tech2ipo

　　编者按：我们和电脑之间的交流正在发生着转变，而深度学习也已经润物细无声地进入我们的生活，甚至在你意识到这一点之前，世界已经截然不同。

　　本文首发于 fortune，分上下篇，由老吕IO、江小片及何忞联合编译，未经雷锋网(搜索“雷锋网”公众号关注)允许不得转载。

　　什么是人工智能？

　　人工智能

　　人工智能是一个广义概念，它可以应用到任何一种可以使计算机模拟人类智慧、使用逻辑算法、决策树、机器学习（包括深度学习）的技术中。

　　机器学习

　　它是人工智能的一个分支，atv，包括能使机器根据经验完成任务的深度统计技术，机器学习包括了深度学习。

　　深度学习

　　深度学习是机器学习的一个分支，它包括允许软件自行完成任务的算法，例如语音和图像识别，通过多层神经网络系统传输给大数据。

　　深度学习可以改变任何一种工业，谷歌大脑项目的领导者 Jeff Dean 说：“计算机视觉一旦开始使用就会产生许多基本变化。”随后他又纠正说：“现在计算机已经打开了人们的新世界。”

　　曾经有一个假设是这样说的：当超级智能机器不需要人类的参与就可以完成许多事情的时候，那些低能的人类就要面临被淘汰的危险。难道现在是要证明这个假设了吗？

　　或许并不是。 神经网络系统甚至比人类更善于模式识别，但是它们并不能推理。

　　2009 年发生了第一次变革。那年夏天微软的Lee邀请多伦多大学的神经网络大师 Geoffrey Hinton 来参观。根据他的研究，Lee 的团队研究了神经网络对于语音识别的应用。Lee 说：“对于结果我们很震惊，用第一个原型准确度提高了 30% 以上。”

　　2011 年，根据 Lee 的研究，微软将深度学习技术应用到了它的商业语音识别产品中。随后在2012年8月谷歌也应用了这项技术。

　　但是真正的转折点是在 2012 年 10 月，在意大利佛罗伦萨的一间工作室，斯坦福人工智能实验室的领导人、著名的年度 ImageNet 计算机视觉大赛创办人李飞飞宣布，两位 Hinton 的学生发明的软件能以比竞争者高达两倍的准确度识别物体。Hinton 说：“这是个引人注目的结果，这个结果说服了很多之前对此表示怀疑的人。”（在去年的一场深度学习超越人类的争论中。）

　　图像识别像是一个发令枪，它引发了一场新的聘用比赛。谷歌聘用 Hinton 和赢得比赛的那两名学生，Facebook 签约法国深度学习创新者 Yann LeCun，他是在二十世纪八十年代和九十年代都赢得了 ImageNet 比赛的算法先驱。而百度则聘用 Ng，他是斯坦福人工智能实验室的前领导人，他在 2010 年也领导了谷歌大脑计划的深度学习项目。

　　从那时起的挖人风波愈演愈烈，如今，微软的 Lee 说：“在这块领域里一场血腥的人才相争之战正在上演，顶级的头脑需求就像美国橄榄球联盟足球员那么多。”

　　68 岁的 Geoffrey Hinton 第一次听说神经网络是在1972年，那时他刚在爱丁堡大学开始他的人工智能毕业设计。本科在剑桥的时候已经学习了实验心理学，他对神经网络算法十分感兴趣，神经网络是软件构造基础，这种灵感来自于大脑中神经元的工作模式。那个时候神经网络没有那么受欢迎，大家都认为他们疯了，但是 Hinton 坚持干着。

　　神经网络展现了计算机学习的前景：像孩子学习那样从经验获得，而不是通过人类设计的程序发出的蹩脚的指令。他回忆说：“大多数人工智能从那时起都是由逻辑启发，但是有的人很晚才意识到逻辑这回事。两三岁的孩子没有逻辑，所以对于智能，神经网络似乎比逻辑能更好的应用。”（逻辑是 Hinton 的一个家庭交易，他出身科学世家，他是19世纪数学家 George Boole 的玄孙，在 Boolean 研究之后，逻辑和算法得以命名。）

　　在 20 世纪 50 年代和 60 年代期间，神经万罗在计算机科学家中很盛行，在 1958 年，康奈尔大学研究心理学家Frank Rosenblatt在布法罗的实验室，在一个海军项目中，以神经网络构建了一个原型，他称之为Perceptron。他利用了一台充满整间屋子的穿孔卡片电脑，试验 50 次以后它可以辨别左右两边的卡片，《纽约时报》报道：海军认为现如今的电子计算机的雏形将来会听说读写、行走、繁殖、有存在意识。

　　Perceptron的软件由于限制，只有一层神经元，但是研究者认为将来会有多层或深层神经元网络。