人工智能、機器學習與深度學習：究竟什么是深度學習？

Tom+Macaulay+楊勇

到2035年，人工智能（AI）將為英國經濟增長貢獻6540億英鎊，但隨著它成為主流，對其進行描述的術語卻越來越混亂。

人工智能的流行語——機器學習和深度學習，常常互換使用，盡管每個術語都有不同的含義。

斯坦福大學計算機科學家John McCarthy因提出“人工智能”這一術語而受人尊敬。他在1956年召開的一次專題會議上將其定義為：“制造智能機器的科學和工程，特別是智能計算機程序?！?/p>

“智能”一詞的模糊性使人工智能涵蓋了一系列應用，但大多數研究人員同意它一般是指能夠復制人類的思維。

機器學習是人工智能的一個子集，它賦予計算機一定的獨立思考能力。這之所以能夠實現，是因為給它大量的數據，由算法處理這些數據，然后從中學習，以便作出預測和決定，這個過程并沒有專門的編程。機器能夠高效地從現有例子中進行學習，以解決新問題。

而深度學習是一種受人類大腦神經元之間的聯系而啟發出來的機器學習方式。研究人員對這種生物連接進行了人工模擬，稱之為人工神經網絡（通常稱為神經網絡）。

實際中的深度學習

在人類神經網絡中，數十億個相互連接的神經元通過發送電信號來通信，發展成為思維和行動。在人工神經網絡中，節點扮演神經元的角色，并通過組合分析，在有組織的結構中進行協作，解決問題。

例如，深度學習軟件可以用來理解由重疊的東西組成的復雜照片，譬如一個裝滿了衣服的洗衣籃。

節點被安排在不同的層中，每一節點查看圖片的每個元素，并對具體的元素進行計算，以便完全理解它。這些計算得出的信號被傳遞給其他節點。

然后，對層中的所有信號進行組合評估，最終預測圖片中到底是什么。

深度學習相對于其他機器學習技術的優勢在于，其他技術需要分析一系列預定義的特征，把分析結果作為預測的基礎，而深度學習自己可以識別每一個特征。

例如，如果一個系統想在一張照片中識別出人臉，就不需要先把個人特征（例如鼻子和眼球）輸入到該系統中。相反，可以把一幅完整的圖像輸入給它，它能夠掃描，理解不同的特征，然后對圖像內容進行獨立的預測。

深度學習可以用來預測地震和控制自動駕駛汽車等。它可以對黑白視頻進行著色處理，翻譯手機拍攝的文本，模仿人的聲音，創作音樂，編寫計算機代碼，在棋盤游戲中擊敗人類，例如，谷歌的DeepMind去年擊敗韓國圍棋冠軍李世石而一戰成名。

它還有其他無數潛在的應用，從安全系統到情感分析，直至優化制造，等等。深度學習尤其擅長理解圖像和音頻，并且可以自動完成許多常見的專業任務，例如分析X射線或者掃描法律文件等。

深度學習的歷史

軟件公司Cloudera的數據科學主任Sean Owen說：“深度學習并不是一種新概念。它是另一種概念的重生，現在人們終于使這一概念發揮作用了?！?/p>

深度學習的起源可以追溯到20世紀50年代，開始時是試圖模仿生物大腦中神經元的互聯，這被稱之為“感知”。機器學習算法是由美國心理學家Frank Rosenblatt在1957年開發的，受到了美國海軍研究辦公室的資助。

他的發明被《紐約時報》戲劇性地描述為“一臺電子計算機的雛形，海軍希望它能行走、說話、看、寫、復制自己，并能意識到它自己的存在?！?/p>

由于技術過于復雜，它很快就不再被人青睞了，但1986年一篇題為“反向傳播錯誤的學習表征”論文的發表，為神經網絡的學習提供了更為有效的方法。

在90年代，人們關注的焦點轉移到了一種叫做“支持向量機”的機器學習，它提供了相對簡單的高性能算法。

只是在過去十年，研究人員才真正學會利用云計算強大的計算能力，發揮規模優勢使深度學習開始工作。

2011年，深度學習先驅Andrew Ng創立了“谷歌大腦”。這名斯坦福大學教授已經幫助開發了自主直升機和多用途家庭機器人，而真正使他成為人工智能象征的是谷歌龐大的神經網絡研究項目。

他的創作登上了《紐約時報》的頭條——一組16，000個模擬人腦的計算機處理器掃描了YouTube視頻中的1千萬張圖像，目的是找到其中的貓，并獨立地發現了哪些東西是“貓”。

“谷歌大腦”開發的神經網絡后來被再次使用Android手機將其用在語音識別軟件中——盡管沒有那么的大張旗鼓。

“谷歌大腦”使得主流媒體非常關注深度學習，證明人類大腦可以為機器學習提供模型，而當時許多工程師都喜歡把簡單的自動化偽裝成智能。

谷歌的前高級工程師Owen說：“深度學習之所以能夠加速發展并不是因為這些研究突破，而是因為軟件可以讓您做這些事情。

例如，大約兩年前谷歌發布了名為TensorFlow的深度學習包，諸如此類的事情真正推動了深度學習在主流應用上的跨越式發展。

這正是過去五年來爆炸式發展的原因。是把這些想法轉換成自由軟件?！?/p>

深度學習往往需要特殊的硬件，但這也變得更加可行了。更具挑戰性的是使用各種工具和技術所需要的知識和經驗。

深度學習在很大程度上仍然是未知領域，即使是經驗豐富的機器學習科學家涉足這一領域后，也必須在工作中學習。這導致了世界上最大的科技公司之間爆發了人才大戰。

深度學習的局限

各種各樣的媒體紛紛報道人工智能，而最近關于DeepMind Health訪問了NHS患者記錄的爭議也引起了人們對隱私問題的關注。深度學習帶來了特殊的挑戰，因為它的模型越來越復雜，結果變得越來越難以解釋。

“它們是非常復雜的模型，有大量的數字，并且不清楚其含義，所以很難理解為什么一個結果會與某一輸入相關聯。

如果我們想要清楚地知道這些，以便發現模型的邏輯不是我們想要的，那這就可能成為一個問題。我認為問題在于這些工具可能會讓我們很容易找出數據中隱藏的傾向性，通過建立預測模型來進一步強化這些偏見，據此提出未來的行動?！眅ndprint

麻省理工學院的一個研究小組可能已經找到了解決辦法。通過分析網絡中不同神經元的活動，他們可以理解某一個神經元負責做出哪些決定。這一發現可以提供一種方法來找出算法偏差，并解釋來自深度學習算法的具體操作。

雖然深度學習是嘗試從統計上模擬神經元怎樣工作的，而Owen要強調的是，它仍然不能重現與人腦相同的思維和學習。

“我的確提醒過人們，我們怎樣才能讓機器思考。這需要各種強大的技術的交融，但更多的是統計模型，在理解人腦方面并沒有真正的根本性突破。”

深度學習的發展也不會使其他機器學習算法過時。深度學習需要大量的數據集和強大的計算能力才能有效地發揮作用，在很多情況下，足以支持向量機等簡單的算法。

深度學習的未來

深度學習既可以使用普通的有監督學習技術，也可以使用更復雜和更前沿的無監督學習技術。

在有監督學習中，同時提供輸入和輸出變量，并進行分類。當增加更多的輸入數據時，算法只需按照既定過程來生成新結果。這用在很多當前的應用程序中，例如進行Amazon推薦。

在無監督學習中，輸出數據是未知的，因此系統不能根據某個實例而得出自己的結論。它只能使用輸入數據來解決問題。它通過從數據中提取信息來發現相關性，理解底層結構，以便得出自己的結論。這類似于在課堂上以自學方式替代教師教學，這種模型被應用于有監督學習中。

無監督學習的一個例子是，一個系統能獨立地對圖片中的動物進行分類，而并沒有告訴它這些動物是什么。它將通過一個描述過程來完成這一工作，這涉及到根據差異和相似性把數據分類。因此，它根據在像素中找到的顯著特征和相關性，把狗和貓區分開來。

深度學習可以把智能手機照片轉換成模仿大師風格和繪畫技巧的圖畫，這種技術使得俄羅斯移動應用程序Prisma成為俄羅斯最受歡迎的應用程序。

如此強大的技術也可能會產生不太好的后果。例如，它可以用來生成看起來非常逼真的假視頻。

去年，來自斯坦福大學和德國埃朗根紐倫堡大學的研究人員公布了名為Face2Face的一個項目，表明有可能操縱媒體，制造假信息。

該項目采用深度學習算法和商業網絡攝像頭實時重現在YouTube視頻中說話的人的面部表情。讓政治家說真話真的很難。

企業中的深度學習

對于企業來說，如果能看到深度學習帶來的商業利益，就不會再擔心深度學習了。很多企業已經在眾多的應用中研究深度學習，例如在線旅行社Expedia。

當預訂網站的顧客查看酒店列表時，他們首先注意的是房間照片。首先展示最吸引人的照片會提高酒店被選中的概率，但該公司總共擁有295，000多家酒店的1千多萬張照片。人工處理這些照片將是一個沒完沒了的任務。

相反，數據科學團隊使用深度學習來自動對照片進行排序。采用了由亞馬遜開發的一款名為“Human Turk”的眾包產品，從10萬張酒店照片中找出排名前10的照片。對每張照片進行兩次評定，并按旅行者的類型分類。

然后在這一數據集上訓練模型，使其能夠獨立的對照片進行分類。Expedia估計，它能夠在一天內評定一千萬張照片。

科技公司正在試驗各種各樣的深度學習應用程序。特斯拉使用它來幫助其自主車輛學會識別道路上的危險因素，DeepMind通過分析眼睛的數字掃描圖像來檢測威脅視力的疾病，臉書提供給用戶的內容是專門針對用戶興趣而定制的。

數字優先的企業仍然是深度學習的領先者，而這項技術變得越來越成熟，越來越便宜，也更容易使用。深度學習將給各行各業的企業帶來變革。endprint