李青
識別一只貓有多難?對于我們人類來說,識別一只貓可以在瞬間完成,而對于計算機來說,由于它不具備人類大腦高度發達的神經反射系統,所以識別一只貓很難,這不是計算機有了高速運算的能力就可以做得到的。谷歌公司為了在1000萬個視頻中找到貓的視頻,用了1.6萬臺計算機,花了3天時間。他們把這些計算機連接起來,構成了一個龐大的計算機神經網絡,并與互聯網相連,讓這個神經網絡自己學習如何識別貓。這就是人工智能領域新一代的機器學習(machine learning)形式——深度學習(deep learning)。換句話說,就是讓計算機像人腦一樣去學習和思考。
當谷歌公司最初設計地圖系統的時候,完全依賴人工來確認街拍的每一個地址。因為工作量巨大,后來搭建了能夠深度學習的人工智能系統——Google Brain。現在,用這個工具處理法國所有街道的地址數據,用時不到一個小時。而谷歌公司研發的自動駕駛汽車,還有它的廣告業務,都從這個智能系統中獲得了很大的好處。
和傳統的機器學習不同,深度學習是把計算機科學和人類的神經學結合起來,讓計算機自主學習。比如,不是由人告訴計算機這是一只貓,然后讓它來進行識別和印證。而是給計算機提供大量的圖片數據,讓它自己學習和分析,然后自主形成“貓”的概念,就像人類大腦的視覺皮層那樣反應。有了具備深度學習能力的人工智能系統,以后駕車出行時,汽車就能主動提醒你周圍的路況,還能應用于語音和臉部識別、醫療診斷等領域。
2016年新年伊始,臉書(Facebook)創始人馬克·艾略特·扎克伯格就宣布要研發一臺智能機器來控制自家住宅的各項功能,并且幫助他工作,類似于一個無形的管家,并把它與《鋼鐵俠》(Iron Man)電影中的智能電腦賈維斯(Jarvis)相提并論。由此可見,臉書也要躋身深度學習機器人的領域了。