久久精品无码一区二区三区国产,日本视频一区二区,人人干人人爱,亚洲AV第二区国产精品

　　原標題：AI 革命與 社會人 的逆襲

　　2016 年曾被稱為 " 人工智能元年 "。

　　這一年的春天，一場 AlphaGo 與世界頂級圍棋選手李世乭的世紀對戰(zhàn)，讓 " 人工智能 " 這一概念幾乎一夜之間火遍全球。像科幻小說或電影描述得那樣，吃瓜群眾們第一次意識到被 " 天網(wǎng) " 支配的恐懼已經(jīng)距離自己如此之近；各大科技論壇之上，人們談?wù)摰脑掝}也變成了是 " 奇點已來 " 和機器人三定律。

　　然而人工智能這個走入大眾視野的所謂 " 新概念 "，誕生至今卻早已經(jīng)超過了 50 年。

　　早在上世紀 50 年代，就已經(jīng)有研究人員開始嘗試通過模擬人腦的方式，賦予計算機 " 智能 "。

　　在他們看來，人腦識別物體并不是基于明確的規(guī)則，而是憑直覺判斷。比如我們看到一只狗，我們很明確的知道這是一只狗，但卻無法說清楚為什么會知道；事實上，相比于準確定義物體的特征，人腦識別更像是一種特征匹配，而這也是 " 神經(jīng)網(wǎng)絡(luò)學派 " 的最初思想。

　　到上世紀 70 年代，計算機科學家開始研究神經(jīng)網(wǎng)絡(luò)在推進人工智能上的可行性，但當時的主流學界普遍認為，神經(jīng)網(wǎng)絡(luò)在數(shù)學上有局限性，沒有前途；因此神經(jīng)網(wǎng)絡(luò)學派一直到九十年代都視為邊緣地帶的 " 異類 "，拿經(jīng)費、發(fā)論文都很困難。

　　2010 年，斯坦福大學一個叫李飛飛的華裔計算機科學家，組織了一個叫做 ImageNet 的機器學習圖形識別比賽，從 2010 年開始每年舉行一次。

　　這個比賽的有趣之處，在于它每年都為參賽者提供一百萬張圖片作為訓練素材，其中每一張圖都由人工標記了圖中有什么物體。

　　比賽規(guī)則是選手用這一百萬張訓練圖片練好自己的程序，然后讓程序識別一些新的圖片。每張新圖片有一個事先設(shè)定的標準答案，而參賽的程序可以猜五個答案，只要其中有一個判斷跟標準答案相符合，就算正確。

　　從 2010 到 2011 年的兩年里，ImageNet 比賽中最好成績的判斷錯誤率都在 26% 以上，但是到了 2012 年，錯誤率一下子下降到了 16%，從此之后就是直線下降。

　　到 2017 年，機器識別的錯誤率已經(jīng)降到了 2.3% ——這個水平已經(jīng)超過了人類。

　　那么 2012 年到底發(fā)生過什么，讓人工智能技術(shù)突然出現(xiàn)了一次質(zhì)的飛躍？

　　答案是 " 卷積網(wǎng)絡(luò) " 被發(fā)明出來了。

　　那一年 ImageNet 大賽的冠軍，是一個來自多倫多大學的研究組，他們創(chuàng)造性的在傳統(tǒng)的 " 輸入層 " 和 " 輸出層 " 之間加入了幾個邏輯層 —— 也就是所謂的 " 卷積層 "。

　　這個研究團隊讓每一個卷積層只識別一種特定規(guī)模的圖形模式，然后后面一層只需要在前面一層的基礎(chǔ)上進行識別；這樣做的好處是每一個神經(jīng)元只需要處理一個很小區(qū)域的數(shù)據(jù)，且參數(shù)可以重復使用，這就大大減少了運算量。

　　在這個新模型中，那些只有一層卷積的結(jié)構(gòu)被稱為簡單神經(jīng)網(wǎng)絡(luò)（左圖）；而那些有多層卷積的，就叫做 " 深度學習 " 神經(jīng)網(wǎng)絡(luò)（右圖）。

　　這個新算法是如此成功，以至于幾乎是一夜之間，以深度學習為代表的神經(jīng)網(wǎng)絡(luò)派 " 咸魚翻身，當家做主 "，從邊緣 " 社會人 " 一下成為了正統(tǒng)主流派——今天幾乎所有人工智能企業(yè)的底層技術(shù)構(gòu)架，全部是繼承于神經(jīng)網(wǎng)絡(luò)派的衣缽。

　　總的來說，這是一個來自社會邊緣的 " 革命者 " 砸爛舊世界的勵志故事。

　　而 " 卷積網(wǎng)絡(luò) " 和 " 深度學習 " 的橫空出世，也讓新技術(shù)的曙光照進現(xiàn)實，人類文明似乎踏上一條全新的進化之路。