tech2ipo

編者按：我們和電腦之間的交流正在發(fā)生著轉(zhuǎn)變，而深度學(xué)習(xí)也已經(jīng)潤(rùn)物細(xì)無(wú)聲地進(jìn)入我們的生活，甚至在你意識(shí)到這一點(diǎn)之前，世界已經(jīng)截然不同。

本文首發(fā)于 fortune，分上下篇，由老呂IO、江小片及何忞聯(lián)合編譯，未經(jīng)雷鋒網(wǎng)允許不得轉(zhuǎn)載。

什么是人工智能？ 

• 人工智能

人工智能是一個(gè)廣義概念，它可以應(yīng)用到任何一種可以使計(jì)算機(jī)模擬人類(lèi)智慧、使用邏輯算法、決策樹(shù)、機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）的技術(shù)中。

• 機(jī)器學(xué)習(xí)

它是人工智能的一個(gè)分支，包括能使機(jī)器根據(jù)經(jīng)驗(yàn)完成任務(wù)的深度統(tǒng)計(jì)技術(shù)，機(jī)器學(xué)習(xí)包括了深度學(xué)習(xí)。

• 深度學(xué)習(xí)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，它包括允許軟件自行完成任務(wù)的算法，例如語(yǔ)音和圖像識(shí)別，通過(guò)多層神經(jīng)網(wǎng)絡(luò)系統(tǒng)傳輸給大數(shù)據(jù)。

深度學(xué)習(xí)可以改變?nèi)魏我环N工業(yè)，谷歌大腦項(xiàng)目的領(lǐng)導(dǎo)者 Jeff Dean 說(shuō)：“計(jì)算機(jī)視覺(jué)一旦開(kāi)始使用就會(huì)產(chǎn)生許多基本變化?！彪S后他又糾正說(shuō)：“現(xiàn)在計(jì)算機(jī)已經(jīng)打開(kāi)了人們的新世界?！?/p>

曾經(jīng)有一個(gè)假設(shè)是這樣說(shuō)的：當(dāng)超級(jí)智能機(jī)器不需要人類(lèi)的參與就可以完成許多事情的時(shí)候，那些低能的人類(lèi)就要面臨被淘汰的危險(xiǎn)。難道現(xiàn)在是要證明這個(gè)假設(shè)了嗎？

或許并不是。神經(jīng)網(wǎng)絡(luò)系統(tǒng)甚至比人類(lèi)更善于模式識(shí)別，但是它們并不能推理。

2009 年發(fā)生了第一次變革。那年夏天微軟的Lee邀請(qǐng)多倫多大學(xué)的神經(jīng)網(wǎng)絡(luò)大師 Geoffrey Hinton 來(lái)參觀。根據(jù)他的研究，Lee 的團(tuán)隊(duì)研究了神經(jīng)網(wǎng)絡(luò)對(duì)于語(yǔ)音識(shí)別的應(yīng)用。Lee 說(shuō)：“對(duì)于結(jié)果我們很震驚，用第一個(gè)原型準(zhǔn)確度提高了 30% 以上?！?/p>

2011 年，根據(jù) Lee 的研究，微軟將深度學(xué)習(xí)技術(shù)應(yīng)用到了它的商業(yè)語(yǔ)音識(shí)別產(chǎn)品中。隨后在2012年8月谷歌也應(yīng)用了這項(xiàng)技術(shù)。

但是真正的轉(zhuǎn)折點(diǎn)是在 2012 年 10 月，在意大利佛羅倫薩的一間工作室，斯坦福人工智能實(shí)驗(yàn)室的領(lǐng)導(dǎo)人、著名的年度 ImageNet 計(jì)算機(jī)視覺(jué)大賽創(chuàng)辦人李飛飛宣布，兩位 Hinton 的學(xué)生發(fā)明的軟件能以比競(jìng)爭(zhēng)者高達(dá)兩倍的準(zhǔn)確度識(shí)別物體。Hinton 說(shuō)：“這是個(gè)引人注目的結(jié)果，這個(gè)結(jié)果說(shuō)服了很多之前對(duì)此表示懷疑的人?！保ㄔ谌ツ甑囊粓?chǎng)深度學(xué)習(xí)超越人類(lèi)的爭(zhēng)論中。）

圖像識(shí)別像是一個(gè)發(fā)令槍?zhuān)l(fā)了一場(chǎng)新的聘用比賽。谷歌聘用 Hinton 和贏得比賽的那兩名學(xué)生，F(xiàn)acebook 簽約法國(guó)深度學(xué)習(xí)創(chuàng)新者 Yann LeCun，他是在二十世紀(jì)八十年代和九十年代都贏得了 ImageNet 比賽的算法先驅(qū)。而百度則聘用 Ng，他是斯坦福人工智能實(shí)驗(yàn)室的前領(lǐng)導(dǎo)人，他在 2010 年也領(lǐng)導(dǎo)了谷歌大腦計(jì)劃的深度學(xué)習(xí)項(xiàng)目。

從那時(shí)起的挖人風(fēng)波愈演愈烈，如今，微軟的 Lee 說(shuō)：“在這塊領(lǐng)域里一場(chǎng)血腥的人才相爭(zhēng)之戰(zhàn)正在上演，頂級(jí)的頭腦需求就像美國(guó)橄欖球聯(lián)盟足球員那么多?！?/p>

68 歲的 Geoffrey Hinton 第一次聽(tīng)說(shuō)神經(jīng)網(wǎng)絡(luò)是在1972年，那時(shí)他剛在愛(ài)丁堡大學(xué)開(kāi)始他的人工智能畢業(yè)設(shè)計(jì)。本科在劍橋的時(shí)候已經(jīng)學(xué)習(xí)了實(shí)驗(yàn)心理學(xué)，他對(duì)神經(jīng)網(wǎng)絡(luò)算法十分感興趣，神經(jīng)網(wǎng)絡(luò)是軟件構(gòu)造基礎(chǔ)，這種靈感來(lái)自于大腦中神經(jīng)元的工作模式。那個(gè)時(shí)候神經(jīng)網(wǎng)絡(luò)沒(méi)有那么受歡迎，大家都認(rèn)為他們瘋了，但是 Hinton 堅(jiān)持干著。

神經(jīng)網(wǎng)絡(luò)展現(xiàn)了計(jì)算機(jī)學(xué)習(xí)的前景：像孩子學(xué)習(xí)那樣從經(jīng)驗(yàn)獲得，而不是通過(guò)人類(lèi)設(shè)計(jì)的程序發(fā)出的蹩腳的指令。他回憶說(shuō)：“大多數(shù)人工智能從那時(shí)起都是由邏輯啟發(fā)，但是有的人很晚才意識(shí)到邏輯這回事。兩三歲的孩子沒(méi)有邏輯，所以對(duì)于智能，神經(jīng)網(wǎng)絡(luò)似乎比邏輯能更好的應(yīng)用?！保ㄟ壿嬍?Hinton 的一個(gè)家庭交易，他出身科學(xué)世家，他是19世紀(jì)數(shù)學(xué)家 George Boole 的玄孫，在 Boolean 研究之后，邏輯和算法得以命名。）

在 20 世紀(jì) 50 年代和 60 年代期間，神經(jīng)萬(wàn)羅在計(jì)算機(jī)科學(xué)家中很盛行，在 1958 年，康奈爾大學(xué)研究心理學(xué)家Frank Rosenblatt在布法羅的實(shí)驗(yàn)室，在一個(gè)海軍項(xiàng)目中，以神經(jīng)網(wǎng)絡(luò)構(gòu)建了一個(gè)原型，他稱(chēng)之為Perceptron。他利用了一臺(tái)充滿整間屋子的穿孔卡片電腦，試驗(yàn) 50 次以后它可以辨別左右兩邊的卡片，《紐約時(shí)報(bào)》報(bào)道：海軍認(rèn)為現(xiàn)如今的電子計(jì)算機(jī)的雛形將來(lái)會(huì)聽(tīng)說(shuō)讀寫(xiě)、行走、繁殖、有存在意識(shí)。

Perceptron的軟件由于限制，只有一層神經(jīng)元，但是研究者認(rèn)為將來(lái)會(huì)有多層或深層神經(jīng)元網(wǎng)絡(luò)。

Hinton 解釋了這個(gè)理論。假設(shè)神經(jīng)元網(wǎng)絡(luò)在繪制攝影圖像，比如說(shuō)畫(huà)一只鳥(niǎo)。“輸入指令‘像素’然后第一層單元就會(huì)檢測(cè)邊緣，一邊暗，另一邊亮，第二層神經(jīng)元會(huì)根據(jù)第一層的數(shù)據(jù)進(jìn)行分析?！崩纾骋粋€(gè)神經(jīng)元會(huì)直接描繪鳥(niǎo)嘴的角度。

下一層會(huì)進(jìn)行更復(fù)雜的立體基陣，比如許多邊排列成一個(gè)圈。這時(shí)神經(jīng)元可能對(duì)應(yīng)出鳥(niǎo)的頭部。更高級(jí)的神經(jīng)元會(huì)檢測(cè)在鳥(niǎo)頭部附近的圓圈里反復(fù)出現(xiàn)并列的像鳥(niǎo)嘴的角度。它會(huì)檢驗(yàn)?zāi)鞘遣皇区B(niǎo)頭。Hinton說(shuō)道，更高級(jí)的神經(jīng)元層會(huì)對(duì)應(yīng)出更復(fù)雜的形態(tài)，直到繪制出我們所定義的“鳥(niǎo)”的形狀。

然而，僅僅通過(guò)神經(jīng)元層給出信息是不夠的，我們需要知道最高層神經(jīng)元是否得到了正確結(jié)果，如果沒(méi)有的話，需要撤回信息確保低級(jí)神經(jīng)元能夠重新整合優(yōu)化結(jié)構(gòu)。于是深層學(xué)習(xí)就出現(xiàn)了。

在 20 世紀(jì)80年代初期，Hinton在研究這個(gè)問(wèn)題，法國(guó)的一位叫Yann LeCun 也在做相同的研究，他剛開(kāi)始在巴黎進(jìn)行他的畢業(yè)設(shè)計(jì)。LeCun 對(duì) Hinton 1983 年的一篇闡述了多層神經(jīng)元的文章產(chǎn)生質(zhì)疑?！霸谀莻€(gè)時(shí)候，這篇文章沒(méi)有很好地進(jìn)行表述，因?yàn)樵谀莻€(gè)時(shí)期，你提到‘神經(jīng)’和‘神經(jīng)元’這樣的詞是很難發(fā)表文章的?！彼貞浀?，“于是他就以模糊不清的方式寫(xiě)了文章，審稿人才通過(guò)這篇文章，但是我對(duì)這篇文章很感興趣?！倍嗽趦赡旰笙嘁?jiàn)，并就此展開(kāi)研究。

1986 年，Hinton 和他的兩位同事就利用算法解決錯(cuò)誤相關(guān)問(wèn)題發(fā)表了學(xué)術(shù)文章?！斑@篇文章是神經(jīng)元第二次風(fēng)波的基礎(chǔ)。” LeCun 說(shuō)，這再次燃起了他對(duì)此領(lǐng)域的興趣。

跟隨 Hinton 完成博士后工作以后，LeCun 在 1988 年去了美國(guó)電話電報(bào)公司的貝爾實(shí)驗(yàn)室，在這個(gè)地方，他完成了接下來(lái)十年的基礎(chǔ)工作研究，這些研究至今仍在圖像識(shí)別領(lǐng)域被沿用。 20 世紀(jì) 90 年代，根據(jù) LeCun 的研究，貝爾實(shí)驗(yàn)室的子公司 NCR 生產(chǎn)了一種神經(jīng)元支持的產(chǎn)品，這種產(chǎn)品廣泛用于銀行，它可以讀取支票上的手寫(xiě)數(shù)字。同時(shí)，兩名德國(guó)研究員也獨(dú)立研究了不同類(lèi)型的算法，20 年后的今天，這種算法在自然語(yǔ)言處理應(yīng)用程序中十分重要。

然而在 20 世紀(jì) 90 年代中期，神經(jīng)元算法再次衰落，被一種計(jì)算機(jī)時(shí)代更有效的機(jī)器學(xué)習(xí)工具所替代，這種狀況持續(xù)了十年左右，直到計(jì)算能力增加了三到四個(gè)數(shù)量級(jí)，這時(shí)研究者發(fā)明了圖形處理器加速器。

但是數(shù)據(jù)仍然在丟失，盡管互聯(lián)網(wǎng)里充滿了數(shù)據(jù)，但是大多數(shù)數(shù)據(jù)都沒(méi)有被示蹤，尤其是圖像里的數(shù)據(jù)，于是就需要訓(xùn)練神經(jīng)元。這也正是斯坦福人工智能教授李飛飛所研究的，“我們的視覺(jué)來(lái)源于大數(shù)據(jù)改變機(jī)器學(xué)習(xí)的工作模式，數(shù)據(jù)驅(qū)機(jī)器學(xué)習(xí)?！彼谝淮尾稍L中解釋。

2007 年，她啟動(dòng)了 ImageNet 項(xiàng)目，在免費(fèi)網(wǎng)站上收集了超過(guò)一千四百萬(wàn)被示蹤的圖像。2009 年和 2010 年，她都舉辦了年度激勵(lì)競(jìng)賽，并且發(fā)表了在計(jì)算機(jī)視覺(jué)上取得的研究突破。

2012 年 10 月，兩個(gè) Hinton 的學(xué)生贏得了這個(gè)比賽，我們也因此清楚地看到了深度學(xué)習(xí)目前能夠到達(dá)的程度。

在此之前，大眾已經(jīng)因?yàn)榱硪粋€(gè)事件了解了深度學(xué)習(xí)。2012 年 6 月，Google Brain 發(fā)布了一個(gè)創(chuàng)意項(xiàng)目的結(jié)果，現(xiàn)在這個(gè)項(xiàng)目已經(jīng)廣為人知，叫做“貓的實(shí)驗(yàn)（cat experiment）”。這個(gè)實(shí)驗(yàn)引起了極大的共鳴，并在社交網(wǎng)絡(luò)上迅速走紅。

這個(gè)項(xiàng)目真正探索了深度學(xué)習(xí)領(lǐng)域中一個(gè)尚未解決的重要問(wèn)題——“無(wú)監(jiān)督學(xué)習(xí)”。目前幾乎所有商業(yè)使用的深度學(xué)習(xí)產(chǎn)品都是“監(jiān)督式學(xué)習(xí)”，就是使用標(biāo)記的數(shù)據(jù)（如從 ImageNet  收集的圖像）來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。而“無(wú)監(jiān)督學(xué)習(xí)”恰恰相反，是給神經(jīng)網(wǎng)絡(luò)展示未標(biāo)記數(shù)據(jù)，命令其從中尋找反復(fù)出現(xiàn)的式樣。研究者們希望今后能掌握無(wú)監(jiān)督學(xué)習(xí)的方法，因?yàn)檫@樣機(jī)器就可以從目前還無(wú)法使用的龐大的數(shù)據(jù)集中進(jìn)行自我學(xué)習(xí)和了解世界，就像人類(lèi)嬰兒一樣，機(jī)器可以完全通過(guò)自身來(lái)對(duì)世界進(jìn)行感知。

在貓的實(shí)驗(yàn)中，研究者給一個(gè)超大神經(jīng)網(wǎng)絡(luò)（1000 臺(tái)計(jì)算機(jī)）展示了從 YouTube 視頻上隨機(jī)截取的一千萬(wàn)個(gè)未標(biāo)記圖像，讓計(jì)算機(jī)軟件自行運(yùn)作。當(dāng)“雜質(zhì)”清除干凈后，研究員檢查最高層級(jí)的神經(jīng)元，自然就能發(fā)現(xiàn)其中一個(gè)神經(jīng)元有力地反饋出貓的圖像。Google Brain 的項(xiàng)目負(fù)責(zé)人 Ng 說(shuō)：“我們還發(fā)現(xiàn)一個(gè)神經(jīng)元明顯地反快出人類(lèi)的面部圖像。”然而，結(jié)果也令人疑惑?！氨热?，我們沒(méi)有發(fā)現(xiàn)任何一個(gè)明顯反映汽車(chē)圖像的神經(jīng)元。還有很多神經(jīng)元反映的事物我們無(wú)法辨別。所以這項(xiàng)工程還很艱難?！?/p>

這個(gè)實(shí)驗(yàn)引起了轟動(dòng)，但是無(wú)監(jiān)督學(xué)習(xí)仍然未被完全破解，這是留給未來(lái)的一項(xiàng)挑戰(zhàn)。

可以想到的是，目前大多數(shù)商業(yè)使用的深度學(xué)習(xí)應(yīng)用都屬于那些擁有龐大的可供深度學(xué)習(xí)運(yùn)算數(shù)據(jù)的公司，比如谷歌、微軟、Facebook、百度和亞馬遜。很多公司正在發(fā)展更加真實(shí)和有用的聊天機(jī)器人來(lái)作為自動(dòng)化的客服代表。

四大技術(shù)巨頭對(duì)深度學(xué)習(xí)技術(shù)的重視

· 谷歌

谷歌在2011年設(shè)立了專(zhuān)注深度學(xué)習(xí)領(lǐng)域的 Google Brain 項(xiàng)目。2012年中期，谷歌將神經(jīng)網(wǎng)絡(luò)引進(jìn)其語(yǔ)音識(shí)別產(chǎn)品中。2013年3月，谷歌保留了神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)者 Geoffrey Hinton。如今谷歌正在研發(fā)過(guò)程中的深度學(xué)習(xí)項(xiàng)目已經(jīng)超過(guò)1000種，涵蓋了搜索、安卓、Gmail、照片、地圖、翻譯、YouTube和自動(dòng)駕駛汽車(chē)等眾多領(lǐng)域。2014年 ，谷歌收購(gòu)了 DeepMind，其深度強(qiáng)化學(xué)習(xí)項(xiàng)目 AlphaGo 在三月份打敗了世界冠軍李世石，成為了人工智能發(fā)展的里程碑。

· 微軟

2011年上半年，微軟在其 Bing 聲音搜索和 X-Box 語(yǔ)音指令等商業(yè)語(yǔ)音識(shí)別產(chǎn)品中使用了深度學(xué)習(xí)技術(shù)。目前，微軟在搜索排行、照片搜索、翻譯系統(tǒng)等很多領(lǐng)域中使用了神經(jīng)網(wǎng)絡(luò)技術(shù)。Lee 說(shuō)道：“其實(shí)廣泛傳遞它已有的影響是很難的。”去年，微軟贏得了關(guān)鍵圖像識(shí)別競(jìng)賽的勝利，九月份，微軟又取得了一個(gè)紀(jì)念碑式的記錄：在語(yǔ)音識(shí)別中達(dá)到最低錯(cuò)誤率6.3%。

· Facebook

2013年10月，F(xiàn)acebook 聘請(qǐng)了法國(guó)神經(jīng)網(wǎng)絡(luò)創(chuàng)新專(zhuān)家 Yann LeCun 來(lái)指導(dǎo)公司新的人工智能研究實(shí)驗(yàn)室。 Facebook 每天利用神經(jīng)網(wǎng)絡(luò)來(lái)翻譯超過(guò) 40 種語(yǔ)言的大約 2 千萬(wàn)的用戶帖子，同時(shí)，每天有8億用戶在閱讀這些翻譯的帖子（幾乎有一半的用戶不使用英語(yǔ)）。 Facebook 還將神經(jīng)網(wǎng)絡(luò)應(yīng)用于照片搜索和整理中。目前，公司正在研究一項(xiàng)應(yīng)用于視力障礙人群的功能：為沒(méi)有標(biāo)簽的照片產(chǎn)生語(yǔ)音標(biāo)記。

· 百度

2014 年 5 月，百度聘請(qǐng)前谷歌 Google Brain 項(xiàng)目創(chuàng)建者之一的 Andrew Ng 來(lái)領(lǐng)導(dǎo)它的研究實(shí)驗(yàn)室。作為中國(guó)領(lǐng)先的搜索引擎和網(wǎng)頁(yè)服務(wù)網(wǎng)站，百度也在其語(yǔ)音識(shí)別、翻譯、照片查詢、自駕駛汽車(chē)等等領(lǐng)域中使用神經(jīng)網(wǎng)絡(luò)技術(shù)。在中國(guó)這樣一個(gè)倡導(dǎo)“移動(dòng)先行”戰(zhàn)略而其主要語(yǔ)言漢語(yǔ)又較難輸入進(jìn)電子設(shè)備的社會(huì)中，語(yǔ)音識(shí)別是發(fā)展的關(guān)鍵所在。百度談到，在過(guò)去的18個(gè)月里，使用語(yǔ)音接口的用戶數(shù)量翻了三番。

像 IBM 和微軟這樣的企業(yè)也正在幫助企業(yè)客戶在企業(yè)運(yùn)營(yíng)時(shí)中適應(yīng)深度學(xué)習(xí)類(lèi)應(yīng)用（如語(yǔ)音識(shí)別界面和翻譯服務(wù)）。而像亞馬遜網(wǎng)頁(yè)服務(wù)這樣的云服務(wù)商則為想要發(fā)展自己軟件的客戶提供便宜的 GPU 驅(qū)動(dòng)的深度學(xué)習(xí)運(yùn)算服務(wù)。大量的開(kāi)源軟件（如 Caffe、谷歌 TensorFLOW、亞馬遜 DSSTNE）本著開(kāi)源的原則，已經(jīng)加速了它們的創(chuàng)新過(guò)程，從而使更多的研究者可以不經(jīng)過(guò)漫長(zhǎng)的同行審閱同意就能立即發(fā)表他們的研究結(jié)果。

很多非常激動(dòng)人心的深度學(xué)習(xí)應(yīng)用都在醫(yī)學(xué)領(lǐng)域。我們已經(jīng)了解到，神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別方面貢獻(xiàn)非凡。安德森·霍洛維茨基金（Andreessen Horowitz）基金的生物投資單元負(fù)責(zé)人，斯坦副教授 Vijay Pande 觀察到：“放射科、皮膚科、眼科等很多科室的醫(yī)生所做的大部分事情其實(shí)就是圖像識(shí)別工作?！?/p>

· 深度學(xué)習(xí)與醫(yī)學(xué)

初創(chuàng)公司 Enlitic 利用深度學(xué)習(xí)來(lái)分析CT和MRI等醫(yī)學(xué)影像檢查。公司總裁 Igor Barani 此前是加州大學(xué)舊金山分校的射線腫瘤學(xué)教授，他說(shuō)道，Enlitic 在判斷肺部結(jié)節(jié)是惡性還是良性方面比四個(gè)放射學(xué)專(zhuān)家做的還要出色。（這項(xiàng)工作還未得到同行審閱，該技術(shù)還未得到 FDA 的認(rèn)可。）

默克制藥公司（Merck）正在嘗試使用深度學(xué)習(xí)來(lái)加速藥物的發(fā)現(xiàn)，它在舊金山新創(chuàng)建了一個(gè)制藥公司，名叫 Atomwise。在這里，神經(jīng)網(wǎng)絡(luò)可以檢驗(yàn)出一個(gè)由數(shù)千分子構(gòu)成的藥物的3D圖像，從而預(yù)測(cè)該藥物是否適合抑制病原體的致病機(jī)制。很多這樣的公司正在使用神經(jīng)網(wǎng)絡(luò)來(lái)試圖改進(jìn)人類(lèi)已有的成果，還有一些公司則試圖做人類(lèi)還無(wú)法實(shí)現(xiàn)的工作。

27歲的計(jì)算生物學(xué)博士 Gabriel Otte 創(chuàng)建了他的公司 Freenome。該公司的目標(biāo)是從血樣中檢測(cè)出癌癥，他們可以檢測(cè)出血液中細(xì)胞死亡時(shí)釋放出的 DNA 片段。通過(guò)深度學(xué)習(xí)，他命令計(jì)算機(jī)尋找無(wú)細(xì)胞DNA和一些癌癥之間的相關(guān)性。Otte 說(shuō)道：“我們將看到還未被癌癥學(xué)家發(fā)現(xiàn)的新的癌癥特征?！?/p>

安德森·霍洛維茨基金考慮對(duì) Freenome 增加投資時(shí)，負(fù)責(zé)人 Pande 給Otte 五個(gè)盲選樣本，其中兩個(gè)正常，三個(gè)為癌癥樣本，Otte 的判斷全部正確，最終Pande決定對(duì)其進(jìn)行投資。

一個(gè)放射學(xué)專(zhuān)家一生也許能看到幾千張醫(yī)學(xué)影像，但是一臺(tái)計(jì)算機(jī)可以觀察數(shù)百萬(wàn)張影像。所以 Pande 說(shuō)：“也許圖像問(wèn)題交由計(jì)算機(jī)來(lái)解決更好的想法其實(shí)并不夸張。因?yàn)橛?jì)算機(jī)可以處理完一個(gè)人一輩子也無(wú)法完成的龐大數(shù)據(jù)?！?/p>

技術(shù)的潛在優(yōu)勢(shì)不僅僅在于更好的精確性和更快的分析速度，還有自治化的服務(wù)。當(dāng)技術(shù)變得越來(lái)越標(biāo)準(zhǔn)，每個(gè)病人最終都可以受益于此。

我們感受到的深度學(xué)習(xí)最深刻的影響恐怕是當(dāng)它以我們從未想過(guò)的方式被嵌入到其他人工智能的工具箱中進(jìn)行使用的時(shí)候。比如谷歌的 DeepMind 已經(jīng)完成了驚人的工作：將深度學(xué)習(xí)和一個(gè)名叫增強(qiáng)學(xué)習(xí)的相關(guān)技術(shù)相結(jié)合，他們用著這兩項(xiàng)技術(shù)創(chuàng)造出 AlphaGo，去年三月，它打敗了圍棋世界冠軍，這被公眾視為人工智能技術(shù)的一個(gè)里程碑。不同于在1997年打敗了國(guó)際象棋冠軍 Garry Kasparov 的IBM 深藍(lán)（Deep Blue），AlphaGo 在編程中，并未使用決策樹(shù)方法，或是評(píng)價(jià)所在位置的方程方法，或是 if-then 規(guī)則。DeepMind 的總裁 Demise Hassabis說(shuō)：“AlphaGo是通過(guò)自我博弈和觀察大型專(zhuān)業(yè)比賽來(lái)學(xué)習(xí)如何下圍棋的?！保ㄔ谟?xùn)練中，AlphaGo 自我對(duì)戰(zhàn)次數(shù)高達(dá)百萬(wàn)次）

一個(gè)游戲也許更像是一種人為設(shè)定，但是 Hassabis 認(rèn)為，相同的技術(shù)可以應(yīng)用在真實(shí)世界的問(wèn)題中。今年 7 月，谷歌的報(bào)告顯示，使用與 AlphaGo 相似的技方法，DeepMind 可以將谷歌數(shù)據(jù)中心的能耗效率提高 15%。Hassabis 說(shuō)：“數(shù)據(jù)中心中大約有 120 個(gè)不同的變量，你可以調(diào)節(jié)風(fēng)扇、打開(kāi)窗戶、關(guān)閉計(jì)算機(jī)系統(tǒng)電源來(lái)減少電力消耗。你可以從傳感器、溫度計(jì)等等中獲取數(shù)據(jù)。這很像圍棋游戲，通過(guò)反復(fù)試驗(yàn)和試錯(cuò)，你將學(xué)習(xí)到怎樣做是對(duì)的。這個(gè)方法非常棒，每年可以節(jié)約幾千萬(wàn)美元，同時(shí)也保護(hù)了環(huán)境。因?yàn)槿澜绲臄?shù)據(jù)中心消耗了很多能源，我們希望在更大范圍使用這個(gè)技術(shù)，甚至推廣到國(guó)家電網(wǎng)系統(tǒng)中?！?/p>

聊天機(jī)器人都是非常不錯(cuò)的，但是它將變得更加酷炫。

推薦閱讀：

漲姿勢(shì)！如何評(píng)價(jià)Google神經(jīng)機(jī)器翻譯（GNMT）系統(tǒng)？

AI 界歷史性時(shí)刻：美國(guó)五大科技巨頭聯(lián)合成立“AI 伙伴關(guān)系”組織

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。