99精品在线观看-99精品在线免费观看-99精品在线视频观看-99精品这里只有精品高清视频-99九九精品国产高清自在线

近幾日，疑是 AlphaGo的Master在網(wǎng)絡(luò)上血洗”世界圍棋界，面對(duì)人類頂尖高手豪取54連勝。人工智能看來(lái)又上升了一個(gè)高度。

過(guò)去四年間，人們肯定已經(jīng)注意到，我們身邊的很多日?？萍颊诎l(fā)生著日新月異的巨大進(jìn)步。

最明顯的是，智能手機(jī)語(yǔ)音識(shí)別功能的識(shí)別質(zhì)量與過(guò)去比有了巨大突破。我們只需對(duì)著手機(jī)說(shuō)出妻子或者丈夫的名字，就能毫不費(fèi)力地接通他們的電話，而不至于被錯(cuò)接到鐵路公司或者怒氣沖沖的前女友或男友的電話上。事實(shí)上，我們目前正在越來(lái)越多地通過(guò)語(yǔ)音識(shí)別功能（例如亞馬遜的Alexa、蘋(píng)果的Siri、微軟的Cortana、以及谷歌推出的大量語(yǔ)音交流功能）與計(jì)算機(jī)進(jìn)行溝通。中國(guó)搜索巨頭百度稱，在過(guò)去18個(gè)月內(nèi)，使用語(yǔ)音識(shí)別交互功能的用戶數(shù)量增加了兩倍。

機(jī)器翻譯及其他語(yǔ)言處理工具的質(zhì)量與以前相比也有了巨大提升。每個(gè)月，谷歌、微軟、Facebook和百度都會(huì)推出新的語(yǔ)言處理功能。谷歌翻譯（Google Translate）目前能夠提供32種語(yǔ)言間的語(yǔ)音翻譯，以及103種語(yǔ)言間的文本翻譯（包括宿務(wù)語(yǔ)、伊博語(yǔ)和祖魯語(yǔ)等小語(yǔ)種）。谷歌Inbox能夠?yàn)槭占淅锏碾娮余]件預(yù)設(shè)3條自動(dòng)回復(fù)。

圖像識(shí)別技術(shù)也在突飛猛進(jìn)。以上四家企業(yè)都已推出了無(wú)需輸入關(guān)鍵詞就能幫你搜索或自動(dòng)整理照片庫(kù)的功能。例如，你可以迅速篩選出畫(huà)面里有狗的照片、下雪天拍攝的照片、或者具有抽象特性——例如有人擁抱——的照片。四家公司都在開(kāi)發(fā)能夠在數(shù)秒內(nèi)為照片自動(dòng)撰寫(xiě)圖片說(shuō)明的功能。

這些功能貌似簡(jiǎn)單，實(shí)際上背后卻是極為復(fù)雜的技術(shù)。想想看，為了篩選出有狗的照片，軟件就必須識(shí)別從吉娃娃到德國(guó)牧羊犬等所有品種的狗，還必須考慮狗的畫(huà)面上下顛倒、狗的一部分模糊不清、狗位于畫(huà)面左側(cè)或右側(cè)、起霧或下雪、晴天或陰天等等種類繁多的情況。與此同時(shí)，還必須排除掉狼和貓。而這一切僅僅只用到圖片像素。那么，這一切都是怎么做到的？

神經(jīng)網(wǎng)絡(luò)如何識(shí)別出圖片中有狗？

1. 訓(xùn)練

訓(xùn)練階段中，讓神經(jīng)網(wǎng)絡(luò)處理數(shù)以千計(jì)的有標(biāo)簽動(dòng)物圖片，并學(xué)習(xí)如何將其分類。

2.輸入

將一張無(wú)標(biāo)簽圖片輸入相關(guān)網(wǎng)絡(luò)。

a.第一層   神經(jīng)元對(duì)邊線等圖像元素做出反應(yīng)。

b.更高層  神經(jīng)元對(duì)更多復(fù)雜結(jié)構(gòu)做出反應(yīng)。

c.最頂層  神經(jīng)元對(duì)非常復(fù)雜抽象的概念做出反應(yīng)，即分辨出不同動(dòng)物。

3.輸出 

神經(jīng)網(wǎng)絡(luò)猜出最有可能是什么物體。

圖像識(shí)別的應(yīng)用范圍已經(jīng)遠(yuǎn)遠(yuǎn)超出流行社交App的范疇。有醫(yī)療初創(chuàng)公司稱，他們很快就能使用計(jì)算機(jī)以超過(guò)放射科醫(yī)師的速度和準(zhǔn)確度判讀X光、核磁共振和CT圖像、以創(chuàng)傷更小的方式診斷早期癌癥、或者研發(fā)治療重大疾病的藥物。高質(zhì)量的圖像識(shí)別技術(shù)是機(jī)器人、自主化無(wú)人機(jī)、以及自動(dòng)駕駛汽車技術(shù)（這一技術(shù)意義重大，于6月成為本刊封面故事的主題）取得進(jìn)一步發(fā)展的關(guān)鍵。目前，福特、特斯拉、優(yōu)步、百度和谷歌母公司Alphabet都在加緊測(cè)試其自動(dòng)駕駛樣車在公路上的表現(xiàn)。

大多數(shù)人都不知道，上面的這些突破實(shí)際上都能歸攏到單獨(dú)一項(xiàng)突破上。它們背后的英雄都是人工智能（artificial intelligence，簡(jiǎn)稱AI）家族樹(shù)上的一個(gè)分支——深度學(xué)習(xí)。有些科學(xué)家仍然喜歡以它原來(lái)的名稱——深度神經(jīng)網(wǎng)絡(luò)——來(lái)稱呼它。

神經(jīng)網(wǎng)絡(luò)最神奇的地方在于，它的能力屬于自動(dòng)生成，從來(lái)沒(méi)人能編寫(xiě)出一套計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)上述描述過(guò)的任何一項(xiàng)任務(wù)，實(shí)際上也沒(méi)人能做到這一點(diǎn)。為了構(gòu)建神經(jīng)網(wǎng)絡(luò)，需要計(jì)算機(jī)內(nèi)安裝一套學(xué)習(xí)性算法，并讓其處理輸入的海量數(shù)據(jù)（例如，數(shù)十萬(wàn)張圖像，或者持續(xù)數(shù)年時(shí)間的巨量語(yǔ)音樣本）對(duì)它進(jìn)行訓(xùn)練，從而讓計(jì)算機(jī)自己學(xué)會(huì)如何找出所需物體、詞匯或句段。

簡(jiǎn)言之，這種計(jì)算機(jī)能夠自我學(xué)習(xí)。“最終是要讓軟件自己寫(xiě)軟件，”圖像處理行業(yè)巨頭英偉達(dá)公司CEO黃仁勛說(shuō)。英偉達(dá)公司在大約5年前對(duì)深度學(xué)習(xí)投下了巨額賭注。

英偉達(dá)公司CEO黃仁勛

神經(jīng)網(wǎng)絡(luò)并非一個(gè)新興概念。神經(jīng)網(wǎng)絡(luò)起源于1950年代，在1980和1990年代，神經(jīng)網(wǎng)絡(luò)算法取得了多項(xiàng)重大突破。與當(dāng)時(shí)不同的是，今天的計(jì)算機(jī)科學(xué)家手中握有兩件超級(jí)武器：極為強(qiáng)大的計(jì)算能力和極為龐大的數(shù)據(jù)庫(kù)——今天的互聯(lián)網(wǎng)上每天流轉(zhuǎn)著天文數(shù)字的圖像、視頻、音頻和文本——從而為神經(jīng)網(wǎng)絡(luò)大顯神威鋪平了道路。“這堪稱深度學(xué)習(xí)領(lǐng)域的寒武紀(jì)生物大爆發(fā)，”硅谷風(fēng)投公司安德森-霍洛維茨公司（Andreessen Horowitz）合伙人弗蘭克·陳（Frank Chen）說(shuō)，他提到的寒武紀(jì)生物大爆發(fā)是高等動(dòng)物物種突然暴增的時(shí)期。

這一系列技術(shù)突破帶來(lái)了一波接一波的創(chuàng)業(yè)浪潮。市場(chǎng)研究機(jī)構(gòu)CB Insights發(fā)布報(bào)告稱，上個(gè)季度，人工智能初創(chuàng)企業(yè)獲得的股權(quán)投資超過(guò)10億美元，創(chuàng)下歷史季度新高。CB Insights還稱，2016年第二季度，人工智能初創(chuàng)企業(yè)獲得121宗投資，而2011年同時(shí)期這一數(shù)字僅有21宗。從2011年到2016年，人工智能初創(chuàng)企業(yè)共獲得75億美元投資，其中60多億美元都是在2014年以后到位的。（9月末，人工智能行業(yè)五大巨頭——亞馬遜、Facebook、谷歌、IBM和微軟共同組建了非營(yíng)利機(jī)構(gòu)人工智能伙伴計(jì)劃（Partnership on AI，該機(jī)構(gòu)的使命在于促進(jìn)公眾對(duì)于人工智能的了解，并對(duì)與人工智能有關(guān)的道德問(wèn)題和最佳實(shí)踐開(kāi)展研究。）

谷歌發(fā)言人表示，2012年，谷歌的深度學(xué)習(xí)項(xiàng)目?jī)H有兩個(gè)，而今天則已超過(guò)1,000個(gè)，覆蓋了包括搜索、安卓、Gmail、翻譯、地圖、YouTube和自動(dòng)駕駛等所有產(chǎn)品領(lǐng)域。2011年，當(dāng)時(shí)采用人工智能技術(shù)，沒(méi)有涉及深度學(xué)習(xí)的IBM沃森系統(tǒng)在Jeopardy！問(wèn)答比賽中兩度奪桂。而據(jù)沃森部門(mén)的CTO羅伯·海（Rob High）表示，目前沃森所有30個(gè)服務(wù)組件都已由深度學(xué)習(xí)技術(shù)進(jìn)行了強(qiáng)化。

五年前對(duì)深度學(xué)習(xí)一無(wú)所知的風(fēng)險(xiǎn)資本今天已經(jīng)不愿意投資未采用深度學(xué)習(xí)技術(shù)的初創(chuàng)企業(yè)。弗蘭克·陳說(shuō)，“在我們當(dāng)今所處的時(shí)代，對(duì)于設(shè)計(jì)復(fù)雜軟件應(yīng)用的程序設(shè)計(jì)師，”人們會(huì)問(wèn)，“你的應(yīng)用有沒(méi)有自然語(yǔ)言處理版本？我能和你的應(yīng)用直接對(duì)話嗎？因?yàn)槲也幌肜速M(fèi)時(shí)間點(diǎn)擊菜單。”

已經(jīng)有公司開(kāi)始把深度學(xué)習(xí)融入其日常工作流程。微軟研究院聯(lián)席院長(zhǎng)彼得·李表示：“我們的銷售團(tuán)隊(duì)正在使用神經(jīng)網(wǎng)絡(luò)自動(dòng)篩選主推的產(chǎn)品和重點(diǎn)開(kāi)發(fā)的客戶資源。”

硬件世界也已經(jīng)感受到了這股力量。計(jì)算能力出現(xiàn)爆炸式激增的原因不僅在于摩爾定律，還在于2000年代末英偉達(dá)圖像處理器（GPU）- 最初為3D游戲開(kāi)發(fā)的高性能芯片 - 的計(jì)算能力超過(guò)傳統(tǒng)中央處理器（CPU）20-50倍，從而為深度學(xué)習(xí)計(jì)算的開(kāi)展鋪平了道路。今年8月，英偉達(dá)宣布，其數(shù)據(jù)中心業(yè)務(wù)的季度收入達(dá)到1.51億美元，比去年同期增長(zhǎng)一倍以上。英偉達(dá)首席財(cái)務(wù)官對(duì)投資者表示：“目前，絕大部分增長(zhǎng)來(lái)自深度學(xué)習(xí)。”在為時(shí)83分鐘的電話會(huì)議中，“深度學(xué)習(xí)”一詞出現(xiàn)了81次。

芯片業(yè)巨頭英特爾也在躍躍欲試。過(guò)去兩個(gè)月，英特爾收購(gòu)了Nervana Systems （收購(gòu)價(jià)格超過(guò)4億美元）和Movidius（收購(gòu)價(jià)格未透露）兩家提供定制化深度學(xué)習(xí)計(jì)算技術(shù)的初創(chuàng)公司。

谷歌在5月表示，在過(guò)去的一年里，他們一直在秘密使用名為一款名為T(mén)ensor處理器（TPU）的定制芯片運(yùn)行采用了深度學(xué)習(xí)技術(shù)的軟件應(yīng)用。（Tensor是指類似矩陣，在深度學(xué)習(xí)計(jì)算中經(jīng)常相乘的數(shù)字序列。）

事實(shí)上，各大企業(yè)似乎到達(dá)了另一個(gè)拐點(diǎn)。百度首席科學(xué)家吳恩達(dá)表示：“有很多標(biāo)普500公司CEO都后悔沒(méi)能早點(diǎn)時(shí)間啟動(dòng)互聯(lián)網(wǎng)戰(zhàn)略。我敢說(shuō)在5年后，會(huì)有很多標(biāo)普500公司CEO后悔沒(méi)能早點(diǎn)時(shí)間啟動(dòng)人工智能戰(zhàn)略。”

百度首席科學(xué)家吳恩達(dá)

吳恩達(dá)認(rèn)為，以深度學(xué)習(xí)為基礎(chǔ)的人工智能的重要性甚至超過(guò)了互聯(lián)網(wǎng)。“人工智能是新時(shí)代的電力，”他說(shuō)。“100年前，電力改造了所有行業(yè)的面貌，人工智能也必將如此。”

深度學(xué)習(xí)實(shí)質(zhì)上是一個(gè)非常細(xì)分的概念。 “人工智能”是由大量技術(shù) ——包括基于邏輯和規(guī)則的傳統(tǒng)技術(shù)——所構(gòu)成的一個(gè)技術(shù)組合體，在人工智能的輔助下，計(jì)算機(jī)和機(jī)器人能夠以模擬人類思維的方式解決問(wèn)題。作為人工智能的一個(gè)分支概念，機(jī)器學(xué)習(xí)是一個(gè)由高度復(fù)雜但重要的數(shù)學(xué)技術(shù)構(gòu)建的完整工具包，在此工具包的協(xié)助下，計(jì)算機(jī)能夠通過(guò)學(xué)習(xí)經(jīng)驗(yàn)而提高執(zhí)行任務(wù)的質(zhì)量。而深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)下屬的一個(gè)更為細(xì)分的概念。

深度學(xué)習(xí)的作用可以簡(jiǎn)單用 “輸入A，輸出B”來(lái)概括，吳恩達(dá)說(shuō)。“你輸入音頻文件，輸出字幕。這就是語(yǔ)音識(shí)別。”假如用數(shù)據(jù)對(duì)軟件不斷進(jìn)行訓(xùn)練，就會(huì)得出無(wú)窮無(wú)盡的可能結(jié)果，他說(shuō)。“你輸入電子郵件，會(huì)輸出：這是一封垃圾郵件嗎？”輸入貸款應(yīng)用，會(huì)輸出客戶償還貸款的可能性。輸入對(duì)一個(gè)汽車車隊(duì)的使用規(guī)律，則會(huì)輸出把下一輛車派到哪里的建議。

從這個(gè)角度看，深度學(xué)習(xí)擁有改造所有行業(yè)的能力。“計(jì)算機(jī)視覺(jué)技術(shù)繼續(xù)發(fā)展下去就會(huì)引發(fā)極其重大的變革，”谷歌大腦項(xiàng)目主管杰夫·迪恩（Jeff Dean）說(shuō)。他有些神情不安地加了一句：“現(xiàn)在計(jì)算機(jī)已經(jīng)有了眼睛。”

這是不是意味著“奇點(diǎn)”的到來(lái)已經(jīng)迫在眉睫了嗎？ “奇點(diǎn)”是指科學(xué)家設(shè)想的，超級(jí)智能機(jī)器無(wú)需人類介入就能夠自我改造，從而把低能的人類踩在腳下，造成可怕后果的那個(gè)時(shí)刻。

其實(shí)大可不必杞人憂天。盡管神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)于圖像識(shí)別——在這件事上可能比人做得更好，但它卻沒(méi)有獨(dú)立思考的能力。

點(diǎn)燃這場(chǎng)革命的最早火花出現(xiàn)在2009年。那時(shí)，神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)創(chuàng)者、多倫多大學(xué)的杰弗里·辛頓（Geoffrey Hinton）受邀走訪了微軟首席研究員鄧力的實(shí)驗(yàn)室。當(dāng)時(shí)，在辛頓研究成果的啟發(fā)下，鄧力的研究團(tuán)隊(duì)正在實(shí)驗(yàn)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行語(yǔ)音識(shí)別。“實(shí)驗(yàn)結(jié)果讓我們大吃一驚，” 微軟研究院聯(lián)席院長(zhǎng)彼得·李說(shuō)到。“第一個(gè)版本就把準(zhǔn)確率提高了30%。”

彼得·李說(shuō)，2011年，微軟將深度學(xué)習(xí)技術(shù)引入其商業(yè)化語(yǔ)音識(shí)別產(chǎn)品。谷歌于2012年8月啟動(dòng)類似研究項(xiàng)目緊追其后。

真正的轉(zhuǎn)折點(diǎn)發(fā)生在2012年10月。在一場(chǎng)于意大利佛羅倫薩召開(kāi)的研討會(huì)上，斯坦福大學(xué)人工智能實(shí)驗(yàn)室主任、知名年度ImageNet計(jì)算機(jī)視覺(jué)大賽的創(chuàng)辦者李飛飛宣布，辛頓的兩位學(xué)生已經(jīng)發(fā)明了能夠以比最強(qiáng)競(jìng)爭(zhēng)對(duì)手高一倍準(zhǔn)確率識(shí)別物體的軟件。“這是一項(xiàng)偉大的成就，”辛頓回憶說(shuō)，“讓很多曾經(jīng)對(duì)人工智能批評(píng)有加的人轉(zhuǎn)變了看法。”（上年度大賽中，一個(gè)人工智能參賽者的表現(xiàn)超過(guò)了人類。）

盡管解決圖像識(shí)別問(wèn)題只是人工智能時(shí)代的一個(gè)開(kāi)始，但卻引發(fā)了一股人才爭(zhēng)奪戰(zhàn)的熱潮。谷歌把辛頓和他參與大賽的兩個(gè)學(xué)生招至麾下；Facebook招募了曾在1980和1990年代寫(xiě)出大賽獲勝算法的法籍深度學(xué)習(xí)元老燕樂(lè)存（Yann LeCun）；百度則聘請(qǐng)了原斯坦福人工智能實(shí)驗(yàn)室主任吳恩達(dá)，他曾在2010年領(lǐng)導(dǎo)專注于深度學(xué)習(xí)技術(shù)的谷歌大腦項(xiàng)目。

今天，人工智能人才爭(zhēng)奪戰(zhàn)仍在愈演愈烈。微軟的彼得·李說(shuō)，“這一領(lǐng)域的人才爭(zhēng)奪到了瘋狂的地步。”他說(shuō)，頂級(jí)人工智能專家的薪酬“和國(guó)家橄欖球聯(lián)盟球星不相上下。”

現(xiàn)年68歲的杰弗里·辛頓最早是在愛(ài)丁堡大學(xué)研究生院攻讀人工智能相關(guān)學(xué)位時(shí)知道神經(jīng)網(wǎng)絡(luò)這個(gè)概念的。由此，本科在劍橋大學(xué)學(xué)習(xí)實(shí)驗(yàn)心理學(xué)的辛頓對(duì)神經(jīng)網(wǎng)絡(luò)產(chǎn)生了極大興趣。神經(jīng)網(wǎng)絡(luò)是一種模仿大腦神經(jīng)元工作原理的軟件結(jié)構(gòu)。當(dāng)時(shí)，幾乎沒(méi)人對(duì)神經(jīng)網(wǎng)絡(luò)感興趣。“所有人都認(rèn)為這是不可能實(shí)現(xiàn)的，”他回憶說(shuō)。但是辛頓卻沒(méi)有氣餒，而是迎難而上。

神經(jīng)網(wǎng)絡(luò)可以讓計(jì)算機(jī)和兒童一樣通過(guò)經(jīng)驗(yàn)自我學(xué)習(xí)，而不是讓人工編寫(xiě)的程序告訴它怎么做。“當(dāng)時(shí)，大多數(shù)人工智能都是由邏輯驅(qū)動(dòng)的，”他回憶說(shuō)。“但是，邏輯是人類在很大年齡才具備的東西。兩三歲的兒童不按邏輯行事。神經(jīng)網(wǎng)絡(luò)就是智力能夠超越邏輯的一個(gè)范例。”（有趣的是，邏輯曾是辛頓一家長(zhǎng)期以來(lái)一直遵循的法則。他的家族涌現(xiàn)過(guò)大量杰出科學(xué)家，他是19世紀(jì)數(shù)學(xué)家喬治·布爾[George Boole]的曾孫，布爾搜索、布爾邏輯和布爾代數(shù)即以他的名字命名。）

1950和1960年代，神經(jīng)網(wǎng)絡(luò)曾經(jīng)是計(jì)算機(jī)科學(xué)中的一個(gè)時(shí)髦詞匯。1958年，康奈爾大學(xué)研究心理學(xué)家弗蘭克·羅森布拉特（Frank Rosenblatt）參與美國(guó)海軍資助的一項(xiàng)研究計(jì)劃，在布法羅的一家實(shí)驗(yàn)室建成了一個(gè)神經(jīng)網(wǎng)絡(luò)原型，他稱之為“Perceptron”。這個(gè)原型使用一臺(tái)體積占滿整個(gè)房間的穿孔卡片計(jì)算機(jī)。50次實(shí)驗(yàn)后，它學(xué)會(huì)了識(shí)別左側(cè)穿孔和右側(cè)穿孔的卡片。《紐約時(shí)報(bào)》當(dāng)時(shí)刊登了一篇報(bào)道：“海軍近日發(fā)現(xiàn)，一臺(tái)原型電子計(jì)算機(jī)有可能學(xué)會(huì)走路、說(shuō)話、觀察、寫(xiě)作、自我復(fù)制、并意識(shí)到自身的存在。”

Perceptron的軟件只有一層類似于神經(jīng)元的節(jié)點(diǎn)，它的能力十分有限。但是，研究人員認(rèn)為，如果具備多層或深層的神經(jīng)網(wǎng)絡(luò)，它就能做更多事情。

辛頓向我們解釋了神經(jīng)網(wǎng)絡(luò)的基本原理：假設(shè)一個(gè)神經(jīng)網(wǎng)絡(luò)正在解析照片圖像，某些照片上有鳥(niǎo)。“像素?cái)?shù)據(jù)輸入后，第一層神經(jīng)元將會(huì)探測(cè)各個(gè)微小的邊緣: 一側(cè)較暗，另一個(gè)較亮。”第二層神經(jīng)元將分析來(lái)自第一層的數(shù)據(jù)，并學(xué)會(huì)探測(cè)“兩個(gè)側(cè)邊以一定角度交接的邊角，”他說(shuō)。例如，其中一個(gè)神經(jīng)元將會(huì)識(shí)別出鳥(niǎo)喙的角度數(shù)據(jù)。

下一層神經(jīng)元“將會(huì)發(fā)現(xiàn)更為復(fù)雜的特征，例如一個(gè)圓內(nèi)的大量邊線。”一個(gè)神經(jīng)元可能會(huì)識(shí)別出鳥(niǎo)頭。位于更下一層的神經(jīng)元將會(huì)在類似鳥(niǎo)頭的圓附近發(fā)現(xiàn)反復(fù)出現(xiàn)的類似鳥(niǎo)喙的銳角。“這正是鳥(niǎo)頭的明顯標(biāo)志，”辛頓說(shuō)。以下每一層的神經(jīng)元都會(huì)識(shí)別出更為復(fù)雜和抽象的結(jié)構(gòu)，直至最后一層得出被識(shí)別物體是一只“鳥(niǎo)”的結(jié)論。

然而，為了達(dá)到學(xué)習(xí)目的，神經(jīng)網(wǎng)絡(luò)需要做的不只是把信息發(fā)送到每層神經(jīng)元而已。它必須判斷最后一層是否得出了正確結(jié)果。如果結(jié)果錯(cuò)誤，就會(huì)逐層反向發(fā)送信號(hào)，讓每層的神經(jīng)元重新調(diào)整其觸發(fā)規(guī)律，從而改善識(shí)別質(zhì)量。這就是為何稱為“學(xué)習(xí)”的原因。

深度學(xué)習(xí)歷史上的重要時(shí)刻

1958年

康奈爾大學(xué)心理學(xué)家弗蘭克·羅森布拉特推出基于占滿整個(gè)房間的計(jì)算機(jī)的單層神經(jīng)網(wǎng)絡(luò)Perceptron。

1969年

人們對(duì)神經(jīng)網(wǎng)絡(luò)失去興趣，麻省理工學(xué)院人工智能權(quán)威馬文·明斯基與他人共同撰寫(xiě)一本著作，對(duì)神經(jīng)網(wǎng)絡(luò)的現(xiàn)實(shí)性提出質(zhì)疑。

1986年

神經(jīng)網(wǎng)絡(luò)開(kāi)創(chuàng)者杰弗里·辛頓及他人發(fā)現(xiàn)一種訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)糾正錯(cuò)誤的方法，催生了很多類似的研究成果。

1989年

當(dāng)時(shí)就職于貝爾實(shí)驗(yàn)室的法國(guó)科學(xué)家燕樂(lè)存對(duì)神經(jīng)網(wǎng)絡(luò)開(kāi)始進(jìn)行一系列基礎(chǔ)性研究，研究成果成為圖像識(shí)別技術(shù)的基石。

1991年

德國(guó)科學(xué)家賽普·霍希雷特和約根·施密德霍伯研制出具有記憶功能的神經(jīng)網(wǎng)絡(luò)，這一技術(shù)在日后的自然語(yǔ)言處理中展現(xiàn)了優(yōu)勢(shì)。

1997

IBM深藍(lán)采用傳統(tǒng)人工智能技術(shù)擊敗了國(guó)際象棋世界冠軍卡斯帕羅夫。

1990年代中期

其他機(jī)器學(xué)習(xí)技術(shù)快速發(fā)展，神經(jīng)網(wǎng)絡(luò)再次陷入停滯。

2007年

李飛飛創(chuàng)建ImageNet，整理了1400萬(wàn)張帶標(biāo)簽圖片供機(jī)器學(xué)習(xí)研究用途。

2011年

微軟的語(yǔ)音識(shí)別產(chǎn)品采用了神經(jīng)網(wǎng)絡(luò)。

IBM沃森采用傳統(tǒng)人工智能技術(shù)在Jeopardy節(jié)目中打敗兩位冠軍。

2012年6月

谷歌大腦公布“貓實(shí)驗(yàn)”：由1000萬(wàn)張YouTube視頻截圖訓(xùn)練的神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了如何從圖片中找到貓。

2012年8月

微軟的語(yǔ)音識(shí)別產(chǎn)品采用了神經(jīng)網(wǎng)絡(luò)。

2012年10月

辛頓的兩位學(xué)生設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)以幾大優(yōu)勢(shì)奪取了年度ImageNet冠軍。

2013年5月

谷歌使用神經(jīng)網(wǎng)絡(luò)技術(shù)改進(jìn)圖片搜索質(zhì)量。

2014年

谷歌以6億美元收購(gòu)DeepMind，一家將深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合起來(lái)的初創(chuàng)企業(yè)。

2015年12月

微軟團(tuán)隊(duì)利用神經(jīng)網(wǎng)路在ImageNet挑戰(zhàn)賽中戰(zhàn)勝了人類選手。

2016年3月

DeepMind的AlphaGo利用深度學(xué)習(xí)，以4比1的比分擊敗了圍棋世界冠軍李世石九段。

2017年1月

疑是 AlphaGo的Master在網(wǎng)絡(luò)上血洗”世界圍棋界，面對(duì)人類頂尖高手豪取54連勝。

1980年代初，辛頓正在忙著解決多層神經(jīng)元問(wèn)題。當(dāng)時(shí)做同樣工作的還有剛剛在巴黎上研究生院的法國(guó)科學(xué)家燕樂(lè)存。燕樂(lè)存無(wú)意中讀到了辛頓于1983年撰寫(xiě)的一篇討論多層神經(jīng)網(wǎng)絡(luò)的論文。“當(dāng)時(shí)使用的不是這些術(shù)語(yǔ)，” 燕樂(lè)存回憶說(shuō)，“當(dāng)時(shí)你要是用‘神經(jīng)元’或者‘神經(jīng)網(wǎng)絡(luò)’這些詞，論文就很難發(fā)表。所以他當(dāng)時(shí)用了一些含混不清的術(shù)語(yǔ)以求通過(guò)編輯的篩選。但我當(dāng)時(shí)就感覺(jué)這篇論文非常非常有趣。” 兩人在兩年后會(huì)面并一見(jiàn)如故。

1986年，辛頓和兩名同事合作撰寫(xiě)了一篇影響深遠(yuǎn)的論文，為解決糾錯(cuò)問(wèn)題提供了算法。“他的這篇論文實(shí)際上是第二波神經(jīng)網(wǎng)絡(luò)浪潮的奠基石，” 燕樂(lè)存說(shuō)。果然，這篇論文引燃了業(yè)內(nèi)人士的巨大興趣。

攻讀完辛頓的博士后學(xué)位后，燕樂(lè)存于1988年加入美國(guó)電報(bào)電話公司的貝爾實(shí)驗(yàn)室，在以后的10年里，他做了許多基礎(chǔ)性工作，其中某些成功至今仍在圖像處理任務(wù)中得到應(yīng)用。1990年代，當(dāng)時(shí)為貝爾實(shí)驗(yàn)室分支機(jī)構(gòu)的NCR公司推出了一種可以幫助銀行識(shí)別支票上手寫(xiě)數(shù)字的實(shí)用化神經(jīng)網(wǎng)絡(luò)設(shè)備，并大獲成功，燕樂(lè)存表示。與此同時(shí)，兩位德國(guó)科學(xué)家——賽普·霍希雷特（Sepp Hochreiter，目前就職于林茨大學(xué)）和約根·施密德霍伯（Jürgen Schmidhuber，瑞士盧加諾人工智能實(shí)驗(yàn)室副主任）獨(dú)立推出另一種算法。在20年之后的今天，這種算法成為自然語(yǔ)言處理應(yīng)用的基礎(chǔ)。

盡管取得了上述進(jìn)展，但在1990年代中期，神經(jīng)網(wǎng)絡(luò)再一次陷入低谷，取而代之的是更加適合當(dāng)時(shí)計(jì)算能力的其他機(jī)器學(xué)習(xí)技術(shù)。這種情況一直持續(xù)了將近10年，直到后來(lái)計(jì)算能力增大了三四個(gè)數(shù)量級(jí)，且有科學(xué)家發(fā)現(xiàn)了GPU加速現(xiàn)象才出現(xiàn)改觀。

但是另一個(gè)要素仍然不足：數(shù)據(jù)。盡管互聯(lián)網(wǎng)此時(shí)已經(jīng)大行其道，但大多數(shù)數(shù)據(jù) ——尤其是圖像數(shù)據(jù) ——都沒(méi)有備注標(biāo)簽，而數(shù)據(jù)標(biāo)簽是訓(xùn)練神經(jīng)網(wǎng)絡(luò)的必需。此時(shí)，斯坦福人工智能教授李飛飛出現(xiàn)了。“我們的目標(biāo)是，大數(shù)據(jù)將改變機(jī)器學(xué)習(xí)的方式，”她在一次采訪中表示。“數(shù)據(jù)將推動(dòng)學(xué)習(xí)。”