前言：
深度學(xué)習(xí)在新世紀(jì)的第二個(gè)十年強(qiáng)勢(shì)崛起，連接學(xué)派暫時(shí)領(lǐng)先。然而人工智能始終源于多學(xué)科交叉，所以常常是外部力量改變了學(xué)科本身，那么人工智能的新變革會(huì)在哪里發(fā)生？讓我們拭目以待。
前文概要：從80年代開始，機(jī)器學(xué)習(xí)進(jìn)入人工智能舞臺(tái)的中心，開啟了符號(hào)學(xué)派、連接學(xué)派、行為學(xué)派三足鼎立的時(shí)代，直到深度學(xué)習(xí)在新世紀(jì)蘇醒過來……
人工智能之夢(mèng)
——夢(mèng)醒何方（2010至今）
就這樣，在爭(zhēng)論聲中，人工智能走進(jìn)了21世紀(jì)的第二個(gè)十年，似乎一切都沒有改變。但是，幾件事情悄悄地發(fā)生了，它們重新燃起了人們對(duì)于人工智能之夢(mèng)的渴望。
深度學(xué)習(xí)
21世紀(jì)的第二個(gè)十年，如果要評(píng)選出最惹人注目的人工智能研究，那么一定要數(shù)深度學(xué)習(xí)（Deep Learning）了。
2011年，谷歌X實(shí)驗(yàn)室的研究人員從YouTube視頻中抽取出1000萬張靜態(tài)圖片，把它喂給“谷歌大腦”——一個(gè)采用了所謂深度學(xué)習(xí)技術(shù)的大型神經(jīng)網(wǎng)絡(luò)模型，在這些圖片中尋找重復(fù)出現(xiàn)的模式。三天后，這臺(tái)超級(jí)“大腦”在沒有人類的幫助下，居然自己從這些圖片中發(fā)現(xiàn)了“貓”。
2012年11月，微軟在中國的一次活動(dòng)中，展示了他們新研制的一個(gè)全自動(dòng)的同聲翻譯系統(tǒng)——采用了深度學(xué)習(xí)技術(shù)的計(jì)算系統(tǒng)。演講者用英文演講，這臺(tái)機(jī)器能實(shí)時(shí)地完成語音識(shí)別、機(jī)器翻譯和中文的語音合成，也就是利用深度學(xué)習(xí)完成了同聲傳譯。
2013年1月，百度公司成立了百度研究院，其中，深度學(xué)習(xí)研究所是該研究院旗下的第一個(gè)研究所。
……
這些全球頂尖的計(jì)算機(jī)、互聯(lián)網(wǎng)公司都不約而同地對(duì)深度學(xué)習(xí)表現(xiàn)出了極大的興趣。那么究竟什么是深度學(xué)習(xí)呢？
事實(shí)上，深度學(xué)習(xí)仍然是一種神經(jīng)網(wǎng)絡(luò)模型，只不過這種神經(jīng)網(wǎng)絡(luò)具備了更多層次的隱含層節(jié)點(diǎn)，同時(shí)配備了更先進(jìn)的學(xué)習(xí)技術(shù)，如圖1-13所示。
然而，當(dāng)我們將超大規(guī)模的訓(xùn)練數(shù)據(jù)喂給深度學(xué)習(xí)模型的時(shí)候，這些具備深層次結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)仿佛搖身一變，成為了擁有感知和學(xué)習(xí)能力的大腦，表現(xiàn)出了遠(yuǎn)遠(yuǎn)好于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和泛化的能力。
當(dāng)我們追溯歷史，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)其實(shí)早在20世紀(jì)80年代就出現(xiàn)了。然而，當(dāng)時(shí)的深度網(wǎng)絡(luò)并沒有表現(xiàn)出任何超凡能力。這是因?yàn)椋?b>當(dāng)時(shí)的數(shù)據(jù)資源遠(yuǎn)沒有現(xiàn)在豐富，而深度學(xué)習(xí)網(wǎng)絡(luò)恰恰需要大量的數(shù)據(jù)以提高它的訓(xùn)練實(shí)例數(shù)量。
到了2000年，當(dāng)大多數(shù)科學(xué)家已經(jīng)對(duì)深度學(xué)習(xí)失去興趣的時(shí)候，又是那個(gè)杰夫·辛頓帶領(lǐng)他的學(xué)生繼續(xù)在這個(gè)冷門的領(lǐng)域里堅(jiān)持耕耘。起初他們的研究并不順利，但他們堅(jiān)信他們的算法必將給世界帶來驚奇。
驚奇終于出現(xiàn)了，到了2009年，辛頓小組獲得了意外的成功。他們的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在語音識(shí)別應(yīng)用中取得了重大的突破，轉(zhuǎn)換精度已經(jīng)突破了世界紀(jì)錄，錯(cuò)誤率比以前減少了25%?？梢哉f，辛頓小組的研究讓語音識(shí)別領(lǐng)域縮短了至少10年的時(shí)間。就這樣，他們的突破吸引了各大公司的注意。蘋果公司甚至把他們的研究成果應(yīng)用到了Siri語音識(shí)別系統(tǒng)上，使得iPhone5全球熱賣。從此，深度學(xué)習(xí)的流行便一發(fā)不可收拾。
那么，為什么把網(wǎng)絡(luò)的深度提高，配合上大數(shù)據(jù)的訓(xùn)練就能使得網(wǎng)絡(luò)性能有如此大的改善呢？答案是，因?yàn)?b>人腦恰恰就是這樣一種多層次的深度神經(jīng)網(wǎng)絡(luò)。例如，已有的證據(jù)表明，人腦處理視覺信息就是經(jīng)過多層加工完成的。所以，深度學(xué)習(xí)實(shí)際上只不過是對(duì)大腦的一種模擬。
模式識(shí)別問題長久以來是人工智能發(fā)展的一個(gè)主要瓶頸。然而，深度學(xué)習(xí)技術(shù)似乎已經(jīng)突破了這個(gè)瓶頸。有人甚至認(rèn)為，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)已經(jīng)可以達(dá)到2歲小孩的識(shí)別能力。有理由相信，深度學(xué)習(xí)會(huì)將人工智能引入全新的發(fā)展局面。本書第6章將詳細(xì)介紹深度學(xué)習(xí)這一全新技術(shù)，第14章將介紹集智俱樂部下的一個(gè)研究小組對(duì)深度學(xué)習(xí)技術(shù)的應(yīng)用——彩云天氣，用人工智能提供精準(zhǔn)的短時(shí)間天氣預(yù)報(bào)。
模擬大腦
我們已經(jīng)看到，深度學(xué)習(xí)模型成功的秘訣之一就在于它模仿了人類大腦的深層體系結(jié)構(gòu)。那么，我們?yōu)槭裁床恢苯幽M人類的大腦呢？事實(shí)上，科學(xué)家們已經(jīng)行動(dòng)起來了。
例如，德國海德爾堡大學(xué)的FACETS（Fast Analog Computing with Emergent Transient States）計(jì)劃就是一個(gè)利用硬件來模擬大腦部分功能的項(xiàng)目。他們采用數(shù)以千計(jì)的芯片，創(chuàng)造出一個(gè)包含10億神經(jīng)元和1013突觸的回路的人工腦（其復(fù)雜程度相當(dāng)于人類大腦的十分之一）。與此對(duì)應(yīng)，由瑞士洛桑理工學(xué)院和IBM公司聯(lián)合發(fā)起的藍(lán)色大腦計(jì)劃則是通過軟件來模擬人腦的實(shí)踐。他們采用逆向工程方法，計(jì)劃2015年開發(fā)出一個(gè)虛擬的大腦。
然而，這類研究計(jì)劃也有很大的局限性。其中最大的問題就在于：迄今為止，我們對(duì)大腦的結(jié)構(gòu)以及動(dòng)力學(xué)的認(rèn)識(shí)還相當(dāng)初級(jí)，尤其是神經(jīng)元活動(dòng)與生物體行為之間的關(guān)系還遠(yuǎn)遠(yuǎn)沒有建立。例如，盡管科學(xué)家早在30年前就已經(jīng)弄清楚了秀麗隱桿線蟲（Caenorhabditis elegans）302個(gè)神經(jīng)元之間的連接方式，但到現(xiàn)在仍然不清楚這種低等生物的生存行為（例如進(jìn)食和交配）是如何產(chǎn)生的。盡管科學(xué)家已經(jīng)做過諸多嘗試，比如連接組學(xué)（Connectomics），也就是全面監(jiān)測(cè)神經(jīng)元之間的聯(lián)系（即突觸）的學(xué)問，但是，正如線蟲研究一樣，這幅圖譜僅僅是個(gè)開始，它還不足以解釋不斷變化的電信號(hào)是如何產(chǎn)生特定認(rèn)知過程的。
于是，為了進(jìn)一步深入了解大腦的運(yùn)行機(jī)制，一些“大科學(xué)”項(xiàng)目先后啟動(dòng)。2013年，美國奧巴馬政府宣布了“腦計(jì)劃”（Brain Research through Advancing Innovative Neurotechnologies，簡(jiǎn)稱BRAIN）的啟動(dòng)。該計(jì)劃在2014年的啟動(dòng)資金為1億多美元，致力于開發(fā)能記錄大群神經(jīng)元甚至是整片腦區(qū)電活動(dòng)的新技術(shù)。
無獨(dú)有偶，歐盟也發(fā)起了“人類大腦計(jì)劃”（The Human Brain Project），這一計(jì)劃為期10年，將耗資16億美元，致力于構(gòu)建能真正模擬人腦的超級(jí)計(jì)算機(jī)。除此之外，中國、日本、以色列也都有雄心勃勃的腦科學(xué)研究計(jì)劃出爐。這似乎讓人們想到了第二次世界大戰(zhàn)后的情景，各國爭(zhēng)相發(fā)展“大科學(xué)項(xiàng)目”：核武器、太空探索、計(jì)算機(jī)等。腦科學(xué)的時(shí)代已經(jīng)來臨。關(guān)于人腦與電腦的比較，請(qǐng)參見本書第7章。
“人工”人工智能
2007年，一位谷歌的實(shí)習(xí)生路易斯·馮·安（Luis von Ahn）開發(fā)了一款有趣的程序“ReCapture” 卻無意間開創(chuàng)了一個(gè)新的人工智能研究方向：人類計(jì)算。
ReCapture的初衷很簡(jiǎn)單，它希望利用人類高超的模式識(shí)別能力，自動(dòng)幫助谷歌公司完成大量掃描圖書的文字識(shí)別任務(wù)。但是，如果要雇用人力來完成這個(gè)任務(wù)則需要花費(fèi)一大筆開銷。于是，馮·安想到，每天都有大量的用戶在輸入驗(yàn)證碼來向機(jī)器證明自己是人而不是機(jī)器，而輸入驗(yàn)證碼事實(shí)上就是在完成文本識(shí)別問題。于是，一方面是有大量的掃描的圖書中難以識(shí)別的文字需要人來識(shí)別；另一方面是由計(jì)算機(jī)生成一些扭曲的圖片讓大量的用戶做識(shí)別以表明自己的身份。那么，為什么不把兩個(gè)方面結(jié)合在一起呢？這就是ReCapture的創(chuàng)意（如圖1-14所示），馮·安聰明地讓用戶在輸入識(shí)別碼的時(shí)候悄悄幫助谷歌完成了文字識(shí)別工作！
這一成功的應(yīng)用實(shí)際上是借助人力完成了傳統(tǒng)的人工智能問題，馮·安把它叫作人類計(jì)算（Human Computation），我們則把它形象地稱為“人工”人工智能。除了ReCapture以外，馮·安還開發(fā)了很多類似的程序或系統(tǒng)，例如ESP游戲是讓用戶通過競(jìng)爭(zhēng)的方式為圖片貼標(biāo)簽，從而完成“人工”人工分類圖片；Duolingo系統(tǒng)則是讓用戶在學(xué)習(xí)外語的同時(shí)，順便翻譯一下互聯(lián)網(wǎng)，這是“人工”機(jī)器翻譯。
也許，這樣巧妙的人機(jī)結(jié)合才是人工智能發(fā)展的新方向之一。因?yàn)橐粋€(gè)完全脫離人類的人工智能程序?qū)τ谖覀儧]有任何獨(dú)立存在的意義，所以人工智能必然會(huì)面臨人機(jī)交互的問題。而隨著互聯(lián)網(wǎng)的興起，人和計(jì)算機(jī)交互的方式會(huì)更加便捷而多樣化。因此，這為傳統(tǒng)的人工智能問題提供了全新的解決途徑。
然而，讀者也許會(huì)質(zhì)疑，這種摻合了人類智能的系統(tǒng)還能叫作純粹的人工智能嗎？這種質(zhì)疑事實(shí)上有一個(gè)隱含的前提，就是人工智能是一個(gè)獨(dú)立運(yùn)作的系統(tǒng)，它與人類環(huán)境應(yīng)相互隔離。但當(dāng)我們考慮人類智能的時(shí)候就會(huì)發(fā)現(xiàn)，任何智能系統(tǒng)都不能與環(huán)境絕對(duì)隔離，它只有在開放的環(huán)境下才能表現(xiàn)出智能。同樣的道理，人工智能也必須向人類開放，于是引入人的作用也變成了一種很自然的事情。關(guān)于這個(gè)主題，我們將在本書第8章和第9章中進(jìn)一步討論。
結(jié)語
本章介紹了人工智能近60年所走過的曲折道路。也許，讀者所期待的內(nèi)容，諸如奇點(diǎn)臨近、超級(jí)智能機(jī)器人、人與機(jī)器的共生演化等激動(dòng)人心的內(nèi)容并沒有出現(xiàn)，但是，我能保證的，是一段真實(shí)的歷史，并力圖做到準(zhǔn)確無誤。
盡管人工智能這條道路蜿蜒曲折，荊棘密布，但至少它在發(fā)展并不斷壯大。最重要的是，人們對(duì)于人工智能的夢(mèng)想永遠(yuǎn)沒有破滅過。也許人工智能之夢(mèng)將無法在你我的有生之年實(shí)現(xiàn)，也許人工智能之夢(mèng)始終無法逾越哥德爾定理那個(gè)碩大無朋的“如來佛手掌”，但是，人工智能之夢(mèng)將永遠(yuǎn)驅(qū)動(dòng)著我們不斷前行，挑戰(zhàn)極限。
推薦閱讀
關(guān)于希爾伯特、圖靈、哥德爾的故事和相關(guān)研究可以閱讀《哥德爾、艾舍爾、巴赫：集異璧之大成》一書。
關(guān)于馮·諾依曼，可以閱讀他的傳記：《天才的拓荒者：馮·諾依曼傳》。關(guān)于維納，可以參考他的著作《控制論》。
若要全面了解人工智能，給大家推薦兩本書：Artificial Intelligence: A Modern Approach和Artificial Intelligence: Structures and Strategies for Complex Problem Solving。
了解機(jī)器學(xué)習(xí)以及人工神經(jīng)網(wǎng)絡(luò)可以參考Pattern Recognition和Neural Networks and Learning Machines。
關(guān)于行為學(xué)派和人工生命，可以參考《數(shù)字創(chuàng)世紀(jì)：人工生命的新科學(xué)》以及人工生命的論文集。
若要深入了解貝葉斯網(wǎng)絡(luò)，可以參考Causality: Models, Reasoning, and Inference。
深入了解胡特的通用人工智能理論可以閱讀Universal Artificial Intelligence: Sequential Decisions Based on Algorithmic Probability。
關(guān)于深度學(xué)習(xí)方面的知識(shí)可參考網(wǎng)站：http://deeplearning.net/reading-list/，其中有不少綜述性的文章。
人類計(jì)算方面可以參考馮·安的網(wǎng)站：http://www.cs.cmu.edu/~biglou/。
參考文獻(xiàn)
1?候世達(dá)，嚴(yán)勇，劉皓. 哥德爾、艾舍爾、巴赫：集異璧之大成. 莫大偉 譯. 北京：商務(wù)印書館，1997.
2?諾曼·麥克雷. 天才的拓荒者：馮·諾伊曼傳. 范秀華，朱朝輝 譯. 上海：上?？萍冀逃霭嫔?，2008.
3?維納. 控制論：或關(guān)于在動(dòng)物和機(jī)器中控制和通信的科學(xué). 郝季仁 譯. 北京：北京大學(xué)出版社，2007.
4?Luger G F. Artificial intelligence: structures and strategies for complex problem solving (6th Edition). Addison-Wesley, 2008.
5?Russel S K, Norvig P. Artificial Intelligence: A Modern Approach (2nd Edition). Prentice Hall, 2002.
6?Theodoridis S, Koutroumbas K. Pattern Recognition (2nd edition). Academic Press, 2008.
7?Haykin S O. Neural Networks and Learning Machines (3rd Edition). Prentice Hall, 2000.
8?李建會(huì)，張江. 數(shù)字創(chuàng)世紀(jì)：人工生命的新科學(xué). 北京：科學(xué)出版社，2006.
9?Pearl J. Causality: models, reasoning, and inference. Cambridge University Press, 2000.
10?Hutter M. Universal Artificial Intelligence:Sequential Decisions based on Algorithmic Probability. Springer, 2005.
作者簡(jiǎn)介
張江，集智俱樂部主要發(fā)起人和核心成員，2014~2015年度集智輪值主席?，F(xiàn)在北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院任教，教授。主要從事有關(guān)計(jì)算機(jī)模擬和人工智能的教學(xué)工作以及復(fù)雜系統(tǒng)的相關(guān)研究工作。研究興趣包括異速生長律、開放流網(wǎng)絡(luò)、注意力流與互聯(lián)網(wǎng)等。代表作品有：論文Allometry and dissipation of ecological flow networks（PLoS ONE 2013, 8(9): e72525.）、論文The Metabolism and Growth of Web Forums （PLoS ONE 20149(8): e102646），著有《數(shù)字創(chuàng)世紀(jì)：人工生命的新科學(xué)》（科學(xué)出版社，2006）一書。
（完）
張江：《人工智能之夢(mèng)》系列
人工智能之夢(mèng)——夢(mèng)的開始（1900-1956）
人工智能之夢(mèng)——夢(mèng)的延續(xù)（1956-1980）
人工智能之夢(mèng)——夢(mèng)醒何方（2010至今）
原書：《科學(xué)的極致：漫談人工智能》豆瓣評(píng)分8.3
https://book.douban.com/subject/26546914/
共計(jì)四期的《人工智能之夢(mèng)》到此全部結(jié)束，本系列以時(shí)間順序整體介紹了人工智能六十年的歷史，許多細(xì)節(jié)一筆帶過。后續(xù)的 AI 簡(jiǎn)史，我們將對(duì)人工智能具體應(yīng)用或技術(shù)領(lǐng)域的發(fā)展，例如深度學(xué)習(xí)等，做更加深入的介紹。敬請(qǐng)期待。
集智AI學(xué)園QQ群：426390994
學(xué)園網(wǎng)站：campus.swarma.org
商務(wù)合作｜zhangqian@swarma.org
投稿轉(zhuǎn)載｜wangjiannan@swarma.org
