三位先驅共摘「圖靈獎」，深度學習呼喚深度理解

科技日報記者 劉園園

當地時間3月27日，美國計算機學會宣布將2018年圖靈獎頒發給深度學習領域三位先驅——約書亞·本吉奧、傑弗里·辛頓和雅恩·勒昆，以褒獎他們推動深度神經網路成為計算機技術的重要組成部分。

圖靈獎素有「計算機界的諾貝爾獎」之稱，三位獲獎者也都是人工智慧領域大名鼎鼎的科學家。本吉奧是蒙特利爾大學教授，辛頓是谷歌公司副總裁、多倫多大學名譽教授，勒昆是紐約大學教授、臉書公司首席人工智慧科學家。

「人工智慧目前是所有科學領域中發展最快的學科之一，也是當今社會最為熱議的話題之一。」美國計算機學會主席切里·潘凱克說，這很大程度上歸功於深度學習領域近年來取得顯著進展，而這一領域的基礎是由本吉奧、辛頓和勒昆奠定的。

將單層神經網路拓展成多層

要解釋三位科學家的貢獻，首先得說說人工神經網路。

所謂人工神經網路，是指模仿人的神經機制，在計算機中模擬出一層或多層被稱為「神經元」的計算單元，使它們之間通過加權連接而互相影響。通過改變這些節點的加權值，可以改變人工神經網路的計算性能。

本吉奧、辛頓和勒昆認識到通過搭建多層神經元，形成比較「深」的人工神經網路的重要性，這正是「深度學習」一詞的由來之一。

「三位獲獎者確實可稱為深度學習領域的奠基人。」中科院自動化所模式識別國家重點實驗室研究員宗成慶接受科技日報記者採訪時說，早期實現的神經網路是單層的，他們把單層神經網路拓展成多層並付諸應用，在圖像識別、語音識別和機器翻譯等很多任務上都取得了不錯的效果。

「通過大大提高計算機理解世界的能力，深度神經網路不僅在改變計算機領域，也在改變科學和人類行為所涉及的每一個領域。」谷歌高級副總裁傑夫·迪恩說。

從不被認可堅持到產業爆發

上世紀80年代，科學家開始使用人工神經網路模型幫助計算機完成模式識別任務，並模擬人腦的智能。辛頓、本吉奧和勒昆一直把這種思路堅持到本世紀，儘管起初他們的想法不被認可。

「計算機科學界已認識到這種方法並不離奇，這是好事。」辛頓在接受英國廣播公司（BBC）採訪時說，多年來大家都覺得人工神經網路不值一提。

辛頓自上世紀80年代早期就開始倡導機器學習方法，他和其他科學家提出將「人工神經網路」作為機器學習研究的基石。現在，深度學習已在人工智慧領域被普遍採納。

「很大一部分原因是計算機性能有了根本性提高。」宗成慶告訴科技日報記者，上世紀八九十年代人工智慧出現一波熱潮，但當時計算機的存儲容量、計算能力都十分有限，只能計算單層神經網路。如今計算機性能大大提升，再加上有海量數據支撐，在多層神經網路中訓練大規模數據得以快速實現。

深度學習仍待更大突破

「深度學習技術目前在計算機領域的應用非常普遍。從應用角度看，這種方法確實可使很多任務的處理取得最優結果。」宗成慶說。

但在宗成慶看來，已得到廣泛採用的深度學習技術未來仍需更大突破。

拋開其進展不談，現階段深度學習技術還無法讓計算機像人一樣去深度理解語言、語音和圖像。比如，智能手機助手看起來口齒伶俐，卻並未真正理解我們的話。假如對它說「臭豆腐真香啊」，它的答覆會莫名其妙，或者給出怎麼理解都不錯的答案。

宗成慶認為，以自然語言理解為例，下一步的方向是讓機器在語義、概念上進行推理和計算，而不僅停留在對信號層面的處理。這就涉及很多神經科學、認知科學和計算科學結合的問題。

與此同時，人工神經網路依然是個「黑箱子」，可解釋性比較差。讓它將英文翻譯成中文，如果出現錯誤，是哪個環節導致錯誤依然難以解釋。處理特定任務究竟需要幾層神經網路才能實現最佳，也沒有合理解釋，只能依靠經驗和實驗大量地測試。

「深度學習技術將經過一段時間的發展逐漸趨於成熟，進入比較平穩的平台期。進一步突破需要對人工神經網路進行較大改進，或者在包括腦科學在內的多學科交叉研究的基礎上提出新的模型和方法。」宗成慶說。

來源：科技日報 文中圖片除註明外均來自網路

編輯：左常睿

審核：管晶晶

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！