几个小时前，Facebook 人工智能研究实验室主管 Yann LeCun 和 Facebook 应用机器学习部门主管 Joaquin Quiñonero Candela 在 Facebook Code 博客上发表了一篇题为《Artificial intelligence, revealed》的文章，介绍了人工智能的一些基本概念和能力，并讨论了相关应用和研究上的未来前景。除此之外，本文还包含了三段简洁直观的演示视频，其中两段更是由 Yann LeCun 亲自解说的。如果你是一名学生，你还能在这篇文章中看到一些有用的建议。此外，你也可以看看机器之心整理 ，里面也有很多不错的建议。

现在是早上周二早上八点。你已经醒了，浏览手机头条新闻，回复 po 文，atv，为老妈订购毛衫，锁门，开车上班，一路听着收音机里的美妙音乐

此时，你已经使用人工智能不下十几次了——被唤醒、早间地方天气预报、购买礼物、锁门、注意即将到来的堵车、甚至识别一首还不熟悉的歌曲。人工智能已经渗透进我们的生活，日常生活发生大不同。但是，这并非你在科幻电影里看到的人工智能（神经兮兮的科学家噼啪敲打键盘，试着阻止人工智能摧毁世界）。你的智能手机、房屋、银行和汽车每天都会用到人工智能。有时你感受到你在使用人工智能，比如当你请 Siri 导航到最近的气站时，或者 Facebook 根据你贴出的一张图片为您推荐好友时。有时你就感觉不到，比如，当你要求 Amazon Echo 用你的信用卡进行一次不寻常的购物时（比如愚蠢的节日毛衫），银行并没有发出欺诈警告。

自动驾驶汽车、医学图像分析、更好的医疗诊断以及个性化医疗，人工智能会为这个社会带来很多变化。未来，它还会带来很多极具创造力的应用以及服务。但是，对于许多人来说，它仍然显得神秘莫测。

为了揭开部分神秘之处，Facebook 正在创建一系列在线教育视频，介绍人工智能如何运作。我们希望这些简单精炼的介绍会帮助每个人了解这一计算机科学中的复杂领域是如何运作的。

没有魔法，代码而已

首先你需要知道一些重要的内容：人工智能是一门使用算法技术设计智能系统和机器的严谨科学，而这种算法技术的灵感某种程度上源自我们对大脑的了解。许多现代人工智能系统使用了人工神经网络，一种计算机代码，它能模拟出由非常简单的互联单元构成的大型网络，这有点像大脑神经元构成。这些网络通过修改单元之间的连接而不断从经验中学习，就像人类和动物的大脑不断变化神经元之间的连接进行学习。现代神经网络能够学会模式识别、翻译、简单的逻辑推理，甚至可以创造图像和形成新的想法，模式识别尤为重要——人工智能善于识别海量数据中的模式，对于人类来说，这可不是简单的事。

通过专门用来运行有着数百万单元和数十亿链接的神经网络的一套编码程序，所有这些都能以眼花缭乱的速度发生着。在海量简单元素的交互过程中，智能出现了。人工智能不是魔法，但是我们已经看到了它能使科学研究研究领域取得魔法般的进步，它们能识别照片里的物体、识别语音、驾驶汽车或者将在线文章翻译成多种语言，每天都给我们带来一些奇迹。

在 FAIR 实验室，我们正在研究如何让机器更好地工作，大部分工作内容就是深度学习，亦即如何通过搭建多个处理层的神经网络来增强人工智能。通过使用深度学习，我们可以帮助人工智能学会提取世界的表征。深度学习能有助于改善语音、物体识别之类的活动，在推进诸如物理学、工程学和医学等多种科学领域的研究中，也扮演者重要角色。

一种特别有用的深度学习系统架构是卷积神经网络（CNN 或 ConvNet），它是一种连接神经网络单元的特殊方式，其灵感来自动物和人类的视觉皮层结构。现代的 ConvNet 可以少至七层、多至百层。在公园里我们人类在看见一只柯利牧羊犬或一只吉娃娃时都能够将它们识别为狗，尽管它们大小和体重都不同。对于计算机来说，一张图片不过是一列数字而已。在这一数字行列中，目标物体的边缘等局部模体（local motif）在第一层就能被轻易检测到。接下来的那一层将识别出这些构成简单形状的简单模体（simple motif）的组合，比如车轮或眼部。最后一层将会识别这些组合的进一步组合：一辆车、一架飞机、一个人、一只狗等等。网络的深度——多层——能够让它以这样的层级方式识别复杂模式。