1、Andrew Ng和深度學(xué)習(xí)

對于Andrew Ng，大家最熟悉的事件可能是他在谷歌期間借助深度學(xué)習(xí)讓機器通過對數(shù)百萬份 YouTube 視頻的學(xué)習(xí)自行掌握了“貓”的概念，這成為世界深度學(xué)習(xí)領(lǐng)域廣為人知的成功案例之一，也成為對谷歌人工神經(jīng)網(wǎng)絡(luò)“DistBelief”的一次有力驗證。

80 年代初期，當(dāng)時的人工智能研究都在試圖尋找捷徑，希望可以繞過人腦神經(jīng)網(wǎng)絡(luò)來直接模擬出行為，而不是試圖通過模仿大腦運作來實現(xiàn)。但有兩位技術(shù)牛人一直堅持研究模擬神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)，最終他們的算法得到了全球人工智能界和科技公司的關(guān)注和重視，他們就是深度學(xué)習(xí)的領(lǐng)軍人物、后來分別被谷歌和Facebook招致麾下的Hinton 和 LeCun。Andrew Ng在大學(xué)時期曾經(jīng)一度放棄了人工智能的研究，直到后來被Jeff Hawkins（Palm創(chuàng)始人，《人工智能的未來》作者）的HTM算法（意思是人類智能來源于這個單一算法）所影響，重新開始了對人工智能的研究，而他的研究方向一直是深度學(xué)習(xí)。

如今，已經(jīng)轉(zhuǎn)投百度的Andrew Ng在不久前的百度世界大會上再次強調(diào)了深度學(xué)習(xí)對人工智能的重要意義。從目前看來，深度學(xué)習(xí)是實現(xiàn)人工智能最有效、也是取得成效最大的實施方法。Andrew Ng在演講中提到目前百度大腦的新算法就是屬于深度學(xué)習(xí)，他雖然沒有具體指明該算法的領(lǐng)先程度，但卻強調(diào)了其在處理數(shù)據(jù)方面比傳統(tǒng)人工智能算法存在的優(yōu)越性，并可以使人工智能實現(xiàn)一種正循環(huán)。

2、奇點臨近——人工智能的正循環(huán)

人工智能的正循環(huán)是Andrew Ng演講中的核心要點，在擁有深度學(xué)習(xí)算法之后，將不再懼怕海量數(shù)據(jù)，反而會因為數(shù)據(jù)的增長而取得更好的效果，而這些效果將直接體現(xiàn)在圖像搜索、語音識別等具體的互聯(lián)網(wǎng)服務(wù)中，從而為用戶提供更好服務(wù)并吸引更多用戶，這又會產(chǎn)生更多數(shù)據(jù)。

“人工智能正循環(huán)”的確令人興奮，但人工智能技術(shù)發(fā)展了幾十年，為何恰恰在今天有條件實現(xiàn)正循環(huán)？我在文章搜索引擎到人工智能的終極演進(jìn)提到了搜索引擎到人工智能演進(jìn)的幾個重點條件，包括搜素引擎積累的戰(zhàn)略數(shù)據(jù)、模擬神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)，從Andrew Ng的演講中已經(jīng)證實了這兩個條件的成熟，他提到“百度有海量數(shù)據(jù)”以及“百度大腦的新算法”。還有一個重要條件是“技術(shù)奇點的出現(xiàn)”，指在積累數(shù)據(jù)的前提下，硬件存儲、超級計算和模擬神經(jīng)網(wǎng)絡(luò)等相關(guān)技術(shù)的成熟。

庫茲韋爾在《奇點臨近》一書中提到，奇點思想是：人類創(chuàng)造技術(shù)的節(jié)奏正在加速，技術(shù)的力量也正以指數(shù)級得速度在增長。指數(shù)級的增長是具有迷惑性的，它始于極微小的增長，隨后又以不可思議的速度爆炸式地增長。

對于人工智能來說，深度學(xué)習(xí)的出現(xiàn)就是這樣一個奇點。面對海量數(shù)據(jù)，深度學(xué)習(xí)算法可以做到傳統(tǒng)人工智能算法無法做到的事情，而且輸出結(jié)果會隨著數(shù)據(jù)處理量的增大而更加準(zhǔn)確。

傳統(tǒng)機器學(xué)習(xí)是通過標(biāo)記數(shù)據(jù)和有監(jiān)督學(xué)習(xí)，這意味著，如果想讓機器學(xué)會如何識別某一特定對象，就必須人為干預(yù)對樣本進(jìn)行標(biāo)注，也就是說，隨著其所需處理數(shù)據(jù)量的增大，外界對其的支持和幫助也就更大，而且計算結(jié)果的準(zhǔn)確性也會受到影響。因此，對于這種傳統(tǒng)算法，越來越多的數(shù)據(jù)將成為負(fù)擔(dān)，也更容易達(dá)到極限或產(chǎn)生錯誤結(jié)果。但深度學(xué)習(xí)是從未經(jīng)標(biāo)記的數(shù)據(jù)展開學(xué)習(xí)，這更接近人腦的學(xué)習(xí)方式，可以通過訓(xùn)練之后自行掌握概念，這將大幅度提高計算機處理信息的效率。王威廉在《國際機器學(xué)習(xí)大會ICML2013參會感想》提到：“用半監(jiān)督或無監(jiān)督學(xué)習(xí)方法挖掘無標(biāo)簽的數(shù)據(jù)，不僅是過去10年，還很可能是大數(shù)據(jù)時代的一個熱點。”拿機器視覺舉例，機器學(xué)習(xí)是通過構(gòu)建多層類似人類視覺神經(jīng)系統(tǒng)的算法使機器自行明白物體整體的形態(tài)，而傳統(tǒng)的人工智能算法往往需要工程師人工輸入物體視覺或者聲音的信息，然后由機器學(xué)習(xí)算法來處理這些信息數(shù)據(jù)。

在加速回歸定律的指引下，深度學(xué)習(xí)將使人工智能的進(jìn)化節(jié)奏加快，并時進(jìn)化過程中產(chǎn)物（輸出結(jié)果）獲得指數(shù)級增長。當(dāng)深度學(xué)習(xí)的效率變得更高，就會吸引更多的資源向它聚合，使其發(fā)展更為迅速。同時，這些指數(shù)級增長都來源于我們對互聯(lián)網(wǎng)產(chǎn)品的每一次微小的使用以及相應(yīng)的每次數(shù)據(jù)的貢獻(xiàn)。而這些匯集起來的數(shù)據(jù)再借助深度學(xué)習(xí)算法就會為會我們輸出更加準(zhǔn)確的結(jié)果，提供更好的服務(wù)，其產(chǎn)生的效果也會像滾雪球一樣越來越大。

3、深度學(xué)習(xí)帶來的重要意義

深度學(xué)習(xí)帶來了人工智能的正循環(huán)，那這對于我們來說意味著什么？Andrew Ng曾提出，深度學(xué)習(xí)算法可以使機器“自己學(xué)會世界上的一些概念”，也就是機器將具備一定的人類般的學(xué)習(xí)和思考能力。人類自身的學(xué)習(xí)能力可以幫助我們自行認(rèn)識世界，而當(dāng)機器當(dāng)過模擬人腦具備了這一能力之后，就可以在一定程度上取代我們部分腦力工作。就像在工業(yè)革命和電力革命的影響力，我們自身從體力勞動中解放出來一樣，在深度學(xué)習(xí)所帶來的人工智能革命下，我們同樣可以將腦力工作外包給機器。

深度學(xué)習(xí)使機器更加聰明，但我們在這方面應(yīng)保持足夠謹(jǐn)慎，不能過分夸大。我們不需要去考慮“機器智能何時超越人類”等略顯科幻的問題，我們僅需要明白這些機器智能將不斷下落到具體的互聯(lián)網(wǎng)應(yīng)用中，帶給我們更加智能的服務(wù)。比如說，通過視覺獲取和處理圖像、通過聲音講出語言是人類最自然的與外界溝通的方式，但傳統(tǒng)的計算機服務(wù)卻無法從本質(zhì)上讀懂我們這些內(nèi)容，當(dāng)我們進(jìn)行圖像搜索或者向計算機發(fā)送某項指令時，我們需要預(yù)先在大腦中做一遍處理，將我們原本要表達(dá)的意思轉(zhuǎn)化成計算機能夠讀懂的文本信息，然后手動輸入到計算機并獲得結(jié)果。但在機器學(xué)習(xí)的幫助下，我們隨意把一張圖片丟給電腦就能返回結(jié)果，我們直接用語言就可以來命令計算機來為我們提供各種服務(wù)。

就像Andrew Ng提到的“（移動）新設(shè)備更需要提供更自然的方式找到服務(wù)”，而這就是機器學(xué)習(xí)最實際、最恰當(dāng)?shù)挠猛?。奇點是未來的一個時期：技術(shù)變革的節(jié)奏如此迅速，其所帶來的影響如此深遠(yuǎn)，人類的生活將不避免的發(fā)生改變。Andrew Ng的深度學(xué)習(xí)帶來了“人工智能”的正循環(huán)，給用戶帶來了更好的互聯(lián)網(wǎng)服務(wù)，這表明或許人工智能的奇點已經(jīng)到來。而至于要走向何方，Hinton 的一句自述也可以很恰當(dāng)?shù)挠迷贏ndrew Ng 身上——“我們希望把 AI帶到一個美妙的新領(lǐng)域，一個還沒有人或者程序到達(dá)的境界。”

微信公眾號：機器之心，微信個人號：zhaoyunfeng1984。