《深度学习：人工智能的曙光》

如何让计算机处理“抽象概念”这个亘古难题，是赋予机器人工智能的关键所在。距图灵在1995年的论文中第一次提到“图灵测试”以来，半个世纪过去了，人工智能的进展，远远没有达到图灵测试的标准。依赖于云计算对大数据的并行处理能力，和深度学习算法（Deep Learning），机器学习领域直到2006年才取得了突破性的进展。2013年4月，《麻省理工学院技术评论》杂志将深度学习列为2013年十大突破性技术（Breakthrough Technology）之首。“深度学习”这个这个渐渐进入大众视野的词汇，与人工智能有何关系？又究竟是何含义呢？

首先，我们需要了解下人类的大脑是如何工作的。简而言之，人的视觉系统是从视网膜出发，经过低级的V1区提取边缘特征，到V2区识别基本形状或目标的局部，再到高层的对整个目标（如一张人脸）判定，最终到更高层的PFC（前额叶皮层）进行分类判断，也就是说，大脑对工作过程也就是不断抽象概念化的过程，也即越来越能表现语义或者意图。深度学习正是受人脑的工作过程启发，从原始图像去学习得到一个低层次表达，例如边缘检测器、小波滤波器等，然后在这些低层次表达的基础上，通过线性或者非线性组合，来获得一个高层次的表达。尽管目前现在的深度学习神经网络联接数也就10的8次方，跟真正的人脑差了将近6个数量级，但随着近几年计算机处理能力的飞跃和技术进一步成熟，深度学习算法已经在许多方面取得成功的应用，在与大众生活密切相关的领域就有如下几个例子：

1、商品推荐

当你打开某个网站浏览时，总会有推荐商品这一栏。这一栏的信息，有的是根据你正在浏览的内容推荐相近的，有的则是根据你之前的浏览、搜索结果匹配的，这可以说是当前较为普遍的一种深度学习应用，即通过长期积累数据来分析你的购物习惯，并推荐相应的产品。商品推荐可以说是当前比较普遍，也比较简单的一个深度学习的应用例子。

2、语音识别

当前许多公司都推出了语音识别的应用，像苹果的Siri、百度的小度以及微软的小冰等都属于此。这些产品都把打上“人工智能机器人”都标签，其技术原理皆离不开深度学习算法。和过去单纯强调效率和有用的工具型人工智能不同，这一类都产品更强调情感连接，以此重新定义人和人、人和机器间的关系。

3、图像识别

既然深度学习的算法从开始就受到了人脑图像识别过程的启发，那么深度学习在机器对图像的识别领域取得重大突破就不难理解了。2014年3月，同样也是基于深度学习方法，Facebook的 DeepFace 项目使得人脸识别技术的识别率已经达到了 97.25%，只比人类识别 97.5% 的正确率略低那么一点点，准确率几乎可媲美人类。国内方面也取得了不少突破，例如专注图像识别领域的图普科技，将深度学习应用到互联网的内容审核之中，不仅使机器能够准确识别涉黄等违法数据，而且在图片增值，数据挖掘方面也取得了业界关注的成绩。

得益于深度学习算法，人工智能的曙光已经到来。希望不久的以后，我们看到更多创新性的应用探索，让机器帮助我们人类更好地生活。

您也可以关注我们的官方微信公众号（ID：ctoutiao），给您更多好看的内容。