深度學(xué)習(xí),在當(dāng)前特指源于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí),被認(rèn)為是實(shí)現(xiàn)人工智能的必由之路。
隨著“谷歌大腦”識(shí)別出YouTube視頻中的貓,人工智能領(lǐng)域再掀高潮,而中國(guó)企業(yè)又怎甘落后——2013年1月,在百度年會(huì)上,創(chuàng)始人兼CEO李彥宏高調(diào)宣布要成立百度研究院,其中第一個(gè)成立的就是“深度學(xué)習(xí)研究所”(IDL,Institue of Deep Learning)。百度甚至在次年挖來(lái)了吳恩達(dá)(Andrew Ng,1976年出生,華裔美國(guó)人,斯坦福大學(xué)計(jì)算機(jī)科學(xué)系和電子工程系副教授、人工智能實(shí)驗(yàn)室主任,是全球人工智能和機(jī)器學(xué)習(xí)領(lǐng)域國(guó)際上最權(quán)威的學(xué)者之一)出任百度首席科學(xué)家,由他全權(quán)負(fù)責(zé)研究所的工作。而在另一方面,谷歌、IBM、微軟、Facebook等國(guó)外互聯(lián)網(wǎng)巨頭,早已在深度學(xué)習(xí)領(lǐng)域浸淫多時(shí),取得了累累碩果。
2015年3月,李彥宏在兩會(huì)上提出“中國(guó)大腦”提案,希望將人工智能上升到國(guó)家高度,而深度學(xué)習(xí)技術(shù)正是中國(guó)大腦的核心所在。深度學(xué)習(xí)對(duì)于推動(dòng)人工智能的發(fā)展與突破具有重大意義,各個(gè)企業(yè)乃至國(guó)家均開(kāi)始重視以深度學(xué)習(xí)為代表的人工智能技術(shù),不約而同的展開(kāi)了深度學(xué)習(xí)的“軍備競(jìng)賽”。
什么是深度學(xué)習(xí)
學(xué)習(xí)能力是人類智能的根本特征,人類通過(guò)學(xué)習(xí)來(lái)提高和改進(jìn)自己的能力。學(xué)習(xí)的基本機(jī)制是設(shè)法將一種情況下成功的表現(xiàn)行為轉(zhuǎn)移到另一類似的新情況中去。1983年西蒙(H. Simon,美國(guó)管理學(xué)家和社會(huì)科學(xué)家)對(duì)學(xué)習(xí)定義如下:“能夠讓系統(tǒng)在執(zhí)行同一任務(wù)或同類的另外一個(gè)任務(wù)時(shí),比前一次執(zhí)行得更好的任何改變。”學(xué)習(xí)的關(guān)鍵在于對(duì)經(jīng)驗(yàn)的泛化——不僅是重復(fù)處理同一任務(wù),而且是域中相似的任務(wù)都要執(zhí)行得更好。
而機(jī)器學(xué)習(xí)是人工智能的核心,目前普遍認(rèn)為機(jī)器學(xué)習(xí)是使計(jì)算機(jī)具有智能的根本途徑。機(jī)器學(xué)習(xí)方法分為有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí),而無(wú)監(jiān)督學(xué)習(xí)又是實(shí)現(xiàn)強(qiáng)人工智能的關(guān)鍵。無(wú)監(jiān)督學(xué)習(xí),是讓計(jì)算機(jī)處理未貼標(biāo)簽的數(shù)據(jù)。簡(jiǎn)單說(shuō)就是我們不告訴計(jì)算機(jī)要去學(xué)習(xí)什么和認(rèn)知什么,而是讓它自己去學(xué)習(xí)做一些事情。前面,我們已經(jīng)描述了單一感知器的原理,它其實(shí)上就是一種有監(jiān)督的機(jī)器學(xué)習(xí)過(guò)程。但單一感知器的學(xué)習(xí)方法有一個(gè)主要的缺點(diǎn):它只能學(xué)習(xí)線性可分函數(shù)。后來(lái),人工智能技術(shù)發(fā)展出了多層感知器的神經(jīng)網(wǎng)絡(luò),比如使用最廣泛的反向傳播法(BP網(wǎng)絡(luò))。傳統(tǒng)BP網(wǎng)絡(luò)具有三層感知器,只有一個(gè)隱層,這就是所謂的淺層學(xué)習(xí)。然而,反向傳播法并不是人類大腦的工作模式,人們沒(méi)有在哺乳生物大腦中發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的關(guān)鍵結(jié)構(gòu)——調(diào)節(jié)突觸連接強(qiáng)度的逆向連接。但在人工智能體系中,這種自組裝、非線性的系統(tǒng)為廣泛解決模式識(shí)別問(wèn)題提供了可靠途徑。
后來(lái),人工智能學(xué)家提出了含多隱層的多層感知器,這就是一種深度學(xué)習(xí)結(jié)構(gòu)。直到2006年,Hinton等人提出了基于深信度網(wǎng)(DBNs)的非監(jiān)督貪心逐層訓(xùn)練算法,并正式提出了深度學(xué)習(xí)的概念。這是一種無(wú)監(jiān)督學(xué)習(xí)模型,為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來(lái)了希望。除此之外,Lecun等人提出了卷積神經(jīng)網(wǎng)絡(luò)模型(CNNs)。這也是一種多層結(jié)構(gòu)的學(xué)習(xí)算法。在此之后,人工智能科技,尤其是深度學(xué)習(xí)技術(shù)重獲新生并迅速發(fā)展。目前人們一提到人工智能,深度學(xué)習(xí)便是繞不開(kāi)的課題,其影響力之大可見(jiàn)一斑。
傳統(tǒng)機(jī)器學(xué)習(xí)是通過(guò)標(biāo)記數(shù)據(jù)進(jìn)行有監(jiān)督學(xué)習(xí),在這種學(xué)習(xí)模型下,越來(lái)越多的數(shù)據(jù)將會(huì)成為負(fù)擔(dān),也更容易達(dá)到極限或產(chǎn)生錯(cuò)誤結(jié)果。但深度學(xué)習(xí)是用未經(jīng)標(biāo)記的數(shù)據(jù)進(jìn)行學(xué)習(xí),這更接近人腦的學(xué)習(xí)方式,可從紛繁復(fù)雜的事物中自行抽象出概念。
對(duì)于深度學(xué)習(xí),以往被視為負(fù)擔(dān)的超大數(shù)據(jù),將演變成一種資源,其輸出結(jié)果會(huì)隨著數(shù)據(jù)量增大而更加準(zhǔn)確。百度首席科學(xué)家吳恩達(dá)將人工智能比喻為待發(fā)射的火箭,深度學(xué)習(xí)技術(shù)就是強(qiáng)大的引擎。
但沒(méi)有龐大數(shù)據(jù)作為“燃料”,火箭就不會(huì)突破第一宇宙速度,也就無(wú)法達(dá)到人工智能的質(zhì)變。而這一切,又依賴上億的神經(jīng)網(wǎng)絡(luò)作支撐,依賴天文數(shù)字一般的數(shù)據(jù)作燃料,而這在以往是不可想象的,但如今我們將有可能將之實(shí)現(xiàn)——感謝摩爾定律和互聯(lián)網(wǎng),我們擁有了強(qiáng)大的芯片和大數(shù)據(jù)技術(shù),這意味著在不久的將來(lái),人工智能的火箭將要開(kāi)足馬力,一飛沖天。
深度學(xué)習(xí)不僅是實(shí)現(xiàn)人工智能的一種途徑,更是感知外界事物、挖掘數(shù)據(jù)價(jià)值、提供決策意見(jiàn)的先進(jìn)手段。深度學(xué)習(xí)帶來(lái)的巨大影響不僅體現(xiàn)在人工智能領(lǐng)域,還體現(xiàn)在機(jī)器人技術(shù)、信息化醫(yī)療、社會(huì)物理學(xué)和能源等領(lǐng)域。
有“可穿戴科技產(chǎn)品之父”之稱的麻省理工學(xué)院人體動(dòng)力學(xué)實(shí)驗(yàn)室艾里克斯·本特蘭 (Alex Pentland),其研究的社會(huì)物理學(xué)就是基于大數(shù)據(jù)對(duì)人類的各種社會(huì)行為進(jìn)行量化分析,判斷相關(guān)關(guān)系、得出系統(tǒng)結(jié)論、提供決策依據(jù)。氣候問(wèn)題往往被認(rèn)為是“蝴蝶效應(yīng)”的混沌學(xué)代表,而加利福尼亞大學(xué)伯克利分校的能源專家丹尼爾·卡門(mén)(Daniel Kammen)則試圖基于大數(shù)據(jù)來(lái)解決氣候變遷這個(gè)宏大的人類課題。而在將來(lái)的某一天,經(jīng)過(guò)深度學(xué)習(xí)后的機(jī)器大腦,或許將會(huì)達(dá)到我們完全想象不到的命題與結(jié)論,這會(huì)極大的豐富人類知識(shí)、拓展人類眼界。
而在備受矚目的機(jī)器人領(lǐng)域,康納爾大學(xué)創(chuàng)意機(jī)器人實(shí)驗(yàn)室主任胡迪·利普森(Hod Lipson)為我們帶來(lái)了基于深度學(xué)習(xí)技術(shù)制造的“元認(rèn)知(Metacognition)”機(jī)器人。他的研究團(tuán)隊(duì)沒(méi)有為這種機(jī)器人的活動(dòng)進(jìn)行編程,而是讓它自己在不斷試錯(cuò)中感知自己的存在,尋找到合適的行走方式。從這個(gè)意義上說(shuō),機(jī)器人在不斷進(jìn)化,它從一種簡(jiǎn)單的初級(jí)形態(tài)學(xué)習(xí)成長(zhǎng)為具有較復(fù)雜智能的智能個(gè)體。而且,這種機(jī)器的學(xué)習(xí)能力是有加速度的,它不會(huì)像30歲之后的人那樣智力會(huì)停滯和退化。因此,深度學(xué)習(xí)技術(shù)的成熟很可能帶來(lái)智能爆炸,它將是智能化浪潮中影響最深遠(yuǎn)的“海底地震”。
——本文摘自《智能爆炸:開(kāi)啟智人新時(shí)代》一書(shū)
作者:王漢華、劉興亮、張小平
聯(lián)系客服