官术网_书友最值得收藏!

第4章 深度學習

今天是第三章,接下來跟大家講兩個故事。其實我不太想寫得太深入,尤其是算法這塊。但我想到了一本書啊這本書叫《深度學習》,所以今天我結合他跟你一起聊聊。對人工智能有所了解的大部分人都應該看過這本書,并且覺得《深度學習》一定要給自己家孩子看。但是深度學習講的是算法,你完全沒必要揪著自己家孩子去看這本書,因為在未來,人工智能的核心是數據和算力。

這本書呢,它的作者是全球10大人工智能的科學家之一,叫特倫斯切諾夫斯基。他非常厲害,因為他發明了一個詞,這個詞就是深度學習,如果沒有他,就沒有人工智能的今天。我們所有學人工智能的都知道,他是神經網絡的先驅,也是他把深度學習從邊緣課題,變成了互聯網科技公司,再到今天依賴的核心技術,也是他實現了人工智能井噴式的發展。所以今天我通過《深度學習》這本書跟大家聊聊,算法到底是什么東西。還是一句話總結一下,深度學習是一種模仿人腦工作方式的計算機技術。他模仿人腦的目的就是處理大量的數據和復雜的任務,也就是我們說的算法。大家都知道,人的腦子里有很多神經元進行鏈接,機器也是一樣。我們管它叫做神經網絡,就是機器有很多節點,這個節點就像是我們人腦的神經元,很多節點互相連接組成計算機模型,這就是我們的神經網絡了。比方說,我們現在非常著名的卷積神經網絡CNN,它主要用于圖像識別,像自動駕駛機車,它用的就是CNN,它來識別路標、人、紅綠燈等等。不過現在還有一款神經網絡叫做循環神經網絡,或者叫表述循環神經網絡,它叫RNN,它擅長的是處理數據。比方說,理解和生成文本,像智能助手Siri,像ChatGPT它用的就是RNN來理解和回憶你的語音命令。

深度學習其實現在已經在各個領域有了廣泛的應用,比方說,谷歌的翻譯就是使用深度學習實現了多語言的翻譯,再比方說我們之前聊到的醫療領域,深度學習可以幫助醫生分析圖像,分析數據,從而幫助醫生和病人更早發現癌癥。像我們現在用這么厲害的人工智能,它底層邏輯全部都是深度學習,如果其實你能完整地看完這章,你就應該會知道人腦的深度學習是怎么運算出來的。不過也正是因為計算機是模擬人腦的運轉方式,所以才發展成人工智能。其實你如果了解了計算機怎么深度學習的,你就會知道,那些老是背單詞背不下來的同學,幾乎全是深度學習很差。大家一定要記住,像人一樣,深度學習就是人工智能算法的靈魂。切諾夫斯基,他對人工智能,尤其是深度學習這個領域研究了40年,他就是深度學習算法的奠基者,也是人工智能的先驅。而到現在我們都覺得他就是先驅,或者說他是最偉大的,甚至可以說沒有之一,如果沒有他,人工智能就無法快速發展。深度學習發展到今天,也不到60年的時間,它經歷了三次非常嚴重的危機,又三次井噴式的發展,幾乎每一次都把人工智能拖向死胡同,但是又因為有一些優秀的大腦,把他集體打撈了出來。

1965年,有四位美國科學家,他們共同發起了一個叫達特茅斯夏季人工智能研究計劃,這個計劃當時在人工智能圈非是常的火爆,現在很多人追溯人工智能的歷史,就一定會追溯到這四位科學家,是他們開啟了人工智能領域的研究。人們剛剛研究人工智能的時候,因為那個時候都是摸著石頭過河,所以人工智能就分成多個方向。一個方向叫設計派,設計派的人認為,人工智能是自上而下設計出來的,就像上帝把人設計下來,只要給他明確的符號規則和方法,然后編程放進計算機,計算機就能擁有理性的思考能力。但這一切都需要設計,就像很多宗教人士認為,是上帝一點一點地將人給設計出來。但另外一方向就發現現實可能走不通,所以另外一派也叫學習派,學習派就認為,這世界上很多東西是無法設計的,像那最近特別火的Open AI的聯合創始人,他就是學習派的跟隨者。既然大部分偉大的事無法計劃,無法被設計,那么你可以通過不停的給他喂養,大量的文本,大量的數據,讓他可以不斷的學習,慢慢擁有智能。

比方說有個蘋果,如果是個設計派,你就要教他,這是蘋果,那不是蘋果,就是要不停的設計;但是學習派不這樣,學習派是讓計算機去看大量的蘋果,相當于教計算機自己來認,然后計算機看了那么多蘋果之后就學習到了,這是蘋果,那不是蘋果。因為計算機找到規律了,自然而然就知道了蘋果長什么樣。雖然我們不知道計算機具體是怎么想的,但是我們現在幾乎可以明確設計派是走不通的,設計派就像我們的應試教育,不停的告訴你,這是蘋果,不懂就背下來哈。那什么是學習派的素質教育,就是讓孩子理解大量的蘋果,見過大量的蘋果之后,他意識到蘋果原來長這個樣。各位,這像不像人大腦,所以學習派的核心理念就是計算機通過學習和模仿人類的大腦原理,通過大量的學習案例來讓你理解事物,擁有人類的智能。但是人工智能早期時代,人們沒有那么多數據,自然也就無法超越設計派。早期研究人工智能的大多數先驅,都認為機器是不可能自己通過模仿就擁有智能的,機器哪能像人腦子那么牛,所以一致認為機器的智能一定是人設計它這樣做的,你看這是人類的驕傲所決定的,這帶來了人工智能第一次危機。如果到現在你還不理解人工智能,那么我接下來爭取再次通過這個積木問題把它講明白。那個積木問題就是如何教會機器人,像小朋友一樣堆積木,積木問題的目標,就是編寫一個能夠理解命令的程序。比如找一個大塊的黃色積木,把這個黃色積木放在紅色積木上邊,然后把這個程序變成機器手完成動作。大家都知道這個事很簡單對吧,小朋友都會啊,你讓小朋友說來,把那黃色積木堆那個紅色積木上面,就非常簡單,對吧?但我告訴你,這個在編程里非常難。首先就光識別出黃色跟紅色,就已經很困難了,更別說去搭積木了,因為你要教他什么是黃色,你怎么定義黃色。科學家編了一個龐大的程序,結果漏洞百出,所以他們看著程序崩潰,自己也開始崩潰,說這玩意咋教都教不會。你看這像不像一個家長教孩子教不會,積木問題看似簡單,其實是一個在編程領域極其困難的問題,所以如果積木問題都出問題了,你讓他蓋房子也是天方夜譚,更別說是人工智能了。跟大家說一下2016年是怎么解決的,它也是通過大數據的深度學習,通過學習派的這種邏輯,讓他認識什么叫黃色,什么是紅色,才慢慢解決了。所以60年前的設計派的這幫人,遇到第一個特別大的危機,就是積木問題,不過還好有那么一小撮人,他們是堅定學習派的,他們意識到人工智能只要通過模仿人類學習的過程,一定能夠找到一種行得通的算法,所以到人工智能近期,計算機科學家集中活力,進入到學習派,他們開始模仿人類的學習方法。而這期間一位偉大的教授,他來自于康奈爾大學的弗蘭克,這個羅森布拉特教授非常厲害,因為他第一個實現了一個突破,他發明了一種算法叫感知器。

在1957年,感知器能完成的功能,就像是我們剛才提到如何教計算機認識蘋果,通過識別大量的圖片,哪些是蘋果,哪些不是蘋果,感知器形成一套自己的標準,它就能認出蘋果了。如果它能認出蘋果,那么各位它是不是就能認出坦克等等,所以感知器最先被用在了軍方程序、。這個成果也上了紐約時報,一個感知器能識別出坦克,什么概念,所有的科學家看完都傻了,因為更進一步,打仗的時候他就能識別出這不是坦克,這是偽裝坦克,他就能確定這個要攻擊了。因為他能認出坦克,他一定能認出槍,能認出敵人,所以科學家就決定研究怎么讓感知器處理更復雜的問題。不過還是決定向人學習,感知系模仿的是我們的神經元,大家如果學會一點腦科學,知道神經元組成了一個龐大的網絡,這個網絡在我們腦子里邊,它就是我們的記憶,就是我們的生命,所以科學家也就繼續朝這個神經網絡方向本進發。但是在1969年,這個著名的人工智能之父——馬文明斯基,大家記得嗎,這個馬文明斯基也是在1956年的達特茅斯人工智能夏季研究計劃的發起人,他在發起的那場世紀之討論之中寫了一本叫感知器的書,這本書里有段話說,單個的感知器只能解決有限的問題,要解決復雜的問題,必須把更多的感知器連在一起,組成人工神經網絡,你看這好像很對,人的大腦是這樣子的,很多神經網絡他也是一樣,把各種感知器連在一起,所以他就在書里做了接下來這個論斷,沒有辦法找到一種可行的算法去訓練這種人工神經網絡,這就相當于把人工神經網絡剛告訴你,這條線可以走,然后就告訴你沒辦法走通。到現在,誰也不知道他為什么會寫這篇文章啊,這相當于第二次危機,整整一代人的人工智能研究者,都讀過這個論文,這大哥就連自己都沒往上考慮。

你知道嗎?有時候我在讀這些歷史的時候,我就特別大的感觸——人類為什么會進化,人類為什么會比上一代強?它的本質就是,這一代人不聽上一代人的話,結果誰也沒想到,就一小撮科學家,其中就包括特倫斯切諾夫斯基,非常討厭那個馬文明斯基。他就不死心的繼續研究,最后在16年之后,也就是1985年,和另外一位人工智能領域,非常優秀的專家——辛頓,他當時就提出一個算法,可以讓更多的感知器共同組成一個人工智能網絡,這個算法也非常有名,大家可以查一下,叫做波爾茲曼契,這個算法它打破了十多年前那位司機的預言。順便說一下,這倆哥們還認識,這倆哥們在06年的一個大會還見過一面,當時這位馬文明斯基司機當時見到特倫斯切諾夫斯基,看的都不好意思,直接掉頭就走,特倫斯切諾夫斯基就跑去找那位馬文明斯基說,是不是你堵死了大家的路,你得向大家道歉,然后他說就道歉了。

話說回來,找到了感知器跟感知器之間的溝通方式,計算機科學家終于可以創建龐大的人工神經網絡,來處理更大的更復雜的問題。當然第二次人工智能的浪潮也就來了,這波浪潮包括智能翻譯,語音識別,無人駕駛。不過在95年前后,大家又失去信心,因為大家覺得這么多年人工智能發展太慢了,他們都認為算法可行,但是沒法使用。大家都知道這個東西好,但你要怎么用它是個問題,所以這一次又遇到了寒冬,人工智能這個時候什么也不能干,只能等待,等待大數據繼續發展,算力系統繼續優化。如果大家都聽過摩爾定律,你就應該知道,芯片內的晶體管的數量增加一倍,芯片的這個運算能力就會增加一倍,每兩年都會這樣,這種指數增長一定會突然間變得很可怕。像10年32位人工智能最新的發展,這都是因為芯片技術越來越強大了,2012年開始,芯片技術帶來了強大的算力,在深度學習的算法帶領下,人工智能迎來了第三次浪潮,這是我們今天經歷的人工智能浪潮,這個浪潮會刮多久呢?我不知道,但是我問了身邊人,都說至少10年。

總結一下,我們從1959年到1969年,人工智能興起了12年,然后接下來低谷期17年,86年到95年,人工智能興起了不到10年,之后低谷期17年,然后2012年人工智能又興起了,到如今人工智能進入高潮,幾乎就是周期性的浪潮,但是大家從這波浪潮中也能看出,萬事萬物都是一樣,一個東西起來之后它一定會下去,所以大家也不要因為一時的興起太過激動,也不要因為一時的落寞而太過悲傷。科技如此,生活也如此。就像現在人工智能這么火,你都愿意花錢上上培訓班,花錢讓孩子去接觸人工智能,但是我告訴大家人工智能的趨勢還會下去,但過不了多久他還會上來,所以今天看到這的你們,相信我,人工智能的趨勢是波浪的向前推進。只要你相信這個賽道是永恒的,人工智能就一定會再次迎來他的高潮,我原來經常會感受到我們讀歷史,讀文學他救不了人,他只能自救;但是人工智能這個賽道,真的可以救很多人,這也是為什么我老建議大家持續學習、多接觸新事物。各位,這章到此就結束了,下一章我們聊聊無人駕駛,并分享一個故事。

作者努力碼字中
主站蜘蛛池模板: 平凉市| 新竹县| 章丘市| 宜州市| 阿克苏市| 阳东县| 鹰潭市| 玛曲县| 宜兴市| 兴文县| 赤城县| 珠海市| 辛集市| 上杭县| 伊宁县| 平顺县| 竹北市| 嘉善县| 怀宁县| 黎城县| 邵阳县| 隆子县| 古丈县| 淳化县| 望谟县| 重庆市| 武清区| 临朐县| 淮北市| 许昌市| 昌都县| 新安县| 花莲县| 修武县| 普安县| 桂东县| 铁岭县| 沙田区| 玛沁县| 尼玛县| 广宗县|