模拟人脑
谷歌的AlphaGo战胜了李世石，让大众真正意识到了人工智能时代的来临。其实这一轮人工智能革命开始于30年前。
这一轮人工智能革命的最直接的源头来自于一位叫Geoffrey Hinton的加拿大多伦多大学教授，他被认为是这一轮以深度学习为代表的人工智能革命的开创者。他也有这一轮人工智能专家的标志性的衔： “神经科学家+计算机科学家” 。
一、深度学习的原型：用计算机模拟人类大脑
Geoffrey Hinton教授在上中学的时候一个朋友告诉他，说大脑是用全息的方式存储外界信息的，这勾起了他对大脑功能的兴趣，这一个小事件就把他引向了后来一生从事的事业。
他从大学起就开始研究神经科学，并且从上世纪80年代初就开始研究用计算机系统架构来模拟人类大脑，就是我们今天说的深度学习的原型 。
实际上，从上世纪80年代初到这一轮的人工智能被认可，中间有30多年的时间，Hinton教授其实做了大量的研究，做出了大量的成果。
但是，从整体上来说，这30多年的时间，Geoffrey Hinton教授的深度学习系统都是学术界的异类。
有两个原因，还都是操作上的原因：
第一，因为深度学习要求分层，就是分层输入和输出，每一层的输出成为下一层的输入。每一层该怎么单独优化，这个问题是Geoffrey Hinton到2006年才解决的。文章发表在2007年的《认知科学趋势》这本杂志上，成了这一轮人工智能革命启动的标志，标志着深度学习的算法初步被完善了。
第二，是在理论完备之后的好几年里，深度学习依然不被认可。这回的原因很简单，就是深度学习这样的人工智能系统，它的算法出来的结果不够好，不如别的算法好。
二、深度学习崛起的关键人物
让深度学习崛起的两个人：
一个就是斯坦福的教授，也是后来谷歌大脑的创始人吴恩达教授。因为他发现深度学习需要有更强的计算能力，所以他找到了英伟达的GPU（Graphics Processing Unit，图形处理单元），使得计算能力提升了上百倍。
另外一个人也是斯坦福的教授，也是华人，李飞飞，她建立了一个图像识别资料库。
而且这个库里面的所有的图像都是标注过的，也就是说，如果图里有山就会标注出山，如果有树就标注出树。这样的话，你可以用这个图像库来训练人工智能系统，看它能不能识别出来这个图像库上面所标注的这些元素。经过这个图像库的训练，李飞飞成功地训练出视觉能力超过人的人工智能系统。
一方面证明了训练的重要性。
另一方面证明了深度学习是人工智能里面最好的一个算法。
所以，学术界的转变其实是2012年才到来的。从上个世纪80年代初到2012年，已经整整过了30年了。因为，这一年人工智能视觉识别实现了突破，在斯坦福举办的ImageNet比赛上，深度学习不光超越了其它所有算法，也第一次超越了人类。
当然，公众的转变发生得更晚，要一直到2016年3月份，谷歌AlphaGo战胜了李世石。那这之后的就都是历史了，深度学习受到了追捧，不光是Geoffrey Hinton，包括他的合作者和学生在内的一大堆人都成了明星。
所以，我们回顾这段历史的时候，会得到一个启示：
很多时候，一个伟大的科技突破刚刚出现的时候，它的表现并不令人满意。
除了大家难以接受以外，往往自己也有很多可改进之处，自己的表现也不好。只有经过每个细节上的改进，才能把这个科技突破的威力真正发挥出来。
网友评论