6.23 Yoshua Bengio: 深度学习崛起带来人工智能的春天

20 世纪 50 年代，计算机开始在象棋领域战胜人类，证明数学定理，让人类狂喜不已。60 年代，人们越来越希望，不久以后，科学家就能用硬件和软件复制人类大脑，“人工智能”可以完成任何任务，其表现不逊于人类。1967 年，今年年初逝世的麻省理工学院教授 Marvin Minsky（MIT 人工智能实验室的联合创始人，人工智能先驱）宣称，十年之内，人们可以解决人工智能这个难题。

当然，结果表明，当时就持有那份乐观主义，有些过早。被设计用来协助外科医生更好诊断病人的软件，以及模拟人类大脑、用来识别图片内容的网络，都辜负了人工智能发展初期的那份狂热。早些年，人工智能算法并不成熟，所需数据也比当时可以提供的数据还要多。计算机处理过程也很慢，以至于无法驱动计算机完成接近人类思维复杂性的大规模运算。

到了 21 世纪中期，打造媲美人类智能水平的机器之梦，几乎从科学界消失了。当时，甚至“人工智能（AI）”这一表达，都不再是严肃科学领域的用语。20 世纪 70 年代到 21 世纪中期，这段希望破灭时期，被科学家和作家们形容为一连串的“人工智能之冬”。

十年能发生多大的变化啊。2005 年初，人工智能的前景发生了引人注目的改变。当时，深度学习，这种灵感源自脑科学、打造智能机器的方法，开始取得成功。近些年来，深度学习已经成为推动人工智能研究向前的奇特（singular）力量。现在，一些主要的信息技术公司也正投入数十亿美元，发展深度学习技术。

深度学习，是指模拟神经网络，自己逐渐“学会”识别图像，理解语音甚至做出决策。这一技术依赖的是所谓的人工神经网络——目前人工智能研究的核心部分。人工神经网络，并不是精确模拟真实的神经元运作方式。而是以一般数学原理为基础，这些数学原理能够帮助网络从实例中学习，识别出图片中的物体或人，翻译世界主要语言。深度学习技术，已经变革了人工智能研究，重拾对计算机视觉、语音识别、自然语言处理以及机器人学的雄心。

2012 年，首次展示了第一款用于理解语音的人工智能产品——你可能对 GoogleNow 比较熟悉。紧接着，又出现了可以识别图片内容的应用，这一功能已经被吸收到谷歌相册的搜索引擎中。任何一个对繁冗的自动手机菜单感到沮丧的人都能体会，一款更好的智能手机私人助理会让操作变得多么便利。有些人记得几年前，在识别图片中的物体方面，人工智能的表现有多糟糕——当时的软件可能会把无生命的物品识别成动物——在这些人看来，计算机视觉上的进步，难以置信：在一定条件下，现在的计算机可以识别出猫、势头或者脸部以及人。现在，人工智能软件实际上已经成为数百万智能手机用户的生活的一部分。

就我个人而言，已经很少手动键入信息，而是直接对手机说出命令，有时候它甚至能给我反馈。这些进步已经突然为技术的进一步商业化打开了大门，而且兴奋度也有增无减。公司的人才争夺战也十分激烈，深度学习领域的博士极度供不应求。许多该领域的大学教授——据某些统计，是大部分教授——都从学术界跳槽到了产业中，公司为他们配备了齐全的研究设备，还有丰厚的薪资。解决深度学习的难题，已经带来让人吃惊的成功。

神经网络击败顶尖围棋选手李世石的消息，登上了新闻头条。相关应用已经延伸到其他人类专长的领域——而且这还不是游戏的全部。一项新研发的深度学习算法，旨在根据磁共振成像诊断心脏衰竭，就像心脏病专家那样。