2017年8月,，在美國(guó)西雅圖舉辦的Dota2(一款電子競(jìng)技游戲)國(guó)際錦標(biāo)賽現(xiàn)場(chǎng),，計(jì)算機(jī)擊敗了世界頂級(jí)玩家,。在一場(chǎng)單對(duì)單的表演賽中，由OpenAI機(jī)構(gòu)設(shè)計(jì)的人工智能打敗了職業(yè)玩家Dendi。OpenAI直接拿下了第一場(chǎng)比賽，并在第二場(chǎng)比賽迫使Dendi認(rèn)輸,，第三場(chǎng)比賽也沒(méi)有再進(jìn)行。也許Dendi覺(jué)得取勝完全無(wú)望,。

　　西雅圖的鑰匙體育館內(nèi)舉辦的Dota2國(guó)際邀請(qǐng)賽中,，數(shù)以萬(wàn)計(jì)的觀眾重新見(jiàn)到了TI1冠軍成員、Dota2的代言人之一——Dendi,。他這次的對(duì)手是一枚U盤——這是人工智能第一次在一個(gè)游戲的公開(kāi)比賽中挑戰(zhàn)人類選手,。這讓很多過(guò)去在游戲中以打電腦為樂(lè)的玩家驚訝了。

　　“打游戲要比下棋更加復(fù)雜,。”清華大學(xué)研究人工智能的博士傅昆,，是位圍棋迷和游戲愛(ài)好者,。他解釋說(shuō)，圍棋每步的可能性只有361種,，而在即時(shí)戰(zhàn)略游戲中,，玩家用鼠標(biāo)點(diǎn)擊下達(dá)命令的每步可能性超過(guò)1億種。此外,，圍棋全盤的信息是完整的,，所有推測(cè)可以基于盤面情況。但AI在游戲中獲取到的信息并不完整,，它必須學(xué)習(xí)規(guī)劃,、設(shè)局甚至欺騙對(duì)手,。

　　電子游戲正成為人工智能研究的理想訓(xùn)練場(chǎng)，OpenAI是特斯拉創(chuàng)始人馬斯克旗下的人工智能研究機(jī)構(gòu),。OpenAI官方介紹,，這次為DOTA2研發(fā)的人工智能是完全自學(xué)訓(xùn)練的結(jié)果。而試圖通過(guò)游戲來(lái)測(cè)試技術(shù)的公司并不只有OpenAI,。Google公司旗下的DeepMind,，也就是開(kāi)發(fā)人工智能AlphaGo登頂世界圍棋之巔的機(jī)構(gòu)，已經(jīng)對(duì)外透露準(zhǔn)備選擇“星際爭(zhēng)霸2”游戲,，進(jìn)一步測(cè)試技術(shù),。

　　但無(wú)論是下圍棋，還是打游戲,，這些人機(jī)對(duì)弈,，看上去更像是普及人工智能的秀場(chǎng)。當(dāng)人工智能快速進(jìn)入大眾視野,，它背后更大的潛力卻仍在深入挖掘當(dāng)中,。

　　計(jì)算機(jī)與人類在棋盤上對(duì)壘,，并不是第一天,。相比傳統(tǒng)的計(jì)算機(jī)，當(dāng)代人工智能的強(qiáng)大之處在于：機(jī)器會(huì)學(xué)習(xí),，會(huì)成長(zhǎng),。

　　程序員們一直在用棋盤檢驗(yàn)和發(fā)展計(jì)算機(jī)的能力。1997年,，IBM公司的人工智能“深藍(lán)”打敗國(guó)際象棋世界冠軍卡斯帕羅夫,，這是人工智能第一次打敗人類頂級(jí)棋手。2006年成為了人類在國(guó)際象棋的絕唱,，自此之后,，國(guó)際象棋選手再也沒(méi)有戰(zhàn)勝過(guò)頂尖的人工智能。

　　盡管20年前就攻克了國(guó)際象棋,，但圍棋一直被視為人工智能難以破解的游戲,。圍棋規(guī)則簡(jiǎn)單，然而在19×19的棋盤上卻生出巨大的復(fù)雜性,，一局100多回合的對(duì)弈,，個(gè)中變化遠(yuǎn)遠(yuǎn)超過(guò)國(guó)際象棋。

　　更棘手的是,，圍棋在對(duì)弈過(guò)程中,，有難以量化的東西。很多頂級(jí)棋手常常依靠直覺(jué)這類模糊的判斷,。而強(qiáng)大的超級(jí)計(jì)算機(jī),，過(guò)去只能依靠在合理的時(shí)間內(nèi),，分析出每種走法可能的結(jié)果。此前的人工智能并不擅長(zhǎng)學(xué)習(xí)人類的思維,，去做這類模糊判斷,。

　　人類本以為可以保持最后一點(diǎn)對(duì)機(jī)器的驕傲更久一些。一些棋手和計(jì)算機(jī)學(xué)家都曾坦承,，如果往前推幾年,，很難想象，人工智能會(huì)在近年來(lái)變得如此強(qiáng)大,。

　　那么,，為什么AlphaGo能突然崛起，擊敗那么多圍棋棋手?

　　回顧AlphaGo擊敗頂級(jí)圍棋棋手的過(guò)程,，可以領(lǐng)教到它的學(xué)習(xí)和進(jìn)化能力：

　　2015年10月,，第一代AlphaGo以5∶0第一次擊敗歐洲冠軍樊麾;

　　2016年3月，第二代AlphaGo以4∶1擊敗李世石,，過(guò)去10年里最偉大的圍棋選手之一,。與上一代機(jī)器相比，這代的機(jī)器棋力高出3子,。

　　2017年5月,，第三代AlphaGo以總比分3：0擊敗世界排名第一的棋手柯潔。相比于擊敗李世石的版本,，這個(gè)版本的人工智能,，棋力再次提升3子。

　　人工智能突然令棋盤之上的博弈變得無(wú)限未知,，年輕的棋手柯潔因?yàn)閷?duì)手“太完美”“輸?shù)脹](méi)脾氣”,，在第三局對(duì)弈時(shí)甚至中途崩潰，痛哭二十分鐘,。

　　相比于擊敗頂尖棋手,，這才是人工智能真正的可怕之處。人類棋手一輩子難以跨越的鴻溝,，而AlphaGo只花了數(shù)個(gè)月的時(shí)間學(xué)習(xí)和進(jìn)步,。

　　AlphaGo的不可阻擋，關(guān)鍵答案叫做：深度學(xué)習(xí),。傅昆解釋說(shuō)，將人工智能,、深度學(xué)習(xí)等關(guān)系,，放在同心圓當(dāng)中，最外面的圓環(huán)是人工智能,，里面的一層是機(jī)器學(xué)習(xí),，深度學(xué)習(xí)和人工神經(jīng)網(wǎng)絡(luò)則在最中心,。

　　AlphaGo的深度學(xué)習(xí)，使用了兩個(gè)人工神經(jīng)網(wǎng)絡(luò)的計(jì)算策略,，它們各有所長(zhǎng)——像人腦中的模塊一樣,，其中一個(gè)通過(guò)大量的棋局分析訓(xùn)練提出一些可能的走法，另外一個(gè)網(wǎng)絡(luò)負(fù)責(zé)根據(jù)隨機(jī)采樣技術(shù)來(lái)評(píng)估這些走法,。這些神經(jīng)網(wǎng)絡(luò)通過(guò)這種新的方法訓(xùn)練,，結(jié)合人類比賽中學(xué)到的監(jiān)督學(xué)習(xí)，以及在自己和自己下棋的過(guò)程中強(qiáng)化學(xué)習(xí),。

　　人工神經(jīng)網(wǎng)絡(luò)的概念,，源自人類的大腦皮層。在生物的大腦中,，每個(gè)神經(jīng)元都能被其他神經(jīng)元觸發(fā),，將輸出的信號(hào)饋送給另一個(gè)神經(jīng)元，并不斷輸出和觸發(fā),。計(jì)算機(jī)算法也希望實(shí)現(xiàn)類似的認(rèn)知方式,，通過(guò)排列出多個(gè)神經(jīng)層，層與層之間互相關(guān)聯(lián),。神經(jīng)層越多,，整個(gè)網(wǎng)絡(luò)也就越具深度，功能也就更強(qiáng)大,。通過(guò)輸入和輸出數(shù)據(jù),，不斷調(diào)整判斷權(quán)重，使輸出結(jié)果逐漸走向準(zhǔn)確,。

　　正是這個(gè)神經(jīng)網(wǎng)絡(luò),，把人類的直覺(jué)賦予了計(jì)算機(jī)。谷歌DeepMind機(jī)構(gòu)2016年1月發(fā)表在《自然》雜志上的論文顯示,，早前一代版本的AlphaGo輸入了16萬(wàn)盤人類棋手的棋譜,，學(xué)習(xí)了人類落子布局的特征后，它又自我對(duì)弈3000萬(wàn)盤,，不斷提高神經(jīng)網(wǎng)絡(luò)的精度,。

　　據(jù)DeepMind機(jī)構(gòu)官方透露，對(duì)壘李世石之后,，AlphaGo經(jīng)歷了一輪新的進(jìn)化：整個(gè)系統(tǒng)架構(gòu)經(jīng)過(guò)了重新設(shè)計(jì),，神經(jīng)網(wǎng)絡(luò)從原來(lái)的12層增加到40層，而且不再借助人類棋譜,，完全通過(guò)機(jī)器的自我對(duì)弈來(lái)訓(xùn)練——通過(guò)這種自我對(duì)弈產(chǎn)生高質(zhì)量的數(shù)據(jù),，成為一個(gè)能夠自主學(xué)習(xí)、自我適應(yīng)的智能體。

　　此外,，技術(shù)的進(jìn)步,，也提高了AlphaGo的訓(xùn)練效率。經(jīng)過(guò)一年的算法結(jié)構(gòu)優(yōu)化,，從李世石版的50個(gè)TPU(谷歌專門為機(jī)器學(xué)習(xí)而設(shè)計(jì)的處理器)并行式運(yùn)算,，AlphaGo變成由4個(gè)TPU組成“單機(jī)版”，運(yùn)算量降低了90%,。計(jì)算力的提升意味著,，過(guò)去一個(gè)月取得的進(jìn)步，現(xiàn)在一周就能達(dá)到,。

　　人工智能AlphaGo進(jìn)步之神速,，令研發(fā)者自己也感到意外。其思考接近人類,，實(shí)現(xiàn)了從“計(jì)算”到“智能”的超越,。英國(guó)BBC的一檔節(jié)目中，主持人問(wèn)到研發(fā)DeepMind的科學(xué)家哈薩比斯：“在你看到AlphaGo獲勝之后,，你也很驚訝?”

　　哈薩比斯表示：“是的,，我們對(duì)這臺(tái)機(jī)器的能力很震驚，因?yàn)锳lphaGo居然有自己的棋路……”

　　如果人工智能可以在幾年的時(shí)間內(nèi)把一個(gè)機(jī)器訓(xùn)練成圍棋大師,，那么，機(jī)器是否也可以訓(xùn)練成一個(gè)醫(yī)生,、一個(gè)程序員,，甚至一個(gè)作家、一個(gè)藝術(shù)家?

　　2017年2月,，《鳳凰周刊》記者曾在美國(guó)科學(xué)促進(jìn)會(huì)的年會(huì)現(xiàn)場(chǎng)上,，看到斯坦福大學(xué)的人工智能研究者在一場(chǎng)講座上介紹他們的機(jī)器學(xué)習(xí)成果。臺(tái)下除了計(jì)算機(jī)從業(yè)人員,，還有醫(yī)學(xué)領(lǐng)域研究者,。

　　2015年，計(jì)算機(jī)科學(xué)家塞巴斯蒂安·特龍(Sebastian Thrun)博士,，測(cè)試了機(jī)器從教材圖像的學(xué)習(xí)成果,，最終，人工智能打敗了皮膚科醫(yī)生,。讓機(jī)器看片子,，正是人工智能和深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的典型應(yīng)用。事實(shí)上,，近年來(lái)人工智能正在給醫(yī)學(xué)領(lǐng)域帶來(lái)巨大沖擊,。2017年1月底的《自然》雜志封面是一篇人工智能識(shí)別皮膚癌的論文,，《自然》雜志的子刊《自然-生物醫(yī)學(xué)工程》在2017年2月推出“機(jī)器學(xué)習(xí)”的特刊，介紹人工智能在醫(yī)療領(lǐng)域的廣泛應(yīng)用,。

　　這一領(lǐng)域的風(fēng)向標(biāo)事件發(fā)生在2015年。此前曾在斯坦福大學(xué)任教的計(jì)算機(jī)科學(xué)家塞巴斯蒂安·特龍(Sebastian Thrun)博士,，在那一年測(cè)試了機(jī)器從教材圖像的學(xué)習(xí)成果,。他們采用由皮膚科醫(yī)生給出診斷結(jié)果的大約14000張圖像，測(cè)試機(jī)器能否將圖像正確歸到以下三類——良性病變,、惡性病變和非腫瘤學(xué)增生,。

　　最終，人工智能打敗了皮膚科醫(yī)生,。在第一輪測(cè)試中,，人工智能系統(tǒng)得到了72%的正確率，而2名經(jīng)過(guò)斯坦福大學(xué)董事會(huì)認(rèn)證的皮膚科醫(yī)生同時(shí)參加測(cè)試,，他們只得到66%的正確率,。接著，特龍博士的團(tuán)隊(duì)又將研究范圍擴(kuò)大到25名皮膚科醫(yī)師,，使用了更準(zhǔn)確的評(píng)價(jià)標(biāo)準(zhǔn),，結(jié)果，人工智能再次取得了勝利,。

　　“在每次測(cè)試中,，算法均優(yōu)于專業(yè)的皮膚科醫(yī)師?！碧佚埖膱F(tuán)隊(duì)后來(lái)在《自然》雜志發(fā)表的論文中稱,，這一成果的背后，是數(shù)以萬(wàn)計(jì)的臨床圖片深度學(xué)習(xí),，且圖片閱讀量還在增加,。

　　在此之前，醫(yī)療領(lǐng)域以往也有過(guò)計(jì)算機(jī)做自動(dòng)化診斷,，但由這種機(jī)器醫(yī)療的結(jié)果是,，診斷效果準(zhǔn)確率可疑，比如,，上一代計(jì)算機(jī)輔助檢測(cè)和診斷在乳腺X照相術(shù)上的表現(xiàn)并不佳,。

　　新一代的人工智能診斷設(shè)備，與對(duì)陣圍棋的AlphaGo一樣,，正是基于深度學(xué)習(xí)的算法,。與此前不同，特龍博士研發(fā)的算法系統(tǒng)不是由明確的醫(yī)學(xué)知識(shí)庫(kù)和診斷規(guī)則列表引導(dǎo),，研究者不再使用編程教給機(jī)器各種原則,，而是由機(jī)器自己去認(rèn)識(shí)，由機(jī)器通過(guò)大量的內(nèi)部調(diào)整，類似于加強(qiáng)和削弱大腦中的神經(jīng)突觸連接,，有效地自學(xué),，比如，區(qū)分痣與黑色素瘤,。

　　新機(jī)器擁有了此前未曾有過(guò)的內(nèi)置的學(xué)習(xí)機(jī)制,。用《紐約客》的報(bào)道說(shuō)，以前“一臺(tái)已經(jīng)看過(guò)3000張X光片的機(jī)器,，它的能力和它看第一張的時(shí)候,，是一樣的?！倍F(xiàn)在,，只要不斷輸入數(shù)據(jù)，機(jī)器就能通過(guò)神經(jīng)網(wǎng)絡(luò),，學(xué)習(xí)和成長(zhǎng),。

　　特龍博士認(rèn)為，從基于規(guī)則的算法,，轉(zhuǎn)變?yōu)榛趯W(xué)習(xí)的算法,，使得機(jī)器完全可以超越第一代診斷設(shè)備。

　　可新機(jī)器的診斷藝術(shù)究竟是什么,，它如何像一位優(yōu)秀的放射科醫(yī)生那樣,，觀察出其他醫(yī)生看不出來(lái)的CT影像陰影，或其他不同尋常的東西,，并作出準(zhǔn)確的分析?

　　我們現(xiàn)在只知道,，它是通過(guò)神經(jīng)網(wǎng)絡(luò)，而神經(jīng)網(wǎng)絡(luò)奇特的地方在于,，它們就像“黑匣子”,，里面的工作是神秘的?；谏窠?jīng)網(wǎng)絡(luò)的策略,，機(jī)器深度學(xué)習(xí)的內(nèi)在過(guò)程，即便是開(kāi)發(fā)者自己,，也并不清楚,。

　　2017年5月《紐約客》雜志的一篇報(bào)道，用一個(gè)“認(rèn)狗”的比方,，形象描述了這個(gè)過(guò)程,。

　　老式的計(jì)算機(jī)程序要識(shí)別狗，工程師會(huì)寫很多行邏輯代碼：如果有耳朵,，豬嘴,，并有頭發(fā),，則不是老鼠等等無(wú)限的判斷語(yǔ)句。但這顯然不是人類認(rèn)識(shí)狗的方式,。起初,，小孩通過(guò)看見(jiàn)狗，被教導(dǎo)這是狗而認(rèn)識(shí)狗;他會(huì)認(rèn)錯(cuò),，然后糾正自己,。比如，他會(huì)把狼認(rèn)成狗,，然后被大人糾正這兩種動(dòng)物不是同一類。他一次次調(diào)整自我認(rèn)知：這是“狗”,，那是“狼”,。

　　機(jī)器學(xué)習(xí)也是這樣。研究者只是將圖像資料及診斷分類標(biāo)準(zhǔn)提供給神經(jīng)網(wǎng)絡(luò),，機(jī)器自己會(huì)從已分類的訓(xùn)練中提取信息,。這張圖是狗，那張圖不是狗,。它會(huì)從不同類別中歸納出特征,。通過(guò)觀察成百上千張歸類的圖片，它最終形成自己認(rèn)狗的方法,，過(guò)程和小孩認(rèn)狗的方法一樣,。

　　“黑匣子”問(wèn)題在深度學(xué)習(xí)中很流行，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)的內(nèi)部修正和處理過(guò)程均不受我們的控制,。它如何提升確定病變是黑色素瘤的能力?它如何提升在游戲中跟玩家對(duì)壘的能力?它又如何從新加入的圍棋棋譜中學(xué)習(xí)?我們并不知道,，它也無(wú)法告訴我們。

　　無(wú)論如何,，機(jī)器學(xué)習(xí)正在醫(yī)療領(lǐng)域不斷取得突破,。在《美國(guó)醫(yī)學(xué)會(huì)期刊》(JAMA)報(bào)道的一項(xiàng)研究中，谷歌公司的人工智能學(xué)習(xí)診斷眼疾,。在學(xué)習(xí)了12000張圖片后,，它能準(zhǔn)確地判斷糖尿病性視網(wǎng)膜病變，靈敏度和特異性分別超過(guò)96%和93%,，可以媲美眼科醫(yī)生,。

　　更重要的是，人工智能的學(xué)習(xí)潛力無(wú)限,。以識(shí)別皮膚病變的過(guò)程為例,，一位新的皮膚科住院醫(yī)生要從零開(kāi)始接觸患者，而人工智能卻是一直在成長(zhǎng)和學(xué)習(xí),。一位全職皮膚科醫(yī)生,，一生中大概會(huì)看20萬(wàn)個(gè)病例,，而機(jī)器的學(xué)習(xí)潛力遠(yuǎn)甚于此。此前的人工智能在3個(gè)月內(nèi)吸收了13萬(wàn)個(gè)案例,，未來(lái)還能吸收更多,，比這個(gè)領(lǐng)域最資深的皮膚科醫(yī)生還要“資深”。
 

　　人工智能在近年來(lái)成功取得突破,，基礎(chǔ)是來(lái)自大數(shù)據(jù)的支持,。

　　作為谷歌大腦團(tuán)隊(duì)的創(chuàng)辦人、前斯坦福人工智能實(shí)驗(yàn)室主任,，吳恩達(dá)曾如此描述人工智能,，“盡管人工智能已經(jīng)有很大范圍的影響了，但它在產(chǎn)業(yè)內(nèi)的應(yīng)用方式還極其有限,。幾乎所有人工智能最近的進(jìn)步都是通過(guò)一種類型——即輸入數(shù)據(jù)A然后快速生成簡(jiǎn)單的回應(yīng)B,。這些 A→B系統(tǒng)已經(jīng)在急速地發(fā)展，現(xiàn)在最有效的技術(shù)就是深度學(xué)習(xí),?！?/p>

　　但這樣的學(xué)習(xí)框架有一個(gè)弱點(diǎn)：它需要巨量的數(shù)據(jù)。在吳恩達(dá)2016年為《哈佛商業(yè)評(píng)論》(HBR)撰寫的文章中,，他指出人工智能的不足,，人們需要給這個(gè)系統(tǒng)很多A和B的樣本。比如,，開(kāi)發(fā)一個(gè)圖片標(biāo)注器需要成千上萬(wàn)的圖片A及其可以說(shuō)明圖中是否有人存在的標(biāo)簽B,。而開(kāi)發(fā)一個(gè)語(yǔ)音識(shí)別系統(tǒng)也需要成千上萬(wàn)小時(shí)的輸入語(yǔ)音A以及有語(yǔ)音轉(zhuǎn)錄文本B。

　　“因?yàn)榛ヂ?lián)網(wǎng)有了大量數(shù)據(jù),，人工智能最成熟的應(yīng)用其實(shí)就是圖片搜索,，再就是語(yǔ)音識(shí)別?！眹?guó)內(nèi)一家語(yǔ)音技術(shù)公司的工程師張樂(lè)說(shuō),，語(yǔ)音識(shí)別技術(shù)的突破是深度學(xué)習(xí)在實(shí)際應(yīng)用的重要斬獲，我們手機(jī)APP里的語(yǔ)音輸入功能正在變得比以前更強(qiáng)大,。

　　語(yǔ)音搜索也在變得越來(lái)越聰明,。谷歌公司已經(jīng)利用它多年收集的數(shù)十億語(yǔ)音樣本建立了人工智能系統(tǒng)，能理解各種口音和細(xì)微差別,，使得谷歌的語(yǔ)音搜索功能有了更多可能,。

　　但深度學(xué)習(xí)最主要的受益者，仍是“計(jì)算機(jī)視覺(jué)”,，這是人工智能領(lǐng)域當(dāng)下最成熟的應(yīng)用,。計(jì)算機(jī)視覺(jué)在許多圖像識(shí)別的任務(wù)上，可以與人類媲美,。消化了大量的標(biāo)簽化訓(xùn)練數(shù)據(jù),，深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域,，才從X光掃描與CT掃描圖像分析取得突破。

　　“搜索引擎里使用的相似圖片識(shí)別,，就是典型成熟的人工智能應(yīng)用,。”張樂(lè)說(shuō),，高質(zhì)量的大數(shù)據(jù)和強(qiáng)大的計(jì)算能力是深度學(xué)習(xí)算法統(tǒng)領(lǐng)江山的兩大支撐,，由于人類已經(jīng)上傳到網(wǎng)絡(luò)數(shù)十億張照片，用元數(shù)據(jù)標(biāo)記這些照片,，強(qiáng)大的計(jì)算機(jī)可以從中找出模式和意義,。

　　2012年10月底，在由微軟亞洲研究院和南開(kāi)大學(xué),、天津大學(xué)舉辦的一次學(xué)術(shù)會(huì)議上,，微軟首席科學(xué)家理查德·F·拉希德(Richard F. Rashid)發(fā)表演說(shuō)，基于深度學(xué)習(xí)的電腦程序?qū)λ闹v話內(nèi)容進(jìn)行了識(shí)別,，還用英語(yǔ)把這些內(nèi)容實(shí)時(shí)顯示在了他上方的大屏幕上。清華大學(xué)的傅昆也認(rèn)為,，人工智能在近年來(lái)成為科技界最熱門的話題,，大眾層面上，要?dú)w功于人工智能戰(zhàn)勝圍棋世界冠軍這樣的事跡,，但在業(yè)界,，則會(huì)一致追溯到圖像領(lǐng)域。

　　人工智能的重新興起要追溯到2012年被稱為ImageNet挑戰(zhàn)賽的在線競(jìng)賽,。為了與過(guò)去像國(guó)際象棋“深藍(lán)”那樣的人工智能區(qū)分,，很多研究者一度避免使用“人工智能”這個(gè)術(shù)語(yǔ)，而更喜歡用“神經(jīng)網(wǎng)絡(luò)”,。

　　ImageNet是一個(gè)擁有數(shù)百萬(wàn)張圖片的在線數(shù)據(jù)庫(kù),，所有圖片都有人工做的標(biāo)簽。對(duì)于任何給定詞,，例如“氣球”或“草莓”,，ImageNet里都能找到對(duì)應(yīng)的圖片。每年的ImageNet競(jìng)賽鼓勵(lì)該領(lǐng)域的人在計(jì)算機(jī)識(shí)別和自動(dòng)標(biāo)記圖片上比賽,，并衡量進(jìn)展,。這些系統(tǒng)首先使用被正確標(biāo)記的圖片集進(jìn)行訓(xùn)練，然后挑戰(zhàn)標(biāo)記之前沒(méi)見(jiàn)過(guò)的測(cè)試圖片,。

　　根據(jù)《經(jīng)濟(jì)學(xué)人》雜志2016年的報(bào)道,，相比于2010年獲勝的系統(tǒng)可以正確標(biāo)記72%的圖片(人類平均有95%的準(zhǔn)確率)，2012年的成果是一項(xiàng)突破,。這一年,，歸功于深度學(xué)習(xí)技術(shù),，多倫多大學(xué)的科學(xué)家Geoff Hinton帶領(lǐng)的團(tuán)隊(duì)實(shí)現(xiàn)了85%的準(zhǔn)確率。這項(xiàng)技術(shù)使用了大量的計(jì)算和訓(xùn)練數(shù)據(jù),，由人類的神經(jīng)網(wǎng)絡(luò)啟發(fā)而來(lái),。他們也被稱為深度學(xué)習(xí)的先驅(qū)。

　　這帶來(lái)了一種長(zhǎng)遠(yuǎn)快速的改進(jìn),，在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(guò)了人類。

　　過(guò)去的十多年中,，新技術(shù)的出現(xiàn)使得訓(xùn)練深度網(wǎng)絡(luò)變得可行,。同時(shí)，互聯(lián)網(wǎng)的興起產(chǎn)生了數(shù)十億可用于目標(biāo)訓(xùn)練的文檔,、圖片,、視頻數(shù)據(jù)。

　　這所有的一切都需要大量的數(shù)字操作能力,，而2009年左右,，當(dāng)幾個(gè)人工智能研究團(tuán)體意識(shí)到個(gè)人計(jì)算機(jī)和視頻游戲機(jī)上用于生成精致畫面的圖形處理器芯片GPU，也同樣適用于運(yùn)行深度學(xué)習(xí)算法之后,，計(jì)算能力也早已不再是問(wèn)題,。

　　此前，斯坦福大學(xué)由吳恩達(dá)帶領(lǐng)的一個(gè)人工智能團(tuán)隊(duì)發(fā)現(xiàn)GPU能夠幾百倍地加速深度學(xué)習(xí)系統(tǒng),。然后,，訓(xùn)練一個(gè)四層的神經(jīng)網(wǎng)絡(luò)突然就變得很快了，由之前需要花費(fèi)幾周的時(shí)間變成了不到一天時(shí)間,。

　　ImageNet的結(jié)果顯示了深度學(xué)習(xí)的能力,。然后，深度學(xué)習(xí)不僅在人工智能界,，也在整個(gè)科技產(chǎn)業(yè)界獲得關(guān)注,。深度學(xué)習(xí)系統(tǒng)20或30層的網(wǎng)絡(luò)變得常見(jiàn)，微軟的研究人員甚至曾建立過(guò)152層的網(wǎng)絡(luò),。更深層的網(wǎng)絡(luò)能進(jìn)行更高水平的抽象并產(chǎn)生更好的結(jié)果,，事實(shí)證明，這些網(wǎng)絡(luò)擅長(zhǎng)解決眾多領(lǐng)域的難題,。

　　人工智能早就走出實(shí)驗(yàn)室，離開(kāi)棋盤,，潛入人們的日常生活——幫你美圖,、給你指路、為你推薦圖書和電影,，繼而洞悉你的喜悅和痛苦……但這還遠(yuǎn)不是它的全部,。所有通過(guò)學(xué)習(xí)得到的專業(yè)技能似乎都可能將被人工智能掌握,。所有的專業(yè)技能領(lǐng)域都將直面AI挑戰(zhàn)，我們似乎都要面臨圍棋手柯潔在三盤棋間的起落激蕩,。

　　2016年,，谷歌公司徹底改造原先的翻譯系統(tǒng)，引發(fā)輿論關(guān)注,。谷歌引入神經(jīng)網(wǎng)絡(luò),，大幅提高了翻譯的準(zhǔn)確率，其中一些語(yǔ)言的準(zhǔn)確率甚至提高了85%,。隨之發(fā)布的多語(yǔ)言互譯系統(tǒng),，將兩種語(yǔ)言的翻譯學(xué)習(xí)“遷移”到更多的語(yǔ)種，比如,，通過(guò)中英互譯的學(xué)習(xí),，就能直接把模型算法遷移到中日、日英等多語(yǔ)種互譯方面,。機(jī)器“學(xué)習(xí)如何學(xué)習(xí)”,，已經(jīng)成為谷歌未來(lái)最重要的研究方向。

　　“讓人激動(dòng)的是,，深度學(xué)習(xí)能夠應(yīng)用于眾多不同的領(lǐng)域,。”谷歌機(jī)器智能研究部門負(fù)責(zé)人John Giannandrea在接受《經(jīng)濟(jì)學(xué)人》采訪時(shí)稱,，除了改善網(wǎng)頁(yè)的翻譯服務(wù)，谷歌正在使用深度學(xué)習(xí)提升其網(wǎng)頁(yè)搜索結(jié)果的質(zhì)量,，理解智能手機(jī)端的口語(yǔ)指令,，幫助人們?cè)谡掌兴阉魈囟ǖ膱D片，推薦電子郵件的自動(dòng)回復(fù),，并且?guī)椭詣?dòng)駕駛汽車?yán)斫庵車h(huán)境,。

　　在醫(yī)學(xué)領(lǐng)域，除了一些疾病的診斷,，更有些雄心勃勃的機(jī)器學(xué)習(xí)算法想要整合自然語(yǔ)言處理(讀患者醫(yī)療記錄),、百科全書知識(shí)、期刊文獻(xiàn)和醫(yī)學(xué)數(shù)據(jù)庫(kù),。麻省劍橋的IBM沃森系統(tǒng)(Watson Health)和倫敦的DeepMind公司都希望創(chuàng)建這樣一個(gè)全面的系統(tǒng),。

　　機(jī)器的學(xué)習(xí)能力，大數(shù)據(jù)的積累,，以及其他各種技術(shù)的突破,，使得人工智能技術(shù)突飛猛進(jìn)。之前看起來(lái)不可能自動(dòng)化的工作,，現(xiàn)在似乎都同樣面臨著危機(jī),。

　　當(dāng)機(jī)器人會(huì)自動(dòng)編寫新聞,，已經(jīng)有一些大型新聞通訊社在實(shí)踐，有人開(kāi)始擔(dān)心記者會(huì)失業(yè),。而當(dāng)機(jī)器取代了醫(yī)療的診斷角色,，醫(yī)生這個(gè)職業(yè)也將面臨人工智能的挑戰(zhàn)?；谏窠?jīng)網(wǎng)絡(luò)的更好的翻譯效果,，則讓翻譯對(duì)自己的職業(yè)前景產(chǎn)生了懷疑。

　　在深度學(xué)習(xí)那個(gè)并未給予因果關(guān)系闡釋的“黑盒子”里,，人工智能正在以令人驚駭?shù)乃俣瓤焖俟タ烁鞣N單一技能,，在簡(jiǎn)單任務(wù)上逐一完勝人類。它們?cè)谄孱惐荣愔蝎@勝,，在汽車安全駕駛比賽中獲勝,，沒(méi)有人知道，人類下一個(gè)被擊敗的領(lǐng)域在哪里,。

　　硅谷傳奇軟件工程師Jeff Dean眼中有一條清晰的AI發(fā)展路徑,，“醫(yī)療、無(wú)人駕駛,，這些走在比較前面,，都是會(huì)比較快改變的行業(yè)。需要人工智能的不只是科技公司,，而且會(huì)是一個(gè)社會(huì)性的全面應(yīng)用,。各個(gè)行業(yè)先后不一，但都會(huì)探索性地先在小問(wèn)題解決上使用人工智能,，之后漸漸拓寬人工智能在該行業(yè)的應(yīng)用,，最終發(fā)展到整體人工智能解決方案?！?/p>

　　但相比工作崗位的爭(zhēng)奪,，還有人擔(dān)心，人工智能是否會(huì)威脅到未來(lái)?有人想起雷·庫(kù)茲韋爾那些關(guān)于“奇點(diǎn)”的古怪預(yù)言,，比如,，未來(lái)人類是否會(huì)制造出比我們更聰明的機(jī)器，它們?cè)僭斐龈斆鞯臋C(jī)器,，如此這般,，整個(gè)世界朝著我們無(wú)法預(yù)計(jì)的巨型超智能的方向狂奔;又或者，我們將人的思維載入計(jì)算機(jī),，在計(jì)算機(jī)的電路里獲得超強(qiáng)智力,，甚至永生。

　　人工智能會(huì)成為人類的威脅嗎?很多業(yè)界人士都不認(rèn)可這一點(diǎn)。IBM倫理研究員Farancesca Rossi說(shuō),，人工智能“總有一天會(huì)覺(jué)醒并獲得自己的思想”的想法并不現(xiàn)實(shí),。在剛完成寫作《人工智能》一書的李開(kāi)復(fù)看來(lái)，AI威脅論目前似乎更適合科幻作家們?nèi)ビ懻?，“機(jī)器學(xué)習(xí)永遠(yuǎn)不可能有自我意識(shí),，因?yàn)閮?yōu)化目標(biāo)是人類給定的?！?/p>

　　AI本身的確不可能成為威脅,。人工智能與人類智能無(wú)疑還有著本質(zhì)的差異——它不具備情感、不具備欲望,，更不用說(shuō)統(tǒng)治世界,、奴役人類的興趣與野心。

　　然而,，這項(xiàng)技術(shù)也因?yàn)檎宫F(xiàn)出前所未有的強(qiáng)大性,，值得人們對(duì)如何使用它產(chǎn)生擔(dān)憂。在人工智能時(shí)代,，人類依舊要學(xué)習(xí)與思考,。在一些人工智能的會(huì)議上，很多專家都將AI安全部署當(dāng)作重要議題,。

　　“我們?cè)诠緞?chuàng)立的時(shí)候就明確,，我們想要開(kāi)發(fā)通用型學(xué)習(xí)技術(shù)去打造一個(gè)更好的世界，我們的技術(shù)必須秉持透明,、合理的原則,，讓人類監(jiān)督并且讓人類掌控?！惫雀鐳eepMind實(shí)驗(yàn)室創(chuàng)始人哈薩比斯曾說(shuō),，技術(shù)應(yīng)該具備“正確性”，“研發(fā)者需要給AI植入一個(gè)‘善’的動(dòng)機(jī),，第一不能被用來(lái)制造殺人武器,，第二不能被個(gè)別公司所控,?！?/p>

　　比如，與英國(guó)國(guó)家醫(yī)療體系NHF的合作是AlphaGo后臺(tái)部分技術(shù)落地項(xiàng)目之一,，“我們完全接受NHF的監(jiān)督,，絕對(duì)不會(huì)把用戶的數(shù)據(jù)用到保險(xiǎn)或者是其他的業(yè)務(wù)中去?！?/p>

　　不過(guò),，隨著人工智能的發(fā)展，一些從業(yè)人士也對(duì)AI應(yīng)用于軍事等其他可能的威脅發(fā)出了預(yù)警。

　　我們正身處人工智能的革命中,，一方面,，人工智能展現(xiàn)了強(qiáng)大的希望，按照Facebook創(chuàng)始人扎克伯格的說(shuō)法,，未來(lái)十年,，人工智能將大幅改善人類的生活，另一方面,，人工智能是福是禍,，是否會(huì)失去人類的控制，終究只在那些研發(fā)和使用者的頭腦之間,。

　　相關(guān)鏈接：

　　人工智能真的來(lái)了!哪些人會(huì)被淘汰

　　機(jī)器人與我：人類的下一個(gè)10年將翻天覆地

　　這場(chǎng)革命下 人類將面臨巨大的焦灼!