人工智慧崛起的關鍵人物

撰文 小熊

出品 創克加科技

歡迎關注創克加科技公眾號

引言

科技革命和應用成熟的關係，就像畢昇發明了印刷術，而德國人古騰堡推動了活字印刷術的應用。歷史上這樣的例子有很多。比如我們熟知的瓦特其實並不是蒸汽機的發明人，而是那個使得蒸汽機能夠達到大規模運用水平的改進者；坦克是英國人發明的，而把坦克的能力發揮到淋漓盡致的閃電戰打法卻是德國人發明的。

在科技領域，我們往往會重視那些製造了坦克的發明家，即那些原創的科學突破，而忽略了發明閃電戰的戰略家。他們往往是把科學革命的價值真正實現出來，也就是真正造福社會，推動了科技進步的貢獻者。

深度學習的發明人

昨天我們介紹了深度學習的發明人Geoffrey Hinton，從上世紀80年代初到這一輪的人工智慧被認可，中間有30多年的時間，Hinton教授做了大量的研究，做出了大量的成果。但是這30多年的時間裡，Hinton教授的研究成果並沒有被學術界認可，具體來說有兩個原因：

第一，因為深度學習要求分層，每一層該怎麼單獨優化，這個問題Geoffrey Hinton直到2006年才解決。他發表論文在2007年的《認知科學趨勢》雜誌上，成了這一輪人工智慧革命啟動的標誌，標誌著深度學習的演算法初步被完善了。

第二，是在理論完備之後的好幾年裡，深度學習依然不被認可。原因是深度學習這樣的人工智慧系統，它的演算法不夠好，不如其它的演算法好。

深度學習崛起的關鍵人物

讓深度學習真正開始實現大規模應用的是兩個人：

一個是斯坦福大學計算機科學系和電子工程系教授吳恩達。吳恩達主要成就在機器學習和人工智慧領域，他是人工智慧和機器學習領域最權威的學者之一。2010年，時任斯坦福大學教授的吳恩達加入谷歌開發團隊XLab——這個團隊已先後為谷歌開發無人駕駛汽車和谷歌眼鏡兩個知名項目。吳恩達與谷歌頂級工程師開始合作建立全球最大的「神經網路」，這個神經網路能以與人類大腦學習新事物相同的方式來學習現實生活。谷歌將這個項目命名為「谷歌大腦」，也就是之前提到的Google Brain項目。

吳恩達

另外一個人也是斯坦福的教授，2015年「全球百大思想者」李飛飛。李飛飛建立了一個圖像識別資料庫，通過這個圖像庫的訓練，李飛飛成功地訓練出視覺能力超過人的人工智慧系統。

李飛飛

所以學術界對於深度學習的重視是2012年到來的。這一年人工智慧視覺識別實現了突破，在斯坦福舉辦的ImageNet比賽上，深度學習不光超越了其它所有演算法，也第一次超越了人類。

公眾對於人工智慧的重視發生得更晚。一直到2016年3月份，谷歌AlphaGo戰勝了李世石，深度學習受到了大眾追捧。

這裡插個題外話。回顧這段歷史，我們發現兩個道理：

1.人工智慧的發展史源遠流長。

2.人工智慧的開創者Geoffrey Hinton教授不年輕了。

在傳統的認知里，我們經常會覺得很多偉大的科學發明都是一蹴而就的。因為中國人從小聽慣了「牛頓和蘋果」的故事，以為偉大的發明都是靈光一閃。

與人工智慧類似，現代3D列印技術的發明人查爾斯·胡爾（Charles W. Hull）在1986年發明了SLA（光固化立體成型）技術。但受限於當時的工藝條件，其體型十分龐大，有效列印空間卻非常狹窄。在這30多年的時間裡，人類做了大量的研究，進行了無數次的探索，不斷改進細節，才得以把這項技術的潛力真正發揮出來。

全球第一台光固化SLA-250

這就回到我們剛開始提出的，我們往往會重視那些新技術的發明家，然而忽略了改進並推廣這項技術的戰略家。把技術革命的價值真正實現出來，推動社會進步的，包括眾多企業家，他們都在為人類科技的進步添磚加瓦。

深度學習只是人工智慧的一部分

回到人工智慧的話題上來我們知道，深度學習只是人工智慧的一個分支。這一輪人工智慧革命的代表是深度學習的突破，以AlphaGo為代表的深度學習領域內的佼佼者，已經開始將其運用到各個行業領域。但是人工智慧的革命才剛剛開始，未來到底是不是深度學習的延續，還是人工智慧的另一個領域實現趕超，我們都不得而知。

深度學習是機器學習（Machine Learning）研究中的一個新領域。所謂機器學習，是指通過學習演算法，使得機器能從大量歷史數據中學習規律，從而對新的樣本做智能識別或對未來的預測。機器學習是人工智慧的一個分支，很多時候幾乎成為人工智慧的代名詞。

除了深度學習，機器學習還有一個重要的分支：強化學習（Reinforcement Learning，RL），也成為增強學習。Google的DeepMind就是將深度學習和強化學習這兩者的精髓合二為一，提出了深度強化學習。強化學習最早可追溯到生理學家巴普洛夫的條件反射實驗，關注的是一個能感知環境的智能體（Agent，學習者）如何在環境中採取一系列行為，獲得最大的累積回報。

美國最早的移動計算系統（PALM）的發明人Jeff Hawkings發明了記憶預測模型，相比深度學習，記憶預測模型更符合人類的思維特徵。但是因為Jeff Hawkings構建的人工智慧系統表現不夠好，尚未得到廣泛的應用。

今天我們主要講了三點。

1.新科技的發明僅僅是一個開端，我們還需要把科技優勢發揮出來並不斷優化的推動者。

2.深度學習真正開始實現大規模應用的兩位推動者分別是吳恩達和李飛飛，都是華裔。

3.深度學習只是人工智慧的一個分支，在未來是否會有其它科技超越深度學習，今天看來都是未知的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！