这是否意味着现在该是要为“奇点”——超级智能机器开始不需人类参与地自行优化，引发超级可怕的结果的一个假定时刻——做好准备的时候？

　　还不是。神经网络在识别模式方面表现良好——有时甚至和人类一样好或超过人类。但它们没有理性。

　　深度学习历史关键点：1958年康奈尔心理学家罗森布拉特推出感知机，1969年明斯基出书质疑神经网络，1986年Hinton等人发明训练多重神经网络纠错的方法。

　　最初的革命火花开始于 2009 年。那年夏天微软的 Li Deng 邀请了神经网络先驱、多伦多大学的 Geoffrey Hinton 来参观并合作。钦佩于 Hinton 的研究，Li Deng 的团队用神经网络做了大量语言识别方面的实验。微软的 Peter Lee说：‘我们对结果非常震惊，我们得到了比原型高 30% 的准确率。【此处已更改】

　　2011 年，微软推出了应用深度学习技术的商用语言识别产品。谷歌在 2012 年 8 月跟着推出同类产品。

　　但真正的转折点出现在 2012 年 10 月。在意大利佛罗伦萨的一个工作室，斯坦福人工智能实验室的负责人，同时也是著名的年度 ImageNet 计算机视觉大赛创始人李飞飞，公布 Hinton的 两个学生做了一个识别物体软件，准确率是当时最好的同类产品的两倍。“这个成果非常惊人，”Hinton 说：“它说服了曾经的许多怀疑论者。”（在去年的大赛中，新的深度学习产品已经超越了人类的表现。）

　　深度学习历史关键点：1989年LeCun用卷积神经网络识别手写体，1991年递归神经网络发明，1987年IBM深蓝战胜卡斯帕罗夫。

　　图像识别方面的成就像一把发令枪，启动了一场人才争夺赛。Google 得到了 Hinton 和他那两位赢了大赛的学生，Facebook 和法国深度学习天才 Yann LeCun 签约，LeCun 曾在 20 世纪 80 年代和 90 年代开创了深度学习算法并赢得 ImageNet 大赛。百度则得到了斯坦福 AI 实验室的前负责人吴恩达，他曾在 2010 年帮助推出并领带专注深度学习的谷歌大脑项目。

　　人才争夺热潮自此愈演愈烈。今天，微软的Lee说，“这个领域的人才战相当血腥，一流的人才就像NFL足球运动员。”

　　今年 68 岁的 Geoffrey Hinton 第一次听说神经网络是在1972年，当时他正在爱丁堡大学开始写自己的硕士毕业论文，主题是人工智能。由于本科期间在剑桥大学主修实验心理学，Hinton对神经网络充满热情，神经网络由软件构建，atv，从人类大脑中神经元网络的运作方式获得启发。当时，神经网络并不受欢迎。“每一个人都认为他们疯了”，他说。但是Hinton选择迎难而上。

　　深度学习历史关键点：2007年李飞飞创立ImageNet；2011年微软将神经网络引入语音识别；同样2011年IBM Watson赢得Jeopardy冠军。

　　神经网络为计算机的学习提供了一种孩子式的学习方式，从经验，而不是从人类的编程设定中进行学习。“当时，大多数的AI 都是从逻辑推理中获得启发”，他回忆说，“但是逻辑推理是人类在人类长大的时候才具备的能力，2-3岁的孩子并不会做逻辑推理。所以，我认为，对于智能来说，神经网络是比逻辑好得多的范式”。（逻辑从某种程度来说，是Hinton 家族的传家宝。他的家族中诞生了多位杰出的科学家，他是19世纪著名数学家George Boole的玄孙，Boolean 搜索、逻辑和线性代数都是以这位数学家的名字命名的）。

　　20世纪50年代至60年代，神经网络在计算机科学家中变得流行起来。1958年，Cornell 研究中心的心理学家 Frank Rosenblatt在一个海军支持的项目中，开发了一个神经网络原型，当时他称为感知机（Perceptron）。模型使用的是一个穿孔卡片计算机，占满了整个房间。在经过50次尝试之后，计算机学会了分辨左边标记几号和右边标记记号的图片。针对这一事件，《纽约时报》的报道文章写到，“今天，（美国）海军发布了一个电子计算机原型，被认为可以行走、说话、看、写、自我重生，并具有自我存在的意识”。