深度學習：像人類一樣成長

深度學習的「軍備競賽」

深度學習，在當前特指源於人工神經網路的機器學習，被認為是實現人工智慧的必由之路。

隨著「谷歌大腦」識別出YouTube視頻中的貓，人工智慧領域再掀高潮，而中國企業又怎甘落後——2013年1月，在百度年會上，創始人兼CEO李彥宏高調宣布要成立百度研究院，其中第一個成立的就是「深度學習研究所」（IDL，Institue of Deep Learning）。百度甚至在次年挖來了吳恩達（Andrew Ng，1976年出生，華裔美國人，斯坦福大學計算機科學系和電子工程系副教授、人工智慧實驗室主任，是全球人工智慧和機器學習領域國際上最權威的學者之一）出任百度首席科學家，由他全權負責研究所的工作。而在另一方面，谷歌、IBM、微軟、Facebook等國外互聯網巨頭，早已在深度學習領域浸淫多時，取得了累累碩果。

2015年3月，李彥宏在兩會上提出「中國大腦」提案，希望將人工智慧上升到國家高度，而深度學習技術正是中國大腦的核心所在。深度學習對於推動人工智慧的發展與突破具有重大意義，各個企業乃至國家均開始重視以深度學習為代表的人工智慧技術，不約而同的展開了深度學習的「軍備競賽」。

什麼是深度學習

學習能力是人類智能的根本特徵，人類通過學習來提高和改進自己的能力。學習的基本機制是設法將一種情況下成功的表現行為轉移到另一類似的新情況中去。1983年西蒙（H. Simon，美國管理學家和社會科學家）對學習定義如下：「能夠讓系統在執行同一任務或同類的另外一個任務時，比前一次執行得更好的任何改變。」學習的關鍵在於對經驗的泛化——不僅是重複處理同一任務，而且是域中相似的任務都要執行得更好。

而機器學習是人工智慧的核心，目前普遍認為機器學習是使計算機具有智能的根本途徑。機器學習方法分為有監督學習與無監督學習，而無監督學習又是實現強人工智慧的關鍵。無監督學習，是讓計算機處理未貼標籤的數據。簡單說就是我們不告訴計算機要去學習什麼和認知什麼，而是讓它自己去學習做一些事情。前面，我們已經描述了單一感知器的原理，它其實上就是一種有監督的機器學習過程。但單一感知器的學習方法有一個主要的缺點:它只能學習線性可分函數。後來，人工智慧技術發展出了多層感知器的神經網路，比如使用最廣泛的反向傳播法（BP網路）。傳統BP網路具有三層感知器，只有一個隱層，這就是所謂的淺層學習。然而，反向傳播法並不是人類大腦的工作模式，人們沒有在哺乳生物大腦中發現BP神經網路的關鍵結構——調節突觸連接強度的逆向連接。但在人工智慧體系中，這種自組裝、非線性的系統為廣泛解決模式識別問題提供了可靠途徑。

後來，人工智慧學家提出了含多隱層的多層感知器，這就是一種深度學習結構。直到2006年，Hinton等人提出了基於深信度網(DBNs)的非監督貪心逐層訓練演算法，並正式提出了深度學習的概念。這是一種無監督學習模型，為解決深層結構相關的優化難題帶來了希望。除此之外，Lecun等人提出了卷積神經網路模型(CNNs)。這也是一種多層結構的學習演算法。在此之後，人工智慧科技，尤其是深度學習技術重獲新生並迅速發展。目前人們一提到人工智慧，深度學習便是繞不開的課題，其影響力之大可見一斑。

傳統機器學習是通過標記數據進行有監督學習，在這種學習模型下，越來越多的數據將會成為負擔，也更容易達到極限或產生錯誤結果。但深度學習是用未經標記的數據進行學習，這更接近人腦的學習方式，可從紛繁複雜的事物中自行抽象出概念。

對於深度學習，以往被視為負擔的超大數據，將演變成一種資源，其輸出結果會隨著數據量增大而更加準確。百度首席科學家吳恩達將人工智慧比喻為待發射的火箭，深度學習技術就是強大的引擎。

但沒有龐大數據作為「燃料」，火箭就不會突破第一宇宙速度，也就無法達到人工智慧的質變。而這一切，又依賴上億的神經網路作支撐，依賴天文數字一般的數據作燃料，而這在以往是不可想像的，但如今我們將有可能將之實現——感謝摩爾定律和互聯網，我們擁有了強大的晶元和大數據技術，這意味著在不久的將來，人工智慧的火箭將要開足馬力，一飛衝天。

深度學習不僅是實現人工智慧的一種途徑，更是感知外界事物、挖掘數據價值、提供決策意見的先進手段。深度學習帶來的巨大影響不僅體現在人工智慧領域，還體現在機器人技術、信息化醫療、社會物理學和能源等領域。

有「可穿戴科技產品之父」之稱的麻省理工學院人體動力學實驗室艾里克斯·本特蘭 （Alex Pentland），其研究的社會物理學就是基於大數據對人類的各種社會行為進行量化分析，判斷相關關係、得出系統結論、提供決策依據。氣候問題往往被認為是「蝴蝶效應」的混沌學代表，而加利福尼亞大學伯克利分校的能源專家丹尼爾·卡門(Daniel Kammen)則試圖基於大數據來解決氣候變遷這個宏大的人類課題。而在將來的某一天，經過深度學習後的機器大腦，或許將會達到我們完全想像不到的命題與結論，這會極大的豐富人類知識、拓展人類眼界。

而在備受矚目的機器人領域，康納爾大學創意機器人實驗室主任胡迪·利普森(Hod Lipson)為我們帶來了基於深度學習技術製造的「元認知（Metacognition）」機器人。他的研究團隊沒有為這種機器人的活動進行編程，而是讓它自己在不斷試錯中感知自己的存在，尋找到合適的行走方式。從這個意義上說，機器人在不斷進化，它從一種簡單的初級形態學習成長為具有較複雜智能的智能個體。而且，這種機器的學習能力是有加速度的，它不會像30歲之後的人那樣智力會停滯和退化。因此，深度學習技術的成熟很可能帶來智能爆炸，它將是智能化浪潮中影響最深遠的「海底地震」。

——本文摘自《智能爆炸：開啟智人新時代》一書

作者：王漢華、劉興亮、張小平

推薦閱讀：