讀《深度學習：智能時代的核心驅動力量》：我們該如何談論人工智能

　　文｜姜奇平曾經，人工智能在人們心目中的形象大多停留在《星球大戰》等科幻片中，但AlphaGo的面世，讓人們真正意識到，人工智能，真的來了。

　　但是，人工智能究竟是如何走到現在的，它進化的路線究竟是什么樣，同時它將走向什么方向？很多人可能并不了解。

　　特倫斯·謝諾夫斯基作為深度學習領域的先驅及奠基者，回答這一問題，是最合適不過了。他所寫的《深度學習：智能時代的核心驅動力量》一書，可以看作是人工智能的發展簡史。

　　著名作家尤瓦爾·赫拉利在《今日簡史》中寫道，人們普遍認為，機器學習將改變幾乎所有的工作，從制作酸奶到教授瑜伽都無法幸免。我們有充分的理由相信這次情況不同，機器將會真正讓整個情況徹底改變。

　　我們可以看幾個例子。比如貸款審核員，他們評估借款人的信用好壞，是通過分析對方的面部表情、聲調、手部動作甚至體味來識別生化模式。而人工智能只要搭配適當的傳感器，絕對可能把這些工作做得比人類更精確可靠。比如現在的測謊儀，在測謊方面就已經超過了大多數人，不是嗎？

　　所以，尤瓦爾·赫拉利指出，在過去幾十年中，在神經科學和行為經濟學等領域的研究，讓科學家能夠“破解”人類，更清楚地了解人類究竟是如何做出各種決定的。事實證明，我們從選擇食物到選擇伴侶，都不是出于什么神秘難解的自由意志，而是數十億神經元在瞬間計算各種可能性的結果。過去大受贊賞的“人類直覺”，其實只是“辨識模式”罷了。

　　而謝諾夫斯基正是推動神經網絡學習的先驅。出身生物學的謝諾夫斯基，對神經網絡抱有堅定的信心，并幸運地遇到了他的搭檔杰弗里·辛頓。兩人在此領域堅持了下來，一干就是幾十年。

　　謝諾夫斯基和辛頓合作研究出了一種新型神經網絡模型，叫“玻爾茲曼機”，打破了阻礙一代人研究多層網絡模式的僵局，證明了基于大腦式計算的全新方法是可行的，最終為深度學習的發展奠定了基礎。

　　但深度學習是數據密集型的，在當時的計算機條件下，人工智能無法取得重大突破。直到30年之后，計算機開始變得足夠快，同時也可以獲得大量可利用的數據，這讓深度學習實現了重大突破，并且在當前的人工智能領域占據主導地位。

責任編輯：鮑一凡