“計算”未來數字化生活

莎倫·高丁

吳恩達認為，深度學習是機器學習的一種，但它更像是模擬人腦過程來進行學習

下一代深度學習算法將助力搜索、物聯網和機器人設備。

研究人員正在竭力開發一套新的算法，以支持更方便的搜索、自動駕駛汽車、更靈巧的智能手機以及物聯網。

深度學習算法基于對大腦進行的松散模擬，已用于推動諸多技術的發展，比如語音識別、自然語言處理和機器人自主等技術。

現在，研究人員致力于研發下一代的此類算法，下一代算法將廣泛應用于機器學習和人工智能領域，有望成為重大技術發展賴以生存的基礎。

深度學習算法

加布里埃爾咨詢集團（Gabriel Consulting Group）的分析師丹·奧爾茲（Dan Olds）表示，如果我們想要看到“影響深遠”的技術進步——比如可以讓我們小睡或閱讀的自動駕駛汽車，以及會飛起來、自動將人載往目的地的汽車，就需要更好的深度學習算法。

“這些自動駕駛汽車依賴這個本領，即能夠‘觀察路面上的障礙，然后靈活避開障礙。汽車辨別行人和路標的水平越高，察覺潛在危險的能力就越強。”奧爾茲說，“此外，受影響的不僅僅是我們未來的數字化生活，還有我們的現實生活。如果我們可以把在全國或全世界運送貨物的重任交給系統去處理，那會怎樣？如果我們可以在開車去上班的路上，坐在后面睡覺，又會怎樣？”

從根本上說，盡管大多數人連深度學習算法聽都沒聽說過，但更好的算法有望帶來這種美好的未來：家居更智能化，機器人設備能夠替我們照顧父母以及遛狗。

Moor Insights & Strategy公司的分析師帕特里克·穆爾黑德（Patrick Moorhead）說：“這種研究意義重大，因為它有望帶來更有效的方式，以便處理物聯網和移動技術帶來的無限擴展的數據集。盡管大多數人對深度學習一無所知，但它是未來數字化生活的一個重要組成部分。”

吳恩達（Andrew Ng）是斯坦福大學的計算機系副教授，也是百度公司的首席科學家。百度是一家中國互聯網服務公司，也是數一數二的中文搜索引擎。吳恩達正與斯坦福大學和百度的科學家進行合作，潛心研發下一代深度學習算法。

近日，他在《麻省理工科技評論》（MIT Technology Review）雜志于馬薩諸塞州坎布里奇市舉辦的新興技術大會上作了發言，暢談深度學習技術如何應用于搜索和未來的技術。

吳恩達擁有這方面所需的扎實背景。他曾在谷歌公司效力過一年半，一手創辦了谷歌的深度學習項目Google Brain。

除了谷歌外，微軟、Facebook和百度等公司也在致力于研發更好的深度學習算法，因為它們都有大量的數據需要處理。

吳恩達在接受采訪時表示，“你將數量越來越多的數據交給傳統算法處理時，它們就開始停頓、變慢，最終束手無策。深度學習算法卻不是這樣。這種算法的魅力在于，交給它們的數據越多，它們處理起來就越順暢。”

人腦的處理分析能力非常強，因為大腦里面充斥著大量通過電脈沖進行聯系的神經元。基于模擬神經網絡的深度學習算法正是模仿了人腦。

吳恩達解釋：“隨著我們建立起越來越龐大的人腦模擬體系，這些模型在消化并理解大量數據方面顯得比較高效。這些是能力非常強的學習算法。”

語音和可視化的未來

眼下，這方面的工作正在迅速開展之中。

大概4年前，規模最大的神經網絡（即深度學習算法集合）大約有1000萬個連接節點。吳恩達指出，而到2011年年初，當時他剛開始啟動Google Brain項目，那個模型里面的連接節點數量已激增至10億個。去年，他已與斯坦福大學的科研團隊一起建立約有100億個連接節點的模型。

吳恩達的一部分工作是改進算法，不過他及其同事還在致力于使用GPU（即圖形處理單元），而不是使用較傳統的CPU（即中央處理單元）。事實證明，專門為處理計算機圖形而設計的芯片用來構建大型神經網絡的效果好得多，因為它們更善于處理這類運算。

吳恩達說：“我們正在搭建使用GPU硬件的新型深度學習平臺，有助于提高可擴展性。我和合作伙伴是最早大規模開展這項工作的。其他公司也在開始亦步亦趨;不過據我所知，百度是第一家針對深度學習構建大規模GPU集群的公司。”

讓這些算法擁有更強大的能力，意味著語音識別和可視化搜索方面將獲得巨大進展。據吳恩達稱，那將具有重大意義。

由于越來越多來自落后貧困地區的人們上網，會有越來越多的用戶將通過語音、而不是通過打字來進行搜索。預計還會有越來越多的人對搜索對象拍照，而不是輸入描述內容。

“5年內，會有一半的查詢請求將通過語音和圖片來進行，所以我們在往這項技術投入巨資。”吳恩達說。

經過改進的語音識別意味著，司機在駕駛過程中可以大聲發出指令，放在乘客座位上的手機會向朋友發送短信，表示晚點才到。

“全世界在向移動邁進，我認為沒人設計出真正適合移動設備的用戶界面，這就是為什么在智能手機上的那些超小鍵盤上打字速度那么慢。”吳恩達說，“語音識別技術已大有改進，但還沒有達到我們的預期要求。等這項技術變得更完善后，我樂意圍繞語音識別，重新設計手機上的用戶界面。”

深度學習算法還可以用在我們的智能設備、智能汽車和可穿戴式設備上——通過得到大力倡導的物聯網，把一切串聯起來。

吳恩達說：“我認為，到時遙控器會從你家消失。如果你在家里，想聽某首歌曲，用不著掏出手機，給手機解鎖，再按一大堆按鈕，只要舒服地躺在沙發上，讓百度設備播放Justin Timberlake的某首歌曲。我希望在將來孫兒女會問我：‘以前家電設備果真聽不懂你說的話嗎？他們會很好奇家里怎么會有五、六只遙控器。”