深度學習技術進展令人振奮

2013年12月，Facebook宣布“深度學習”技術創始人之一，紐約大學教授揚·樂康加盟該公司人工智能實驗室。樂康稱，近年來興起的“深度學習”技術，在圖像識別、自然語言識別等領域得到了極其成功的應用，將對Facebook的未來產生重大影響。至此，Google、百度、微軟、IBM和Facebook等諸多巨頭悉數進軍深度學習領域。

深度學習技術由起源于上世紀50年代的神經元網絡技術發展而來。大腦的思維分為邏輯思維、直觀思維和靈感思維。神經元網絡模擬直觀思維。單個神經元的結構簡單，功能有限，大量神經元構成的網絡系統可以實現信息的分布式存儲和并行協同處理。神經網絡是一個具有學習能力的系統。它能夠從環境中學習，并把學習的結果分布存儲于網絡的突觸連接中。學習過程結束后，神經元網絡就可以對真實數據進行歸類。

早期的神經網絡分為輸入層、處理層和輸出層，模擬少量的神經元，對象復雜就無法識別。另外，系統不能自動學習，需不斷人工干預。上世紀80年代，提出了“深層”神經網絡，處理層由單層變為多層。2006年又提出了更有效地訓練神經元的新方法，逐層深入學習，理論上可以實現無需人工干預的“無監督學習”，學習完成后，系統就可以正確識別圖像和聲音。

2012年，谷歌在其X實驗室建立了有10億個節點，深度為9層神經元系統，向網絡輸入1000萬個YouTube視頻截圖，采用“無監督學習”算法，系統用一周時間完成自主學習。完成“深度學習”后的系統成功地識別出了貓臉，準確率比此前的記錄提高70%。

谷歌的貓臉實驗極大地激發了學界和產業界對深度學習技術的熱情，微軟、IBM、Facebook和諸多大學都設立專門機構，投入深度學習技術的研發。2013年1月，百度CEO李彥宏宣布在美國硅谷，毗鄰谷歌總部建立深度學習研究院（IDL）。

兩年來，各家企業在深度學習技術上獲得諸多令人耳目一新的實用性成績，其成就令人振奮。

2012年，Google在Android上采用深度學習神經網絡，使語音識別的成功率大大提高，尤其是在嘈雜的環境中，語音搜索結果也顯著改善。一夜之間，智能手機語音識別系統的錯誤率就下降到了25%。2012年12月，微軟亞洲研究院展示了采用深度學習技術的中英即時口譯系統，錯誤率僅為7%，發音十分流暢。

2013年11月，百度深度學習研究院首席科學家張潼在全球軟件開發大會發表了大數據及深度學習的演講。他在演講中介紹了百度取得的一些成果。到目前為止，百度已經有超過8項深度學習技術在百度產品上線。語音識別錯誤率降低20-30%，色情圖像識別準確率超過傳統方法100%，用于貼吧圖搜黃反作弊，成效顯著。

深度學習在云計算和大數據日趨成熟的背景下取得了實質性進展。云計算為深度學習提供了平臺，大數據為深度學習提供礦石，深度學習因此才得以在云平臺上，在大數據中淘出黃金。深度學習雖然還處于發展初期，但它將人類帶到了機器直觀思維的新時代門口，看到了令人難以置信的未來。

在人類信息革命的歷程中，無論是計算機軟件硬件、互聯網、云計算還是大數據，中國本土的IT企都沒趕上趟，僅僅扮演跟隨者的角色。但是在剛剛興起的深度學習技術潮中，本土企業百度和谷歌、微軟、IBM、Facebook共同站到進了第一梯隊。應該指出。這在中國IT史上將是一個標志性事件。