來(lái)源： 中國(guó)安防展覽網(wǎng)

????? 2005年，深度學(xué)習(xí)技術(shù)開(kāi)始從腦科學(xué)的發(fā)展中汲取營(yíng)養(yǎng)，通過(guò)模擬神經(jīng)元來(lái)逐漸學(xué)習(xí)如何識(shí)別圖像、理解語(yǔ)言，甚至作出自己的決定。該技術(shù)主要基于人工神經(jīng)網(wǎng)絡(luò)和一般的數(shù)學(xué)原理，從實(shí)例中學(xué)習(xí)如何識(shí)別圖像和翻譯語(yǔ)言。深度學(xué)習(xí)技術(shù)使人們恢復(fù)了對(duì)人工智能的憧憬。2012年，谷歌開(kāi)發(fā)出智能個(gè)人助理GoogleNow，用自然語(yǔ)言來(lái)回答用戶問(wèn)題，提供建議，并根據(jù)用戶以往的搜索習(xí)慣預(yù)測(cè)其可能需要的信息。此后，谷歌又推出圖片搜索引擎GooglePhotos。智能手機(jī)助理軟件更是一日千里，成為人們不可或缺的生活工具。谷歌AlphaGo戰(zhàn)勝圍棋頂尖高手李世石的消息更是成為轟動(dòng)世界的頭條新聞。技術(shù)進(jìn)步推動(dòng)深度學(xué)習(xí)技術(shù)迅速商業(yè)化，并成為人工智能發(fā)展的重要推手。為了搶占先機(jī)，各大信息巨頭紛紛砸數(shù)十億美元巨資支持其發(fā)展。?
????? 多年來(lái)，人工智能進(jìn)展緩慢，主要是由于人類是以自己能夠理解的方式，而不是機(jī)器所能理解的方式來(lái)認(rèn)識(shí)世界，處理問(wèn)題，因此，對(duì)人類來(lái)說(shuō)容易的事，對(duì)機(jī)器來(lái)說(shuō)則千難萬(wàn)難。而深度學(xué)習(xí)最有潛力之處，就是讓機(jī)器自己學(xué)習(xí)，通過(guò)自主學(xué)習(xí)教會(huì)自己如何做出正確的決定。然而，讓機(jī)器對(duì)特定情境做出正確決定并非一件輕而易舉的事。人類之所以比較容易做出正確的決定，是因?yàn)橐恍┫嚓P(guān)知識(shí)早已儲(chǔ)存在大腦中，事到臨頭可以直覺(jué)的方式瞬間作出反應(yīng)，并可在今后的實(shí)踐中不斷積累經(jīng)驗(yàn)。因此，機(jī)器學(xué)習(xí)的一個(gè)重要方面是為其編碼學(xué)習(xí)算法，讓機(jī)器從分析比較大量實(shí)例中學(xué)習(xí)提高。?
????? 編碼學(xué)習(xí)算法面臨的另一個(gè)挑戰(zhàn)，是沒(méi)有一個(gè)放之四海而皆準(zhǔn)的固定模式可以處理機(jī)器所面對(duì)的各種情境。而人類則不然，人類似乎天生就可以處理各種情境、學(xué)習(xí)各種知識(shí)。因此，人類大腦自然就成為設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)最重要的模型。?
????? 人類大腦通過(guò)神經(jīng)元來(lái)進(jìn)行計(jì)算，每個(gè)神經(jīng)元通過(guò)突觸傳遞信號(hào)。神經(jīng)元在學(xué)習(xí)過(guò)程中可以加強(qiáng)突觸的強(qiáng)度，并向臨近的神經(jīng)元傳遞信息。因此，早期深度學(xué)習(xí)技術(shù)也從構(gòu)建虛擬神經(jīng)元來(lái)形成人工神經(jīng)網(wǎng)絡(luò)，并通過(guò)增強(qiáng)連接神經(jīng)元間的突觸優(yōu)勢(shì)來(lái)實(shí)現(xiàn)機(jī)器學(xué)習(xí)?，F(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)用不斷改變每個(gè)突觸連接的數(shù)值來(lái)表示該連接強(qiáng)度。雖然每次學(xué)習(xí)其數(shù)值改變很小，但已可以使人工神經(jīng)網(wǎng)絡(luò)提高預(yù)測(cè)的準(zhǔn)確性。?
????? 為了取得最佳效果，目前的學(xué)習(xí)算法還需要人類的參與，稱之為監(jiān)督學(xué)習(xí)。如通過(guò)為機(jī)器提供日落的圖片來(lái)作為輸入，這樣“日落”一詞經(jīng)過(guò)人工智能才能輸出。每次提供不同的日落圖片，不斷改變?nèi)斯ど窠?jīng)網(wǎng)絡(luò)突觸連接的數(shù)值和強(qiáng)度，以此來(lái)完成學(xué)習(xí)任務(wù)。這一學(xué)習(xí)過(guò)程的關(guān)鍵是不讓機(jī)器單純地死記硬背，而是遇到新的日落圖片時(shí)，同樣可以產(chǎn)生有關(guān)日落的輸出。雖然這一任務(wù)表面上看很簡(jiǎn)單，但由于即便是日落這一簡(jiǎn)單的情境，其圖片也會(huì)產(chǎn)生無(wú)窮的變化，因此要求學(xué)習(xí)算法在類似的輸入下，會(huì)產(chǎn)生類似的輸出，尤其不能出現(xiàn)指鹿為馬的情況。?
????? 有一種處理圖像識(shí)別問(wèn)題的神經(jīng)網(wǎng)絡(luò)稱之為卷積神經(jīng)網(wǎng)絡(luò)，是人工智能的關(guān)鍵技術(shù)，其有多層神經(jīng)元，對(duì)圖像中重要內(nèi)容的些微變化不敏感。卷積神經(jīng)網(wǎng)絡(luò)在深度學(xué)習(xí)中獲得了較為廣泛的應(yīng)用，其靈感主要來(lái)自人類視覺(jué)皮層的多層結(jié)構(gòu)。?
????? 此外，深度學(xué)習(xí)在近年來(lái)能夠取得成功得益于兩個(gè)關(guān)鍵因素：一是計(jì)算機(jī)運(yùn)算速度提高了近十倍，尤其是圖形處理能力大幅提高；二是深度學(xué)習(xí)可順序計(jì)算的能力，能對(duì)圖像、聲音或數(shù)據(jù)一步一步地進(jìn)行分析或構(gòu)造。而對(duì)聲音和圖像進(jìn)行識(shí)別需要多層網(wǎng)絡(luò)結(jié)構(gòu)。?
????? 人工神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上主要表現(xiàn)為對(duì)靜態(tài)圖像的識(shí)別能力。目前又出現(xiàn)了一種新型神經(jīng)網(wǎng)絡(luò)，稱之為回歸神經(jīng)網(wǎng)絡(luò)，可對(duì)隨時(shí)間展開(kāi)的事件進(jìn)行標(biāo)記?；貧w神經(jīng)網(wǎng)絡(luò)與人類大腦的處理方式有很多相似之處，它可以預(yù)測(cè)一個(gè)句子將出現(xiàn)什么單詞，并在閱讀句子后，對(duì)其意思進(jìn)行猜測(cè)，今后可應(yīng)用于語(yǔ)義加工和語(yǔ)言翻譯。?
????? 人工智能技術(shù)走過(guò)了寒冬，迎來(lái)了發(fā)展的春天，這不僅僅是技術(shù)的進(jìn)步，還對(duì)我們今后應(yīng)如何支持科學(xué)技術(shù)的發(fā)展有著更為深刻的意義。當(dāng)某項(xiàng)技術(shù)的發(fā)展遇到暫時(shí)挫折，我們?cè)撊绾胃玫貞?yīng)對(duì)挑戰(zhàn)，堅(jiān)持多樣化發(fā)展策略，有效幫助其走出困境，這對(duì)整個(gè)科技發(fā)展都有重要的啟示作用。