深度学习带来的科技革命：人工智能

在人工智能领域，机器学习是一门建立在数据研究之上的学科，可以用来分析如个体收入与年龄、性别、职业和学历等这类以数据为支撑的生理或生活要素之间的数学关系。这些关系，通常不是一个彼此关联的线性关系。因而，依靠传统的人工智能机器学习，根本不能表达清楚各要素间的关系。在这种情形下，机器学习的分支——深度学习就出现了。深度学习，通过对复杂的非线性模型进行使用来表示数据之间的关系，最终确定这些数据之间的关系是怎样的呈现方式。

相比通过标记数据进行有监督学习的传统人工智能的机器学习来说，深度学习能处理不断增加的海量数据，通过不断训练来自行掌握概念，这种学习方式更接近于人脑。深度学习算法能做到传统人工智能算法无法做到的事，大幅度提高了计算机处理信息的效率，同时还让输出结果获得了指数级增长。由此，深度学习算法在输出更加准确的结果、提供更好的服务时，产生的效果也会呈滚动式增大。这种效果不仅体现在人工智能领域，还体现在机器人技术、社会物理学、交通、能源、气象和信息化医疗等各个领域。正因为如此，有人指出，深度学习将引爆下一次科技革命。

人的大脑可以说是一个极复杂的深度学习模型。深度学习就是借助这个模型，让数以千亿计人工神经元的结构发挥作用，通过将线性或非线性运算结果向后续的神经元进行传递，经过十几层甚至上百层的传递而得到最终的预测结果。由此，深度学习在语音识别、计算机视觉和自然语言处理等领域，均超过了传统的机器学习方法，在一些方面甚至超过了人类的识别能力。

人工智能的核心在于处理数据。随着信息化程度的普及，数据产生每天以天文级数增长，处理大数据的准确性和效率就显得很迫切。在通常情况下，收集到的数据越多，越有助于提高预测结果的准确性。但是，如果没有高效的处理工具，大数据就不能经过处理而成为有价值的情报。深度学习就是用来解决快速处理海量数据的。以百度美国大数据处理为例。其数据处理分为三个层级，由上到下分别为百度大脑、数据工厂和开放云。开放云收集数据，由数据工厂对数据进行管理，由百度大脑模拟神经网络通过输出结果来实现行业应用。而深度学习就处在百度大脑环节，通过更好的信息处理能力，将行业应用变得更加广泛和深入。

百度大数据应用，目前已深入到医疗、交通和能源领域。可以说，信息化的快速发展已经让大数据变成了各行业的运营基础。而深度学习就成了帮助行业处理数据，实现具体应用的必要工具。因而，深度学习因为拥有大数据和具有高性能的计算能力，所以让人工智能一跃而超越人类。在高性能计算能力方面，以GoogleBrain为例。2011年时，其1000台机器、16000个CPU处理的深度学习模型约有10亿个神经元，而进入2016年时，几台CPU就能胜任它们的计算了。实际上，目前的智能手机可以运行一些复杂度一般的深度学习算法。有人为此预言，再过若干年，手机就能具有像人脑一样复杂的人工神经网络。

首先以机器人为例。美国康奈尔大学正在研发基于“元认知”的机器人。不同于传统的机器人，他们事先并没有给这些机器人进行行为上的编程，而是让它们自由活动，进而具备自我学习能力和进化能力。他们对这种机器人的定位是：它们决定自己行走的方式、具有自我感觉，具有人性，更像人类。在技术上，他们将这类机器人的大脑设计成两层结构。一层感知自我，一层感知外界，通过这种现实与虚拟之间的转换来让它们能进行具有自我意识的认识和思考。这实际上是通过“对思考进行思考”的方式来培养机器的自我设计能力。(www.xing528.com)

机器设计是智能机器的能力之一。康奈尔大学Hod Lipson教授认为，之所以能够制造出拥有“自我意识”的机器人，得益于深度学习技术的成熟。随着深度神经网络的训练取得让人满意的效果，让拥有自我意识和学习能力的机器人的出现成为可能。

有了自我意识和学习能力的机器人，也就让它们有了更广阔的应用。比如说，将它们应用于医疗行业。这时，机器人因为了解人类的感受，也就能更具有“责任心”地为病人进行更好的护理。目前，康奈尔大学研制的机器人，已经用在了医疗服务领域。2015年，在欧盟的RoboEarth项目中，4个机器人通过与云端服务器的交互来取得交流，以通过协作的方式来照顾病人。比如说，一个机器人将扫描后的医院房间设置图上传到RoboEarth，而另一个对该房间不熟悉的机器人，只需访问云端的设置图，就能来到该房间找到一杯水，而不需要进入该房间进行搜索。机器人能做到这一步，靠的就是深度学习技术。并且，随着研发的深入，机器人的形态将逐渐向高级形态进行自然进化。并且，机器的深度学习能力是呈加速度进化的。随着时间的推移，这种进化在多样性、复杂性和进化力方面也会相应地得以增长。

其次以信息医疗为例。由全球老龄化加剧给社会带来的负担是，医疗开销超过了经济增长。为解决这个问题，医疗信息化和数字诊断、移动智能设备的普及、医疗设备的数字化和云计算等都成为解决问题的最佳途径。随着体征检测的指标越来越多，医疗也就变成了一个数据处理过程。由此，大量数据也就随着产生。这时，就需要深度学习技术来提供强大的数据处理能力。而在诊断时，机器会完全依据数据处理结果来给出客观配方，而不会像人类那样会存在情感上的误判。这就让医疗诊断的发展，需要深度学习的有力支持。在国内，百度的大数据引擎可以对全国331个地级市，2870个区县的四种疾病进行未来趋势的预测。其中，深度学习技术发挥了重要作用。在美国，波士顿Beth Israel Deaconess医疗中心正在使用机器学习算法来解决数据质量问题。

深度学习是对人脑的一种模拟，进而能完成很多人脑的功能，被应用于行业的不同方面。同时，它也深刻改变着机器人领域。它的应用，除了涉及人们看得见的方面，还涉及人们视线之外的方面。比如说，互联网搜索、广告推荐、金融量化交易和机器翻译等需要从大数据中预测未知信息的领域。因而，有识之士指出，以深度学习为代表的人工智能技术，也会像蒸汽机、电动机和计算机一样，推动新一轮技术革命，引领人类实现变革性发展。