人類對(duì)人工智能寄予厚望，賦予其無盡的遐想，更是許多科幻大片的主題。但人工智能的發(fā)展一直不如人意，直至一種名為深度學(xué)習(xí)的強(qiáng)大技術(shù)橫空出世，這一情況才發(fā)生了根本性轉(zhuǎn)變。

　　人工智能曾步入“寒冬”

　　人工智能的開發(fā)可以追溯到上世紀(jì)五十年代。隨著計(jì)算機(jī)的出現(xiàn)，人工智能有了新的發(fā)展，并在跳棋上戰(zhàn)勝了人類，同時(shí)在數(shù)學(xué)定理證明上展現(xiàn)出強(qiáng)大能力。許多科學(xué)家興奮地認(rèn)為，利用軟硬件形成的人工智能可在任何領(lǐng)域內(nèi)戰(zhàn)勝人類。麻省理工學(xué)院著名科學(xué)家馬文·明斯基則公開宣稱，人工智能只需要一代人的時(shí)間就可以戰(zhàn)勝人類。這一愿望推動(dòng)了一大批科研人員投身到這一研究領(lǐng)域。

　　然而現(xiàn)在看來，這樣的想法還是太過于天真了，人類大腦的復(fù)雜性遠(yuǎn)遠(yuǎn)超出了科學(xué)家的預(yù)想。當(dāng)時(shí)的計(jì)算機(jī)由于算法過于簡單、數(shù)據(jù)不足及速度過慢等原因，相繼在診斷和圖片識(shí)別方面敗北，使人們對(duì)人工智能的憧憬變?yōu)橘|(zhì)疑。到本世紀(jì)初，有關(guān)構(gòu)建仿人類智能機(jī)器的想法幾乎在科學(xué)界銷聲匿跡，甚至連人工智能這一名詞也似乎遠(yuǎn)離了嚴(yán)肅科學(xué)。為此，有人將上世紀(jì)七十年代至本世紀(jì)初這段時(shí)間戲稱為“人工智能的冬天”。

　　腦科學(xué)為人工智能注入活力

　　2005年，深度學(xué)習(xí)技術(shù)開始從腦科學(xué)的發(fā)展中汲取營養(yǎng)，通過模擬神經(jīng)元來逐漸學(xué)習(xí)如何識(shí)別圖像、理解語言，甚至作出自己的決定。該技術(shù)主要基于人工神經(jīng)網(wǎng)絡(luò)和一般的數(shù)學(xué)原理，從實(shí)例中學(xué)習(xí)如何識(shí)別圖像和翻譯語言。深度學(xué)習(xí)技術(shù)使人們恢復(fù)了對(duì)人工智能的憧憬。2012年，谷歌開發(fā)出智能個(gè)人助理Google Now，用自然語言來回答用戶問題，提供建議，并根據(jù)用戶以往的搜索習(xí)慣預(yù)測(cè)其可能需要的信息。此后，谷歌又推出圖片搜索引擎Google Photos。智能手機(jī)助理軟件更是一日千里，成為人們不可或缺的生活工具。谷歌AlphaGo戰(zhàn)勝圍棋頂尖高手李世石的消息更是成為轟動(dòng)世界的頭條新聞。技術(shù)進(jìn)步推動(dòng)深度學(xué)習(xí)技術(shù)迅速商業(yè)化，并成為人工智能發(fā)展的重要推手。為了搶占先機(jī)，各大信息巨頭紛紛砸數(shù)十億美元巨資支持其發(fā)展。

　　多年來，人工智能進(jìn)展緩慢，主要是由于人類是以自己能夠理解的方式，而不是機(jī)器所能理解的方式來認(rèn)識(shí)世界，處理問題，因此，對(duì)人類來說容易的事，對(duì)機(jī)器來說則千難萬難。而深度學(xué)習(xí)最有潛力之處，就是讓機(jī)器自己學(xué)習(xí)，通過自主學(xué)習(xí)教會(huì)自己如何做出正確的決定。然而，讓機(jī)器對(duì)特定情境做出正確決定并非一件輕而易舉的事。人類之所以比較容易做出正確的決定，是因?yàn)橐恍┫嚓P(guān)知識(shí)早已儲(chǔ)存在大腦中，事到臨頭可以直覺的方式瞬間作出反應(yīng)，并可在今后的實(shí)踐中不斷積累經(jīng)驗(yàn)。因此，機(jī)器學(xué)習(xí)的一個(gè)重要方面是為其編碼學(xué)習(xí)算法，讓機(jī)器從分析比較大量實(shí)例中學(xué)習(xí)提高。

　　編碼學(xué)習(xí)算法面臨的另一個(gè)挑戰(zhàn)，是沒有一個(gè)放之四海而皆準(zhǔn)的固定模式可以處理機(jī)器所面對(duì)的各種情境。而人類則不然，人類似乎天生就可以處理各種情境、學(xué)習(xí)各種知識(shí)。因此，人類大腦自然就成為設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)最重要的模型。

　　技術(shù)進(jìn)步助推深度學(xué)習(xí)發(fā)展

　　人類大腦通過神經(jīng)元來進(jìn)行計(jì)算，每個(gè)神經(jīng)元通過突觸傳遞信號(hào)。神經(jīng)元在學(xué)習(xí)過程中可以加強(qiáng)突觸的強(qiáng)度，并向臨近的神經(jīng)元傳遞信息。因此，早期深度學(xué)習(xí)技術(shù)也從構(gòu)建虛擬神經(jīng)元來形成人工神經(jīng)網(wǎng)絡(luò)，并通過增強(qiáng)連接神經(jīng)元間的突觸優(yōu)勢(shì)來實(shí)現(xiàn)機(jī)器學(xué)習(xí)?，F(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)用不斷改變每個(gè)突觸連接的數(shù)值來表示該連接強(qiáng)度。雖然每次學(xué)習(xí)其數(shù)值改變很小，但已可以使人工神經(jīng)網(wǎng)絡(luò)提高預(yù)測(cè)的準(zhǔn)確性。

　　為了取得最佳效果，目前的學(xué)習(xí)算法還需要人類的參與，稱之為監(jiān)督學(xué)習(xí)。如通過為機(jī)器提供日落的圖片來作為輸入，這樣“日落”一詞經(jīng)過人工智能才能輸出。每次提供不同的日落圖片，不斷改變?nèi)斯ど窠?jīng)網(wǎng)絡(luò)突觸連接的數(shù)值和強(qiáng)度，以此來完成學(xué)習(xí)任務(wù)。這一學(xué)習(xí)過程的關(guān)鍵是不讓機(jī)器單純地死記硬背，而是遇到新的日落圖片時(shí)，同樣可以產(chǎn)生有關(guān)日落的輸出。雖然這一任務(wù)表面上看很簡單，但由于即便是日落這一簡單的情境，其圖片也會(huì)產(chǎn)生無窮的變化，因此要求學(xué)習(xí)算法在類似的輸入下，會(huì)產(chǎn)生類似的輸出，尤其不能出現(xiàn)指鹿為馬的情況。

　　有一種處理圖像識(shí)別問題的神經(jīng)網(wǎng)絡(luò)稱之為卷積神經(jīng)網(wǎng)絡(luò)，是人工智能的關(guān)鍵技術(shù)，其有多層神經(jīng)元，對(duì)圖像中重要內(nèi)容的些微變化不敏感。卷積神經(jīng)網(wǎng)絡(luò)在深度學(xué)習(xí)中獲得了較為廣泛的應(yīng)用，其靈感主要來自人類視覺皮層的多層結(jié)構(gòu)。

　　此外，深度學(xué)習(xí)在近年來能夠取得成功得益于兩個(gè)關(guān)鍵因素：一是計(jì)算機(jī)運(yùn)算速度提高了近十倍，尤其是圖形處理能力大幅提高；二是深度學(xué)習(xí)可順序計(jì)算的能力，能對(duì)圖像、聲音或數(shù)據(jù)一步一步地進(jìn)行分析或構(gòu)造。而對(duì)聲音和圖像進(jìn)行識(shí)別需要多層網(wǎng)絡(luò)結(jié)構(gòu)。

　　人工神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上主要表現(xiàn)為對(duì)靜態(tài)圖像的識(shí)別能力。目前又出現(xiàn)了一種新型神經(jīng)網(wǎng)絡(luò)，稱之為回歸神經(jīng)網(wǎng)絡(luò)，可對(duì)隨時(shí)間展開的事件進(jìn)行標(biāo)記?；貧w神經(jīng)網(wǎng)絡(luò)與人類大腦的處理方式有很多相似之處，它可以預(yù)測(cè)一個(gè)句子將出現(xiàn)什么單詞，并在閱讀句子后，對(duì)其意思進(jìn)行猜測(cè)，今后可應(yīng)用于語義加工和語言翻譯。

　　人工智能技術(shù)走過了寒冬，迎來了發(fā)展的春天，這不僅僅是技術(shù)的進(jìn)步，還對(duì)我們今后應(yīng)如何支持科學(xué)技術(shù)的發(fā)展有著更為深刻的意義。當(dāng)某項(xiàng)技術(shù)的發(fā)展遇到暫時(shí)挫折，我們?cè)撊绾胃玫貞?yīng)對(duì)挑戰(zhàn)，堅(jiān)持多樣化發(fā)展策略，有效幫助其走出困境，這對(duì)整個(gè)科技發(fā)展都有重要的啟示作用。（記者 何 屹）