上一篇，我講了為什么堅(jiān)信人工智能。今天已成歷史。
人工智能，就好像第四次工業(yè)革命，正從學(xué)術(shù)界的私藏，轉(zhuǎn)變?yōu)橐环N能夠改變世界的力量。尤其，以深度學(xué)習(xí)取得的進(jìn)步為顯著標(biāo)志。
它讓匍匐前進(jìn)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(xué)習(xí)帶來的這場(chǎng)重大技術(shù)革命，有可能顛覆過去20年互聯(lián)網(wǎng)對(duì)技術(shù)的認(rèn)知，實(shí)現(xiàn)技術(shù)體驗(yàn)的跨越式發(fā)展。
那么，深度學(xué)習(xí)到底是什么？怎么理解它的重要性？
我們先從概念和現(xiàn)象入手。
我總結(jié)了一句話，學(xué)術(shù)上看未必嚴(yán)謹(jǐn)，但從我的理解角度看——深度學(xué)習(xí)是基于多層神經(jīng)網(wǎng)絡(luò)的，海量數(shù)據(jù)為輸入的，規(guī)則自學(xué)習(xí)方法。
這里包含了幾個(gè)關(guān)鍵詞：
第一個(gè)關(guān)鍵詞叫多層神經(jīng)網(wǎng)絡(luò)。
深度學(xué)習(xí)所基于的多層神經(jīng)網(wǎng)絡(luò)并非新鮮事物，甚至在80年代被認(rèn)為沒前途。但近年來，科學(xué)家們對(duì)多層神經(jīng)網(wǎng)絡(luò)的不斷算法優(yōu)化，使它出現(xiàn)了突破性的進(jìn)展。
以往很多算法是線性的。而這世界上大多數(shù)事情的特征是復(fù)雜非線性的。比如貓的圖像中，就包含了顏色、形態(tài)、五官、光線等各種信息。深度學(xué)習(xí)的關(guān)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(jīng)網(wǎng)絡(luò)比淺層的好處在哪兒呢？
簡(jiǎn)單說，就是可以減少參數(shù)。因?yàn)樗貜?fù)利用中間層的計(jì)算單元。我們還是以認(rèn)貓為例好了。它可以學(xué)習(xí)貓的分層特征：最底層從原始像素開始學(xué)習(xí)，刻畫局部的邊緣和紋；中層把各種邊緣進(jìn)行組合，描述不同類型的貓的器官；最高層描述的是整個(gè)貓的全局特征。
它需要超強(qiáng)的計(jì)算能力，同時(shí)還不斷有海量數(shù)據(jù)的輸入。特別是在信息表示和特征設(shè)計(jì)方面，過去大量依賴人工，嚴(yán)重影響有效性和通用性。深度學(xué)習(xí)則徹底顛覆了“人造特征”的范式，開啟了數(shù)據(jù)驅(qū)動(dòng)的“表示學(xué)習(xí)”范式——由數(shù)據(jù)自提取特征，計(jì)算機(jī)自己發(fā)現(xiàn)規(guī)則，進(jìn)行自學(xué)習(xí)。
你可以理解為——過去，人們對(duì)經(jīng)驗(yàn)的利用，靠人類自己完成。在深度學(xué)習(xí)呢？經(jīng)驗(yàn)，以數(shù)據(jù)形式存在。因此，深度學(xué)習(xí)，就是關(guān)于在計(jì)算機(jī)上從數(shù)據(jù)中產(chǎn)生模型的算法，即深度學(xué)習(xí)算法。
問題來了，幾年前講大數(shù)據(jù)，以及各種算法，與深度學(xué)習(xí)有什么區(qū)別呢？
過去的算法模式，數(shù)學(xué)上叫線性，x和y的關(guān)系是對(duì)應(yīng)的，它是一種函數(shù)體現(xiàn)的映射。但這種算法在海量數(shù)據(jù)面前遇到了瓶頸。國際上著名的ImageNet圖像分類大賽，用傳統(tǒng)算法，識(shí)別錯(cuò)誤率一直降不下去，上深度學(xué)習(xí)后，錯(cuò)誤率大幅降低。在2010年，獲勝的系統(tǒng)只能正確標(biāo)記72%的圖片；到2012年，多倫多大學(xué)的 Geoff Hinton利用深度學(xué)習(xí)的新技術(shù)，帶領(lǐng)團(tuán)隊(duì)實(shí)現(xiàn)了85%的準(zhǔn)確率。2015年的ImageNet競(jìng)賽上，一個(gè)深度學(xué)習(xí)系統(tǒng)以96%的準(zhǔn)確率第一次超過了人類（人類平均有95%的準(zhǔn)確率）。
計(jì)算機(jī)認(rèn)圖的能力，已經(jīng)超過了人。尤其圖像和語音等復(fù)雜應(yīng)用，深度學(xué)習(xí)技術(shù)取得了優(yōu)越的性能。為什么呢？其實(shí)就是思路的革新。
舉幾個(gè)腦洞大開的例子。
?。?）
先說計(jì)算機(jī)認(rèn)貓。
我們通常能用很多屬性描述一個(gè)事物。其中有些屬性可能很關(guān)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(shí)，就是一個(gè)數(shù)據(jù)處理的過程。
傳統(tǒng)算法認(rèn)貓，也是標(biāo)注各種特征去認(rèn)。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(guī)則，機(jī)器學(xué)習(xí)這種規(guī)則。
深度學(xué)習(xí)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(xùn)練一個(gè)深度網(wǎng)絡(luò)，通過深度學(xué)習(xí)自己去學(xué)貓的特征，計(jì)算機(jī)就知道了，誰是貓。