在過去的幾年里，人工智能（AI）一直是媒體大肆炒作的熱點話題。機器學(xué)習(xí)、深度學(xué)習(xí)和人工智能都出現(xiàn)在不計其數(shù)的文章中，而這些文章通常都發(fā)表于非技術(shù)出版物。我們的未來被描繪成擁有智能聊天機器人、自動駕駛汽車和虛擬助手，這一未來有時被渲染成可怕的景象，有時則被描繪為烏托邦，人類的工作將十分稀少，大部分經(jīng)濟活動都由機器人或人工智能體（AI agent）來完成。適當了解人工智能相關(guān)信息，可以讓我們更宏觀地認清現(xiàn)狀，學(xué)會分辨媒體炒作的可信度。

什么是機器學(xué)習(xí)

位于美國西海岸的斯坦福大學(xué)，是一所為全世界培養(yǎng)了眾多著名企業(yè)家、經(jīng)營者的著名高等學(xué)府，也是Google聯(lián)合創(chuàng)始人之一謝爾蓋·布林的母校。這里曾經(jīng)受學(xué)生歡迎的講座之一，是計算機科學(xué)系吳恩達（Andrew Ng）副教授的“機器學(xué)習(xí)”（Machine Learning）。

美國《紐約時報》將這一現(xiàn)象評價為“時代精神的體現(xiàn)”。也就是說，一場即將給你我的生活、工作乃至社會帶來巨大變革的技術(shù)革命正在水面之下悄悄展開，而高瞻遠矚的斯坦福大學(xué)的學(xué)生已經(jīng)敏感地察覺到了這一變革。

人工智能的研究與開發(fā)始于20世紀50年代，它是一項為計算機等機器賦予（如人類一般的）智能的技術(shù)。進入21世紀后，人工智能技術(shù)中的機器學(xué)習(xí)則成為了發(fā)展為迅猛的領(lǐng)域。

機器學(xué)習(xí)這項技術(shù)的定義是，計算機通過分析現(xiàn)實社會及網(wǎng)絡(luò)中存在的大量數(shù)據(jù)，從中提取出某種有用的目標模式。此外，這項技術(shù)也可以應(yīng)用于機器人、汽車乃至智能手機等多種設(shè)備上，使其獲得基于大量數(shù)據(jù)（通過各種傳感器獲?。┑淖灾鲗W(xué)習(xí)能力，進而變得更加智能。

近來，“機器學(xué)習(xí)”一詞已經(jīng)越來越多地在報紙、電視、網(wǎng)絡(luò)等媒體上出現(xiàn)，就連平時不太關(guān)心這類信息的一般民眾也會經(jīng)?？吹竭@個詞。比如，接連擊敗職業(yè)棋手的計算機將棋軟件、世界各大汽車制造商爭相開發(fā)的無人駕駛型汽車、SoftBank發(fā)售的曾一度引發(fā)熱議的人形機器人Pepper等，無論哪一個，以機器學(xué)習(xí)為中心的新人工智能技術(shù)都擔任著重要的角色。

Google vs. Facebook vs. 百度

針對以機器學(xué)習(xí)為中心的新型人工智能技術(shù)，技術(shù)與資本領(lǐng)先的美國IT企業(yè)開始爭先恐后地組建自己的研究開發(fā)體系。首先，Google在2009年設(shè)立了Google X研究所，開始了被稱為“Moonshot”的“新一代”技術(shù)追夢之旅。

包括現(xiàn)代無人駕駛熱潮的發(fā)起者、斯坦福大學(xué)人工智能實驗室主任塞巴斯蒂安·特倫（Sebastian Thrun），美國著名發(fā)明家、自然語言處理及腦科學(xué)專家雷·庫茲韋爾（Ray Kurzweil），以及前面提到的尖端機器學(xué)習(xí)技術(shù)深度學(xué)習(xí)第一人吳恩達等，諸多人工智能研究者陸續(xù)被Google招至麾下，并且?guī)砹梭@人的成果（特倫與吳恩達于2014年離開了Google公司）。

與此同時，Google還不遺余力地收購人工智能相關(guān)企業(yè)。2013年，神經(jīng)網(wǎng)絡(luò)研究權(quán)威杰弗里·希爾頓（Geoffrey Hinton）設(shè)立的DNNResearch公司被Google收購。世界神經(jīng)網(wǎng)絡(luò)研究的領(lǐng)頭人希爾頓如今除了多倫多大學(xué)教授的身份之外，還是Google的特別研究員。2014年，Google又以4億英鎊的估價收購了英國專門進行深度學(xué)習(xí)技術(shù)開發(fā)的公司DeepMind Technologies。

對Google抱有強烈競爭意識的Facebook也于2014年設(shè)立了人工智能實驗室，并招聘了足以與Google的希爾頓、特倫抗衡的人工智能界權(quán)威燕樂存（Yann LeCun，紐約大學(xué)教授）作為第一任主任。

美國愈演愈烈的人才爭奪戰(zhàn)，使得中國搜索引擎巨頭百度也坐不住了。2014年，百度在硅谷設(shè)立了人工智能實驗室，其第一任主任正是離開了Google的吳恩達。斯坦福大學(xué)副教授吳恩達因其在斯坦福大學(xué)任教期間同時參與了Google X項目，并于2012年構(gòu)建了具有超強圖像識別能力的大規(guī)模神經(jīng)網(wǎng)絡(luò)而聞名于世。

為挖走專門供事于Google的吳恩達，百度提出了“只要你來我們這邊，你想研究什么我們都支持，而且不管多貴的研究設(shè)備，只要你需要，我們都會提供”的條件?？梢哉f，百度是以三顧茅廬之禮將吳恩達迎入了自己的帳下。

以大數(shù)據(jù)與IoT為背景

為什么這些的IT企業(yè)會在人工智能開發(fā)方面下如此大的本錢呢？或者說，人工智能領(lǐng)域究竟隱藏著怎樣的商機呢？

其背景在于，現(xiàn)代社會上充斥著的大量數(shù)據(jù)，即大數(shù)據(jù)會帶來海量財富。文章開頭我們提到過，現(xiàn)代人工智能基于機器學(xué)習(xí)，而機器學(xué)習(xí)則通過分析大數(shù)據(jù)來導(dǎo)出某種有用的目標模式。

全世界有超過70億人，這么多人的日?；顒訋砹艘?guī)模巨大的數(shù)據(jù)。肉體凡胎的人類無法從如此規(guī)模的數(shù)據(jù)中看到什么，但計算機等機器卻能夠從中總結(jié)出某種模式（相關(guān)性、規(guī)律性、法則性等）。機器學(xué)習(xí)的優(yōu)勢正在于能從大數(shù)據(jù)中抽取出上述模式。

在這一背景下，產(chǎn)生了所謂“Internet of Things”（IoT：一切事物均連接在網(wǎng)絡(luò)上，即物聯(lián)網(wǎng)）的趨勢（圖1-1）。我們生活的現(xiàn)代社會中，從20世紀70年代問世的個人電腦到如今的智能手機、平板電腦，進而到電視、汽車，以及今后的可佩戴式終端、智能家居，甚至是智能電網(wǎng)，所有東西都開始與網(wǎng)絡(luò)連接。

圖1-1 IoT概念圖

這些設(shè)備搭載的各式傳感器采集了你我生活以及業(yè)務(wù)中的各類信息，并通過網(wǎng)絡(luò)發(fā)送到巨型企業(yè)的服務(wù)器（大記憶容量的高性能計算機）上實現(xiàn)累積。機器學(xué)習(xí)則通過分析這些大數(shù)據(jù)來導(dǎo)出各種模式，帶來商業(yè)上的利益。

如今，美國主力IT企業(yè)對大數(shù)據(jù)流通路徑的爭奪戰(zhàn)如火如荼。比如蘋果公司將虛擬助手Siri（一款可以用語音操作手機的應(yīng)用）的標準搜索工具從Google換成了同領(lǐng)域相對弱勢的Microsoft的搜索引擎Bing（蘋果公司認為，與Google相比，Microsoft更不容易對自身造成威脅）。想必各位都知道，通過分析搜索時使用的關(guān)鍵字，我們能輕松得出當前用戶關(guān)心的內(nèi)容。

Google則于2014年1月以32億美元的估價收購了智能家居領(lǐng)域的一家英國公司Nest Labs。有趣的是，Nest Labs的創(chuàng)始人出身于蘋果公司，在Nest Labs被收購前也一直與蘋果公司有著很深的聯(lián)系。Google的這一步棋可以說是將用戶全家人的日常生活的相關(guān)信息（通過與智能家居連接的網(wǎng)絡(luò)獲得）從蘋果公司手中搶了過來。

然而實際上，僅僅注重數(shù)據(jù)的來源尚有失偏頗，真正重要的是解析數(shù)據(jù)并導(dǎo)出對企業(yè)業(yè)務(wù)有益的模式。為此，一種專門分析大數(shù)據(jù)的新興職業(yè)“數(shù)據(jù)科學(xué)家”開始受到全世界矚目。而在美國，人們更傾向于使用計算機，即讓人工智能完成這項工作。

美國從很久以前就頻頻將“大數(shù)據(jù)”和“人工智能”兩個詞成對使用，近來這種趨勢愈發(fā)明顯。也就是說，在解析大數(shù)據(jù)上，美國正漸漸從人工轉(zhuǎn)向自動化。他們認為（或者說相信），要解析如此大量的數(shù)據(jù)，人腦已經(jīng)不夠用了，相對而言擁有強大信息處理能力的計算機（AI）更適合這方面的工作。

舉個例子。2014年，IBM發(fā)布了Watson Analytics。Watson是一臺AI超級計算機，當初開發(fā)它只是為了在美國著名問答節(jié)目《危險邊緣》（Jeopardy!）中擊敗歷代人類冠軍。后來IBM將其改造為解析大數(shù)據(jù)的商業(yè)機器，通過云計算（將售價昂貴的高性能計算機的功能通過網(wǎng)絡(luò)廉價提供給客戶）為企業(yè)客戶提供服務(wù)。

可見，人們希望將以往由數(shù)據(jù)科學(xué)家（人類）利用計算機進行的分析工作全都交由人工智能完成。Watson Analytics就是基于這種理念開發(fā)出來的。

暫且不說將這些事全部交由計算機來做是否現(xiàn)實，至少在現(xiàn)階段，我們通過以機器學(xué)習(xí)為中心的人工智能對海量用戶產(chǎn)生的大數(shù)據(jù)進行分析后，能夠做到針對個別用戶高精度地投放定向廣告，或者向用戶推薦其可能喜歡的音樂、影視內(nèi)容以及各式各樣的商品等，這其中都蘊含著無限的商機。而這些，正是Google、Facebook、Amazon、IBM乃至Microsoft等公司希望通過機器學(xué)習(xí)實現(xiàn)的事情。

機器學(xué)習(xí)的用途擴展

這里舉幾個具體的例子。比如Amazon的“您還可能喜歡的商品”或YouTube的“您可能感興趣的視頻”等推薦功能，包括Facebook、Twitter等社交媒體上的定向廣告也都使用了機器學(xué)習(xí)技術(shù)。它們都是先讓計算機對用戶以往的搜索記錄進行學(xué)習(xí)，再根據(jù)學(xué)習(xí)內(nèi)容預(yù)測并自動向用戶推薦其可能感興趣的商品、內(nèi)容、廣告等。

機器學(xué)習(xí)還被應(yīng)用于智能手機特有的虛擬助手軟件上，比如之前我們提到過的iPhone上搭載的Siri，以及安卓等終端上搭載的Google Now，還有Microsoft于2014年在自家手機系統(tǒng)Windows Phone上發(fā)布的Cortana（Cortana同時搭載于Windows 10系統(tǒng)）就屬于此類。

這些擬人化的軟件會借助機器學(xué)習(xí)能力來分析智能手機的日程表、郵件收發(fā)記錄、社交媒體的使用日志等，詳細學(xué)習(xí)用戶的相關(guān)信息，然后根據(jù)這些信息，用機器合成的男性或女性聲音回答用戶提出的需求及問題，或者預(yù)測用戶在日常各種情況下可能需要的信息并將其自動顯示在手機屏幕上。

除了這些身邊的在線服務(wù)以及小型移動終端之外，越來越多的大型業(yè)務(wù)也開始應(yīng)用機器學(xué)習(xí)，比如汽車、電子工業(yè)等大型制造商工廠里的生產(chǎn)管理。面向這些企業(yè)，一些專門以SaaS（云計算的別稱）形式提供機器學(xué)習(xí)技術(shù)的風(fēng)險企業(yè)如雨后春筍般出現(xiàn)?？偛课挥诿绹f金山的Sight Machine就是其一。

該公司將機器視覺技術(shù)（借助攝像頭使機器擁有工學(xué)視力）與機器學(xué)習(xí)相結(jié)合，并以SaaS的形式提供給大型制造商的工廠（其中包括美國汽車生產(chǎn)商克萊斯勒）。生產(chǎn)商導(dǎo)入該系統(tǒng)之后，檢查生產(chǎn)線故障以及殘次品等以往需要人工進行的工作（準確地說是通過人眼進行檢測的工作）現(xiàn)在全都可以交由人工智能自動完成了。

根據(jù)Sight Machine公司的調(diào)查，在諸多領(lǐng)域中，汽車產(chǎn)業(yè)對該系統(tǒng)的需求。通用、豐田、日產(chǎn)等主要汽車制造商，再加上為這些制造商供給零件的企業(yè)，僅北美就有超過5000座與汽車相關(guān)的工廠。尤其是較為重視品質(zhì)的工廠，不少都對Sight Machine公司的服務(wù)表示感興趣。

除了上述的行業(yè)之外，已導(dǎo)入或有意向?qū)霗C器學(xué)習(xí)系統(tǒng)的行業(yè)還有很多，其中具市場潛力的當屬電力行業(yè)的“智能電網(wǎng)”（電力管理系統(tǒng)）。通過機器學(xué)習(xí)來分析大量家庭、辦公室、工廠等單位的電力消耗數(shù)據(jù)，實現(xiàn)對電力供給的實時管理，保證各個單位獲得恰當?shù)碾娏┙o。

這類系統(tǒng)被稱為“需求響應(yīng)”，美國EnerNOC公司等已經(jīng)開始將其商品化。2013年12月，日本丸紅與EnerNOC設(shè)立合資公司，欲向法人顧客提供能源高效分配管理及咨詢等服務(wù)。

機器學(xué)習(xí)還有一些別出心裁的應(yīng)用方法，比如“安全保障”。舉個例子，美國Palantir公司（本部位于加利福尼亞州帕洛阿爾托市）借助機器學(xué)習(xí)分析從郵件、電話、金融等多種信息源收集的大數(shù)據(jù)，向中央情報局（CIA）及聯(lián)邦調(diào)查局（FBI）等美國政府機關(guān)提供有關(guān)恐怖分子與國際犯罪等方面的情報。

讓“對沖基金兄弟”分出高下

機器學(xué)習(xí)還被應(yīng)用于投資行業(yè)。關(guān)于這一點，在美國投資業(yè)的圈子里，運營對沖基金的尼德霍夫（Niederhoffer）兄弟的故事可謂無人不知無人不曉。哥哥維克多·尼德霍夫（Victor Niederhoffer）畢業(yè)機器學(xué)習(xí)還被應(yīng)用于投資行業(yè)。關(guān)于這一點，在美國投資業(yè)的圈子里，運營對沖基金的尼德霍夫（Niederhoffer）兄弟的故事可謂無人不知無人不曉。哥哥維克多·尼德霍夫（Victor Niederhoffer）畢業(yè)于哈佛大學(xué)經(jīng)濟學(xué)系，畢業(yè)后經(jīng)過幾年的學(xué)者生活，1970年，他親手創(chuàng)立了對沖基金。高明的投資手腕讓他在業(yè)界嶄露頭角。

另一邊，比維克多小20歲的弟弟羅伊·尼德霍夫（Roy Niederhoffer）自小就對做對沖基金經(jīng)理聲名大噪的哥哥敬佩有加，立志也要成為一名投資家。他升入哥哥的母校哈佛大學(xué)后，選擇學(xué)習(xí)人工智能理論，然后以此為基礎(chǔ)開發(fā)了一套將“市場情緒”（例如投資家的擔心等）數(shù)值化后再進行機器學(xué)習(xí)的交易系統(tǒng)。利用這項技術(shù)，他于1993年設(shè)立了自己的對沖基金。

兄弟二人一路順風(fēng)順水，不相伯仲，直到一件事的發(fā)生，讓他們倆終于分出了高下。1997年10月27日，受當時亞洲金融危機影響，紐約證券市場股價一落千丈。曾憑借對市場趨向天才般的判斷力而幾度化險為夷的哥哥維克多在1997年那次股價暴跌時沒能正確預(yù)估市場的走向，導(dǎo)致他遭受巨額損失，一手創(chuàng)立的對沖基金也宣告破產(chǎn)。

相對地，弟弟羅伊的機器學(xué)習(xí)系統(tǒng)在事前發(fā)出了警告：“市場有暴跌的征兆！股票和美國債券能賣的全都要賣掉！”弟弟聽從警告拋出股票與債券，在暴跌前千鈞一發(fā)之際幸免于難。

不過，當時維克多雖然已經(jīng)破產(chǎn)，其弟弟羅伊卻表示：“我哥不會就這樣認輸，他肯定會東山再起?！闭缌_伊所言，維克多利用所剩無幾的個人資產(chǎn)，于1998年再次設(shè)立自己的對沖基金。憑借一如既往的犀利交易手腕，它的可運用資產(chǎn)快速擴大，讓全世界看到了天才尼德霍夫的復(fù)活。

然而悲劇再一次降臨到維克多身上。亞洲金融危機之后10年，即2007年，世界交易市場因美國次級貸款問題再度崩盤。維克多這次也估錯了市場的走向，導(dǎo)致可運用資產(chǎn)額度損失超過75%，好不容易復(fù)活的對沖基金再度破產(chǎn)。

另一邊，弟弟羅伊再一次被他那套基于機器學(xué)習(xí)的交易系統(tǒng)救了下來。在次貸危機到雷曼事件的2007～2008年，他運營的對沖基金依然為大幅正收益回報，這使得他與投資家之間建立了牢不可破的信任關(guān)系。防爆云平臺（www.m.4729d.com）

對用機器學(xué)習(xí)交易系統(tǒng)感興趣的人可以看看《利用機器學(xué)習(xí)開發(fā)算法交易系統(tǒng)》。

深度學(xué)習(xí)的沖擊

從前文可以看到，機器學(xué)習(xí)正滲透至現(xiàn)代社會的方方面面，并為我們帶來了巨大商機。文章開頭提到目光敏銳的斯坦福大學(xué)學(xué)生對機器學(xué)習(xí)的課程情有獨鐘，其原因也在于此。

在諸多機器學(xué)習(xí)技術(shù)中，他們?yōu)殛P(guān)心的是深度學(xué)習(xí)。這項技術(shù)是神經(jīng)網(wǎng)絡(luò)（以人工手段還原構(gòu)成人腦的神經(jīng)回路網(wǎng)）的一種，所以深度學(xué)習(xí)又被稱為“深度神經(jīng)網(wǎng)絡(luò)”（DNN）。它由一系列基于大腦視覺區(qū)的識別機制的算法實現(xiàn)。

深度學(xué)習(xí)讓已經(jīng)停滯了數(shù)年的圖像識別、語音識別等模式識別技術(shù)（計算機、智能手機、機器人等機器自動識別圖像、語音等模式的技術(shù)）產(chǎn)生了飛躍式發(fā)展。

舉個Google的例子。2012年，Google與斯坦福大學(xué)的吳恩達副教授使用深度學(xué)習(xí)技術(shù)聯(lián)手構(gòu)建了包含16 000個計算機處理器的大規(guī)模神經(jīng)網(wǎng)絡(luò)。這個被稱為“谷歌大腦”的巨大系統(tǒng)以YouTube上大量的視頻資源（準確地說是靜止的視頻截圖）為教科書，自主學(xué)習(xí)“貓臉”“人臉”等視覺概念（整體輪廓以及眼、耳、鼻等具體特征）。之后，這個系統(tǒng)根據(jù)學(xué)習(xí)成果在計算機屏幕上完成了原創(chuàng)繪圖，畫出了這些形象。

計算機不借助人的指導(dǎo)，完全自主地獲取了某種概念，這一新聞帶來了巨大沖擊，眨眼間便傳遍全球。深度學(xué)習(xí)有很強的通用性，所以很快就從圖像識別領(lǐng)域發(fā)展到了語音識別領(lǐng)域。據(jù)Google相關(guān)人士透露，在導(dǎo)入了深度學(xué)習(xí)的新版本安卓（Google提供的手機OS）上，語音識別精度比前一版本提高了25%～50%。

Facebook也利用深度學(xué)習(xí)提升了圖片的識別精度，以應(yīng)對每天用戶上傳的數(shù)以億計的照片。不僅如此，F(xiàn)acebook的圖像識別還進化到了能識別照片詳細內(nèi)容，即理解照片中人物正在做什么的地步。Facebook人工智能實驗室的燕樂存主任表示，F(xiàn)acebook正使用這一技術(shù)開發(fā)一種虛擬助手軟件。比如用戶向Facebook上傳“深夜派對裸舞發(fā)酒瘋”的照片時，虛擬助手會發(fā)出“確認要發(fā)布這張照片嗎？發(fā)了可別后悔”之類的警告。

此外，Microsoft的基礎(chǔ)研究所微軟研究院也利用深度學(xué)習(xí)開發(fā)了實時的圖像識別系統(tǒng)。這個系統(tǒng)能夠迅速解析照相機拍下的照片，識別能力也進一步提升，從僅能識別出“貓”“狗”等大類進化到也可以識別出“羅得西亞脊背犬”“大麥町犬”等具體犬種。

Microsoft還將深度學(xué)習(xí)有效運用到了語音識別領(lǐng)域。該公司常年致力于機器翻譯（使用計算機翻譯外語的技術(shù)），但機器翻譯長期以來采用的高斯混合模型性能有限。以基于深度學(xué)習(xí)的語音識別技術(shù)代替高斯混合模型之后，機器翻譯的精度獲得大幅提升。

2014年12月，Microsoft將上述機器翻譯功能加入其開發(fā)的網(wǎng)絡(luò)通話及會議服務(wù)Skype。如此一來，當用戶通過Skype進行國際視頻會議等交流時，能夠享受到英語與西班牙語之間的自動同步翻譯。設(shè)計當初只加入了這兩門語言，是為了先觀察一下用戶的反應(yīng)，再根據(jù)實際情況擴大對象語言范疇。

結(jié)合上述幾個例子，我還要講一個特別的現(xiàn)象，那就是深度學(xué)習(xí)的“可伸縮性”。所謂可伸縮性，是指隨著輸入數(shù)據(jù)量的增加，系統(tǒng)性能能夠保持近乎正比例的提升。以往的模式識別技術(shù)中，數(shù)據(jù)量超過某一個值之后，系統(tǒng)性能就會見頂，但深度學(xué)習(xí)不會出現(xiàn)這個問題。也就是說，系統(tǒng)消化的語音、圖像等數(shù)據(jù)越多，識別精度也就越高，不存在天花板。

圖像識別、語音識別、自然語言處理

專家們普遍認為，在接下來幾年，因深度學(xué)習(xí)技術(shù)而獲得飛速發(fā)展的領(lǐng)域，將會是自然語言處理。自然語言處理是讓計算機、機器人等機器理解我們?nèi)祟惤涣鲿r所用語言的技術(shù)。（前面講的語音識別和自然語言處理技術(shù)比較容易混淆。簡單說來，語音識別技術(shù)是識別我們發(fā)出的聲音并將其轉(zhuǎn)換為文字，而自然語言處理技術(shù)則是讓計算機、機器人理解已經(jīng)識別好的語言或文章的意義。）

Google和Facebook對這一領(lǐng)域尤為關(guān)注。因為如果計算機能夠正確理解海量用戶搜索時以及在網(wǎng)站上發(fā)布信息時所用的語言，就能以更高的精度發(fā)送定向廣告（不同于一般的大片撒網(wǎng)式廣告，這種網(wǎng)絡(luò)廣告僅流向特定用戶群）?？梢哉f，這項技術(shù)關(guān)系到兩家公司網(wǎng)絡(luò)業(yè)務(wù)的生命線。有專家稱，如果Google或Facebook能夠通過深度學(xué)習(xí)實現(xiàn)高精度的網(wǎng)絡(luò)廣告投放，僅此一項就能帶來每年數(shù)百億美元的利潤增長。

另外，Google還在研究如何將深度學(xué)習(xí)應(yīng)用于機器翻譯的語言解析。業(yè)內(nèi)認為，一旦這項研究取得成果，不僅像英語與日語這種語系完全不同的兩種語言之間可以進行高精度機器翻譯，還能使某種程度上的意譯成為可能。加拿大蒙特利爾大學(xué)等一系列機構(gòu)也在從事這項研究。

除上述自然語言處理外，深度學(xué)習(xí)還將為機器人產(chǎn)業(yè)帶來革命。比如人工智能和機器人工學(xué)兩個領(lǐng)域，廣受世界關(guān)注的吳恩達副教授于2014年在美國舉辦的國際會議上表示：“若想讓當代的機器人進化至下一階段，我需要將剩下的所有時間都投入到深度學(xué)習(xí)的研究中去?！?/span>

與上述產(chǎn)業(yè)沖擊同樣，或者說更應(yīng)該關(guān)注的是，深度學(xué)習(xí)在科學(xué)方面的可能性。簡而言之就是，深度學(xué)習(xí)如今還有許多未解之謎，所以今后還有足夠空間取得驚人的進化。

奇妙的神經(jīng)網(wǎng)絡(luò)

這里講一個實際的例子。Microsoft的技術(shù)人員在開發(fā)基于深度學(xué)習(xí)的機器翻譯技術(shù)時，曾讓神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)系統(tǒng)）集中學(xué)習(xí)了幾種語言。

初讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的是英語和漢語。學(xué)習(xí)后，神經(jīng)網(wǎng)絡(luò)的英語能力和漢語能力理所當然地得到了提升。隨后他們又讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)了西班牙語，于是西班牙語能力也得到了提升。然而神奇的是，學(xué)習(xí)西班牙語之后，該系統(tǒng)英語和漢語的語言能力也變強了。也就是說，系統(tǒng)在學(xué)習(xí)新語言時，也提升了原本學(xué)習(xí)過的語言能力。其中的緣由連系統(tǒng)的開發(fā)者都說不清楚。

包括上述現(xiàn)象在內(nèi)，深度學(xué)習(xí)的內(nèi)部機制還有很多連專家都搞不明白的地方。當然，像稀疏編碼（詳細內(nèi)容將在后文說明）等技術(shù)，由于是研究者（人類）根據(jù)腦科學(xué)成果開發(fā)而來的，其中并不存在未知部分。但信息在繁亂復(fù)雜的人工神經(jīng)回路網(wǎng)中如何傳遞，深度學(xué)習(xí)能夠?qū)С鲈鯓拥膶W(xué)習(xí)成果，這些問題還尚未完全搞清楚。

不過，這些謎題也是動力的源泉。畢竟當我們?nèi)祟愅耆斫饽硞€對象時，那個對象的極限也就擺在我們面前了。反過來說，像深度學(xué)習(xí)這種存在大量未知部分的技術(shù)，反而有可能實現(xiàn)人類預(yù)想之外的成長。

——本文內(nèi)容節(jié)選自《人工智能的沖擊》《Python深度學(xué)習(xí)》