人工智能，就好像第四次工業革命，正從學術界的私藏，轉變為一種能夠改變世界的力量。尤其，以深度學習取得的進步為顯著標志。　　它讓匍匐前進60年的人工智能一鳴驚人。　　我們正降落到一片新大陸。

　　人工智能，就好像第四次工業革命，正從學術界的私藏，轉變為一種能夠改變世界的力量。尤其，以深度學習取得的進步為顯著標志。

　　它讓匍匐前進60年的人工智能一鳴驚人。

　　我們正降落到一片新大陸。深度學習帶來的這場重大技術革命，有可能顛覆過去20年互聯網對技術的認知，實現技術體驗的跨越式發展。

　　那么，深度學習到底是什么？怎么理解它的重要性？

　　我們先從概念和現象入手。

　　我總結了一句話，學術上看未必嚴謹，但從我的理解角度看——深度學習是基于多層神經網絡的，海量數據為輸入的，規則自學習方法。

　　這里包含了幾個關鍵詞：

　　第一個關鍵詞叫多層神經網絡。

　　深度學習所基于的多層神經網絡并非新鮮事物，甚至在80年代被認為沒前途。但近年來，科學家們對多層神經網絡的不斷算法優化，使它出現了突破性的進展。

　　以往很多算法是線性的。而這世界上大多數事情的特征是復雜非線性的。比如貓的圖像中，就包含了顏色、形態、五官、光線等各種信息。深度學習的關鍵就是通過多層非線性映射將這些因素成功分開。

　　那為什么要深呢？多層神經網絡比淺層的好處在哪兒呢？

　　簡單說，就是可以減少參數。因為它重復利用中間層的計算單元。我們還是以認貓為例好了。它可以學習貓的分層特征：最底層從原始像素開始學習，刻畫局部的邊緣和紋；中層把各種邊緣進行組合，描述不同類型的貓的器官；最高層描述的是整個貓的全局特征。

　　它需要超強的計算能力，同時還不斷有海量數據的輸入。特別是在信息表示和特征設計方面，過去大量依賴人工，嚴重影響有效性和通用性。深度學習則徹底顛覆了“人造特征”的范式，開啟了數據驅動的“表示學習”范式——由數據自提取特征，計算機自己發現規則，進行自學習。

　　你可以理解為——過去，人們對經驗的利用，靠人類自己完成。在深度學習呢？經驗，以數據形式存在。因此，深度學習，就是關于在計算機上從數據中產生模型的算法，即深度學習算法。

　　問題來了，幾年前講大數據，以及各種算法，與深度學習有什么區別呢？

　　過去的算法模式，數學上叫線性，x和y的關系是對應的，它是一種函數體現的映射。但這種算法在海量數據面前遇到了瓶頸。國際上著名的ImagineNet圖像分類大賽，用傳統算法，識別錯誤率一直降不下去，上深度學習后，錯誤率大幅降低。在2010年，獲勝的系統只能正確標記72%的圖片；到2012年，多倫多大學的GeoffHiton利用深度學習的新技術，帶領團隊實現了85%的準確率。2015年的ImagineNet競賽上，一個深度學習系統以96%的準確率第一次超過了人類（人類平均有95%的準確率）。

　　計算機認圖的能力，已經超過了人。尤其圖像和語音等復雜應用，深度學習技術取得了優越的性能。為什么呢？其實就是思路的革新。

　　舉幾個腦洞大開的例子。

　　1.先說計算機認貓。

　　我們通常能用很多屬性描述一個事物。其中有些屬性可能很關鍵，很有用，另一些屬性可能沒什么用。我們就將屬性被稱為特征。特征辨識，就是一個數據處理的過程。

　　傳統算法認貓，也是標注各種特征去認。就是大眼睛，有胡子，有花紋。但這種特征寫著寫著，有的貓和老虎就分不出來，狗和貓也分不出來。這種方法叫——人制定規則，機器學習這種規則。

　　深度學習方法怎么辦呢？直接給你百萬張圖片，說這里有貓，再給你上百萬張圖，說這里沒貓。然后再訓練一個深度網絡，通過深度學習自己去學貓的特征，計算機就知道了，誰是貓。

　　2.第二個例子是谷歌訓練機械手抓取。

　　傳統方法肯定是看到那里有個機械手，就寫好函數，move到xyz標注的空間點，利用程序實現一次抓取。

　　而谷歌現在用機器人訓練一個深度神經網絡，幫助機器人根據攝像頭輸入和電機命令，預測抓取的結果。簡單說，就是訓練機器人的手眼協調。機器人會觀測自己的機械臂，實時糾正抓取運動。

　　所有行為都從學習中自然浮現，而不是依靠傳統的系統程序。

　　為了加快學習進程，谷歌用了14個機械手同時工作，在將近3000小時的訓練，相當于80萬次抓取嘗試后，開始看到智能反應行為的出現。據公開資料，沒有訓練的機械手，前30次抓取失敗率為34%，而訓練后，失敗率降低到18%。

　　這就是一個自我學習的過程。

　　3.有人問了，深度學習，能學習寫文章嗎？

　　來看這個例子。斯坦福大學的計算機博士andrejkapathy曾用托爾斯泰的小說《戰爭與和平》來訓練神經網絡。每訓練100個回合，就叫它寫文章。100個回合后，機器知道要空格，但仍然有亂碼。500個回合后，能正確拼寫一些短單詞。1200個回合后，有標點符號和長單詞。2000個回合后，已經可以正確拼寫更復雜的語句。

　　整個演化過程是個什么情況呢？

　　以前我們寫文章，只要告訴主謂賓。而以上過程，完全沒人告訴機器語法規則。甚至，連標點和字母區別都不用告訴它。不告訴機器任何程序。只是不停將原始數據進行訓練，一層一層訓練，最后輸出結果——就是一個個看得懂的語句。

　　一切看起來都很有趣。人工智能與深度學習的美妙之處，也正在于此。

　　4.我還去硅谷看過一家公司——完全顛覆以往的算法，利用深度學習實現圖像深度信息的采集。

　　眾所周知，市面上已經有無人機，可實現人的跟蹤。它的方法是什么呢？一個人，在圖像系統里，一堆色塊的組合。通過人工的方式進行特征選擇，比如顏色特征，梯度特征。拿簡單的顏色特征舉例：比如你穿著綠色衣服，突然走進草叢，就可能跟丟。或，他脫了件衣服，幾個人很相近，也容易跟丟。

　　此時，若想在這個基礎上繼續優化，將顏色特征進行某些調整，是非常困難的。而且調整后，還會存在對過去某些狀況不適用的問題。

　　總之，這樣的算法需要不停迭代，迭代又會影響前面的效果。

　　而硅谷這個團隊，利用深度學習，把所有人腦袋做出來，只區分好前景和背景。區分之后，背景全部用數學方式隨意填充，再不斷生產大量背景數據，進行自學習。只要把前景學習出來就行。

　　據我所知，很多傳統方法，還在采用雙目視覺。用計算機去做局部匹配，再根據雙目測出的兩個匹配的差距，去推算空間另一個點和它的三角位置，從而判斷離你多遠。

　　可想而知，深度學習的出現，使得很多公司辛苦積累的軟件算法直接作廢了。

　　“算法為核心競爭力”，正在轉變為，“數據為核心競爭力”。

　　技術人員必須進入新的起跑線。

　　5.最后再舉個例子。

　　大家都做過胃鏡。尤其胃痛，很痛苦。腸胃鏡要分開做，而且小腸看不見。

　　有一家公司出了一種膠囊攝像頭。吃進去后，在你的消化道，每5秒拍一幅圖，連續攝像，此后再排出膠囊。所有關于腸道胃部的問題，全部完整記錄。但醫生光把那個圖看完，就需要五個小時。原本的機器主動檢測漏檢率高，要醫生復查。

　　后來，他們采用深度學習。采集8000多例圖片數據灌進去，用機器不斷學，不僅提高診斷精確率，減少了醫生的漏診，以及對稀缺好醫生的經驗依賴。只需要靠機器自己去學習規則。

　　深度學習算法，可以幫助醫生作出決策。

　　了解完深度學習，接著思考一個問題——20世紀70年代末80年代初，個人電腦突飛猛進時，人工智能的商業化卻步履維艱。喬布斯曾這樣定義個人計算機的價值——“它是我們思維的自行車”。那么，今天的人工智能呢？深度學習呢？它給我們真正帶來的東西是什么？未來，對行業和社會有什么影響？中國公司的機會在哪？