现状：人工智能进入“深度学习”阶段
谷歌超级人工智能系统AlphaGo在与顶尖围棋高手李世石的较量中取得胜利，是人工智能发展史上重要的里程碑，显示出人工智能在复杂的博弈游戏中开始挑战最高级别的人类选手。“深度学习”将为人工智能打开一扇新的大门。
研究人员发现，人类大脑皮质并不是直接对从视网膜传递过来的数据进行特征提取处理，而是使接收到的刺激信号通过一个复杂的网状网络模型，进而获取观测数据展现的规则；人类大脑的这种层级结构大大降低了视觉系统处理的数据量，并保留了有用的结构信息。深度学习正是源于人工神经网络的研究，也是机器学习中非常接近AI的领域。Hinton等人于2006年提出这一概念，Lecun等人则提出了第一个真正的多层结构学习算法——卷积神经网络。
得益于大数据和互联网技术，深度学习正在迅速成长。通过足够大的数据量，深度学习可以建立人工神经网络，实现最好的预测能力。2015年11月，谷歌开源了利用大数据直接训练计算机来完成任务的第二代机器学习平台Tensor Flow；今年1月份，Facebook公布了其关注深度学习的开源项目。更加值得关注的是，Deepmind表示，通过深度神经网络与强化学习结合的Human-level control through deep reinforcement learning，展现出了在复杂任务中酷似人类的算法。
盛宴已开，无人愿意缺席，从大公司到初创企业。IBM更愿意将现在的人工智能称为认知计算系统，早在2008年即启动了“大脑芯片”项目，并在2011年公开了Watson项目，现在Watson正在尝试帮助银行进行客户和金融数据分析，也在与世界知名的肿瘤学家Larry Norton博士合作帮助内科医生对患者进行个性化癌症治疗。谷歌、Facebook、Intel则在基于人工神经网络的“深度学习”领域深耕，并在语音识别与图像处理等领域取得实质性进展。其中，微软推出了小冰和小娜；谷歌正在研发简化人造神经网络以便用于移动设备的方法；高通也正在设计可以运行“深度学习”软件的芯片。而谷歌、特斯拉在无人驾驶领域的耕耘已初现硕果。
深度学习并不是万能的，面对简单问题、数据量不够大等情况，深度神经网络就得不到充分训练，达到的效果也就不尽如人意。但是，基于复杂的非线性模型，在拥有复杂的结构和大量参数后，深度神经网络具有强大的表示能力，特别适合于复杂的模式识别问题。深度学习方兴未艾，与结构学习、符号人工智能等结合，将给人工智能带来革命性的变化。
人工智能在经济决策、控制系统和仿真系统等领域目前已得到越来越广泛的应用，但主要还是集中在非类人人工智能领域。AlphaGo此次选择围棋只是测试其能力，未来谷歌希望打造一个通用智能系统，用于灾害预测、风险控制、医疗健康和机器人等复杂领域。
微博加关注
微信扫一扫
文汇报官方微信
汇拍微信
汇玩微信
汇吃微信
汇演微信
文汇讲堂
上海跑步者
下载APP
