一名詞也似乎遠離了嚴肅科學。為此，有人將上世紀七十年代至本世紀初這段時間戲稱為「人工智慧的冬天」。

腦科學為人工智慧注入活力

2005年，深度學習技術開始從腦科學的發展中汲取營養，通過模擬神經元來逐漸學習如何識別圖像、理解語言，甚至作出自己的決定。該技術主要基於人工神經網路和一般的數學原理，從實例中學習如何識別圖像和翻譯語言。深度學習技術使人們恢復了對人工智慧的憧憬。2012年，谷歌開發出智能個人助理Google Now，用自然語言來回答用戶問題，提供建議，並根據用戶以往的搜索習慣預測其可能需要的信息。此後，谷歌又推出圖片搜索引擎Google Photos。智能手機助理軟體更是一日千里，成為人們不可或缺的生活工具。谷歌AlphaGo戰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。技術進步推動深度學習技術迅速商業化，並成為人工智慧發展的重要推手。為了搶佔先機，各大信息巨頭紛紛砸數十億美元巨資支持其發展。

多年來，人工智慧進展緩慢，主要是由於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。而深度學習最有潛力之處，就是讓機器自己學習，通過自主學習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並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，並可在今後的實踐中不斷積累經驗。因此，機器學習的一個重要方面是為其編碼學習演算法，讓機器從分析比較大量實例中學習提高。

編碼學習演算法面臨的另一個挑戰，是沒有一個放之四海而皆準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、學習各種知識。因此，人類大腦自然就成為設計人工神經網路最重要的模型。

技術進步助推深度學習發展

人類大腦通過神經元來進行計算，每個神經元通過突觸傳遞信號。神經元在學習過程中可以加強突觸的強度，並向臨近的神經元傳遞信息。因此，早期深度學習技術也從構建虛擬神經元來形成人工神經網路，並通過增強連接神經元間的突觸優勢來實現機器學習。現在的人工神經網路用不斷改變每個突觸連接的數值來表示該連接強度。雖然每次學習其數值改變很小，但已可以使人工神經網路提高預測的準確性。

為了取得最佳效果，目前的學習演算法還需要人類的參與，稱之為監督學習。如通過為機器提供日落的圖片來作為輸入，這樣「日落」一詞經過人工智慧才能輸出。每次提供不同的日落圖片，不斷改變人工神經網路突觸連接的數值和強度，以此來完成學習任務。這一學習過程的關鍵是不讓機器單純地死記硬背，而是遇到新的日落圖片時，同樣可以產生有關日落的輸出。雖然這一任務表面上看很簡單，但由於即便是日落這一簡單的情境，其圖片也會產生無窮的變化，因此要求學習演算法在類似的輸入下，會產生類似的輸出，尤其不能出現指鹿為馬的情況。

有一種處理圖像識別問題的神經網路稱之為卷積神經網路，是人工智慧的關鍵技術，其有多層神經元，對圖像中重要內容的些微變化不敏感。卷積神經網路在深度學習中獲得了較為廣泛的應用，其靈感主要來自人類視覺皮層的多層結構。

此外，深度學習在近年來能夠取得成功得益於兩個關鍵因素：一是計算機運算速度提高了近十倍，尤其是圖形處理能力大幅提高；二是深度學習可順序計算的能力，能對圖像、聲音或數據一步一步地進行分析或構造。而對聲音和圖像進行識別需要多層網路結構。

人工神經網路在圖像識別上主要表現為對靜態圖像的識別能力。目前又出現了一種新型神經網路，稱之為回歸神經網路，可對隨時間展開的事件進行標記。回歸神經網路與人類大腦的處理方式有很多相似之處，它可以預測一個句子將出現什麼單詞，並在閱讀句子後，對其意思進行猜測，今後可應用於語義加工和語言翻譯。

人工智慧技術走過了寒冬，迎來了發展的春天，這不僅僅是技術的進步，還對我們今後應如何支持科學技術的發展有著更為深刻的意義。當某項技術的發展遇到暫時挫折，我們該如何更好地應對挑戰，堅持多樣化發展策略，有效幫助其走出困境，這對整個科技發展都有重要的啟示作用。（記者 何 屹）

責編：海聞

請您繼續閱讀更多來自 海外網 的精彩文章:

TAG:海外網 |

※深度學習與人工智慧的未來
※人工智慧＝深度學習？
※邵學良校長關於人工智慧環境下的「深度學習法」訪談
※深度學習：人工智慧在自動駕駛中的核心應用
※「深度工作」：在「深度學習」的時代我們應當如何工作
※人工智慧時代，你必須要了解的深度學習
※人工智慧、機器學習、深度學習，三者之間的同心圓關係
※圖譜：人工智慧深度學習人物關係
※淺說深度學習
※深度學習在化學信息學中的應用（上）
※如何區分人工智慧、機器學習和深度學習？
※香港科技大學楊強教授：深度學習如何擁抱遷移學習？
※谷歌趨勢：人工智慧首超大數據，深度學習關注度上升最快
※一篇講明白人工智慧和深度學習，它們就是來搶我們工作的？
※讓深度學習幫你創作爵士樂
※深度學習究竟「深度」在哪裡？
※英特爾談人工智慧與深度學習
※江南大學吳小俊：深度學習不能代表人工智慧的全部
※深度學習的IR「之爭」