深度，学习，人生（上）

人工智能最近很火

最近这两三年，无论是国内还是国外的科技公司，人工智能这话题都炒得很火。

一般人可能认为人工智能是一个很难实现、很遥远的事情，但转眼间，它已经不时出现在我们的视野里和新闻中，开始崭露头角：在商业层面，无人驾驶车现在正逐步成为现实，特斯拉电动车已经有自动辅助驾驶功能；谷歌的阿法狗打败了世界最优秀的围棋选手李世石；人脸识别，图像识别等已经普及在社交网络里；甚至现在一些体育和金融的新闻也开始由机器人来编写。

可以说人工智能已经来到我们的生活中，跟我们生活密切相关：拿起你的智能电话，你可以用语音跟你的语音助手对话，聊天，帮你安排会议行程；我7岁的小孩已经能无障碍的通过语音提问题让Siri（苹果手机的语音助手）帮他上网查资料；打开淘宝，根据你以前的浏览和购买纪录，淘宝能智能地向你推荐你可能喜欢的产品；很多人已经习惯了开车时用手机上的谷歌导航，实时根据交通情况改变开车路线。

在电脑上，我的苹果电脑会自动导入我的照片，上传到云端备份，还通过人脸识别技术认出了我家庭成员和朋友的脸。我收发邮件时，谷歌邮箱识别出会议的时间，我一键就可以安排行程。

现在，科技公司最有卖点和潜力的产品，绝大部分是嵌入了人工智能的产品。

为什么人工智能这么火？

其实人工智能的探索和应用，从计算机50年代发明以来，一直都没有停过。它在70年代80年代经历过两次低谷，仍有大量的应用和产品，像专家系统和搜索引擎，但这都需要对比较高深的数学和专业知识的理解和运用。要取得更好的成果，人工智能专家不得不花大量的时间在对专业知识的理解，和所谓的特征工程上。

但是，有两样东西开始改变了游戏的规则：

1. 大数据：人类产生的数据量越来越多，以文字，照片，语音，视频等形式被纪录下来。据2013年的一篇科学报道，世界上90%的数据是在之前两年生成的，换句话说，其生成的数据量是之前人类历史的整整9倍！数据还有呈指数式不断增长的趋势，对于公司和学术组织来说，数据的收集越来越容易，数据的储存成本越来越低。许多互联网或高科技公司，一开始是以做软件为产品的，后来在数据累积到一定程度，可以从数据中找出新的方向和增长点。

2. 计算能力：计算能力也是呈指数式增长的。已经过时的苹果iPhone五代手机，体积小到可以放入你的裤袋里，但它的运算能力比1985年最牛的超级电脑Cray-2还要强1.7倍，还比其省很多电。现在还有云计算和显卡GPU计算，以很低的成本，普通人或创业公司也能租用或使用巨大的计算能力。许多传统的大公司也开始使用云计算，因为这比它们自己建传统的数据中心和维护要便宜。

如果说大数据是人工智能的燃料，计算能力就是指人工智能这个引擎的转速。

在大数据和计算能力的指数增长和提高下，其中一种的机器学习方法在最近几年，明显超过了其他的方法，直接带领了潮流 —— 这种方法叫做深度学习。

什么是深度学习？

深度学习的核心概念是多层的人工神经网络。神经网络传统上被认为是大脑中的神经活动的简化模型。而这并非一个新奇的概念，在50年代已经有了实现，但一直停滞不前，因其效果比其它方法要差，直到有更多数据和更强计算能力的时代的到来。

2009到2012年间，用了深度学习的研究小组在多项模式识别比赛中达到或超过人类水平的人工模式识别能力。互联网的巨头，包括谷歌、微软、苹果、脸书等敏锐地嗅到了这一机遇，并布局了利用这种技术的平台和产品，这个领域才真正开始火热起来。

为什么深度学习有前途？

现今，深度学习已经极大地推动了语音识别、图像和自然语言处理等方面产品的进展。而这些领域本来是人类很容易做到，而计算机很难做到的事情，因为深度学习的关系，这些事情计算机也可以处理了，而且从某种程度比人做得更好，毕竟计算机可以处理更多数据样本，学得更快。

现在，国内外的大小互联网公司都想抓住这个机遇，而有这样知识和经验的人才，更是抢手货。

这也是为什么我对深度学习有极大兴趣的原因之一。

附：一张图说明人工智能，机器学习和深度学习的关系：

（图片出处：http://www.cnblogs.com/subconscious/p/4107357.html）