打造可以自己学习的计算机系统

jack

谷歌 、脸书等商业巨头正在开发可以自我学习的技术 ，并取得了诸多进展 。他们的研究在很大程度上依赖一种叫深度学习的技术 。
深度学习网络源于一个有着几十年历史的观点 ：如果计算机运行的方式更接近人脑 ，就会变得更智能 。这样的深度学习网络由多个相互连接的 C P U层组成 ，这些 C P U又叫人工神经元 。
每层人工神经元都会对输入信息 （例如一张需要分类的图片 ）做出不同的处理 。

和传统的神经网络相比 ，深度学习神经网络的层数要多得多 。网络的深度越大 （也就是层数越多 ） ，它能提取的内容就越抽象 。 2 0 0 5年前后 ，多伦多大学的杰弗里 ·辛顿 （ G e o f f r e y H i n t o n ） 、蒙特利尔大学的约书亚 ·本吉奥 （ Y o s h u a B e n g i o ）和纽约大学的杨立昆 （ Y a n n L e C u n ）这 3位科学家大幅推动了深度学习技术的进步 ，但直到最近深度学习才开始在市场中获得应用 。

一个例子是谷歌在 2 0 1 5年 5月上线的 G o o g l e P h o t o s应用 。这款应用可以上传我的 i P h o n e里的所有图片 ，正确地识别出我的妻子 、儿子和孙子 ，然后把他们的照片分别归类到独立的文件夹里 ，并用缩略图打上标签 。这款应用之所以能做到这点 ，是因为系统已经分析了数百万张图片 ，学会了如何识别人脸 。随着神经网络逐层处理图片 ，软件可以越来越抽象地识别图片中的元素 ，直到从图片中识别出完整的人脸 。在用足够多的人脸图片训练系统后 ，它就能在从未见过的图片里找出一个人的鼻子和嘴巴的位置 。深度学习能做的东西远远不止整理图片 。事实上 ，这项技术标志着我们朝着真正的人工智能前进了一步 ，这样的人工智能将拥有几乎与人类一样的智能行为 。


2 0 1 5年 2月 ， D e e p M i n d公司 （ 2 0 1 4年被谷歌以 6 . 1 7亿美元的价格收购 ）的一组人工智能学家报告了他们的结果 ：他们用深度学习技术搭建了一台可以自我训练的计算机 ，可以玩雅达利 （ A t a r i ）上的电子游戏 。经过多次训练后 ，这台计算机可以在一半的游戏中击败人类高手玩家 。虽然这只是一小步 ，但机器时代总要有个起点嘛 。