最近这几年深度学习确实在学术界、工业界取得了重大的突破。第一个突破是在语音识别上。Hinton和微软的邓力老师，在2011年用深度学习在语音识别上取得了巨大的成功。昨天可能大家在微信也刷屏了，我们中国科大毕业的师兄邓力老师从微软出来到顶级对冲基金工作。我的理解这也是一个A to B的mapping 的过程：把邓老师的深度学习的经验等内容都输入到对冲基金的算法里，这个对冲基金的钱就自动Map到了邓老师口袋里。

语音识别取得了巨大成功以后，紧接着在视觉方面又取得了重大突破。2012年时，Hinton在ImageNet上将图像识别一下子提高了十几个点，以前我们都一年一个点在推，他一年就推了十年的进步，在学术界引起了很大的轰动。2014年我们团队做人脸识别，通过深度学习，做到算法首次超过人眼的成绩。

最后，在2016年，还是谷歌最厉害，每年120亿美金的研发投入没有白投，下了一盘棋叫AlphaGo，这盘棋下完之后人工智能就不需要我们解释了，大家忽然都明白了，人工智能原来是这么回事儿，就是下棋。

接着人工智能在自动驾驶领域也取得了一些重大的突破。现在比较热门的是医疗影像方面，借助人工智能进行诊断。

　　深度学习的三个核心要素

深度学习有三个核心的要素：

学习算法的设计，你设计的大脑到底够不够聪明；

要有高性能的计算能力，训练一个大的网络；

必须要有大数据。

接下来分享我们在深度学习方面做的一些工作。我们从2011年开始做这项工作，一开始没有开源的框架，所以要自己做很多的工作。做的时间长了，我们就做了一套Parrots系统，这个系统目前还不是开源的。

我们用这套系统训练的网络可以做到非常深，原来AlexNet是8层，后来GoogleNet在2014年做到了22层，后来Resnet做到了150多层，去年我们的PolyNet做到了1000多层。大家可以看到这个网络发展趋势，越来越深。这是我们设计的1000多层的网络，比较细的线就是整个网，中间一个格往下走，放大出来的部分就是网络的细节结构，这个网叫做Polynet，Dahua团队的这个网络设计和Facebook的Kaiming团队的Resnet，在图像分类上做了目前为止全球最好的结果，最后基本上成了我们实验室出来的两个学生之间的竞赛。这个网络的最后形状有点像 DNA 的双螺旋。

在物体检测上大家也可以看到这个进步速度，2013年一开始的时候，200类物体的平均检测准确率是22%，但是很快谷歌可以做到43.9%，我们做到50.3%，紧接着微软是62%，现在我们做到最好结果是66%。这个速度是几年之内翻了三倍，也是深度学习的力量，我们这方面的工作是Xiaogang和Wangli团队做的。

我们训练出来这样一个大脑，可以把它应用到各个方向，做出很多不同领域的不同技术。在人脸方面我们做了人脸检测、人脸关键点定位、身份证对比、聚类以及人脸属性、活体检测等等。智能监控方面，做了人，机动车，非机动车视频结构化研究，人体的属性，我们定义了大约70种。人群定义了90多种属性。下面这些是衣服的搜索、物体的检测、场景的分类和车型的检测，车型检测我们标注了几千种车型的分类。在文字方面，小票的识别、信用卡的识别、车牌的识别，这些都是由深度学习的算法来做的。同时在图像的处理方面，在去雾、超分辨率、去抖动、去模糊，HDR、各种智能滤镜的设计都是用深度学习的算法，我们基本上用一套大脑做很多的任务。

深度学习另外一个门槛就是高性能计算，以前高性能计算大家都是讲的CPU集群，现在做深度学习都是GPU，把数百块GPU连接起来做成集群目前是一个比较大的门槛。我们在北京做了三个GPU的集群，在香港做了一个大的集群，用这些集群，原来一个月才能训练出来的网络，加速到几个小时就能训练完，因此我们训练了大量的网络。

深度学习第三个门槛就是大数据，如果把人工智能比喻成一个火箭的话，大数据就是这个火箭的原料。