將近年關(guān)，這個于1956年被正式提出的學(xué)科——人工智能，在60年后終于迎來了真正意義上的爆發(fā)期，雷鋒網(wǎng)也一直在關(guān)注AI的最新進(jìn)展。這個聽起來很高大上的名詞其實已經(jīng)在慢慢滲入我們的日常生活，比如谷歌的神經(jīng)翻譯系統(tǒng)，除此之外，人工智能也在重塑著各個領(lǐng)域，對我們的職業(yè)技能也提出了新的要求。未來，會是AI的世界嗎？
在澳大利亞的西海岸，Amanda Hodgson正在用無人機(jī)從高空俯拍印度洋的海面。拍攝的照片將會用來尋找柏斯（澳大利亞城市）附近海灣的儒艮（海牛），以防止這種瀕危的海洋哺乳動物滅絕。麻煩的是，Hodgson和她的團(tuán)隊沒有時間來一一檢查這些航拍照片?？偣灿?5000張照片，在這些照片中找出儒艮對于沒有訓(xùn)練過的人來說太困難了，因此她將這份工作交給了深度神經(jīng)網(wǎng)絡(luò)。
神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)模型，比如可以用來識別你的Facebook信息流中照片的面孔。它也可以識別你對你的安卓手機(jī)提出的問題，或者幫助運行谷歌的搜索引擎。類似人類大腦中的神經(jīng)元網(wǎng)絡(luò)，這種廣泛的數(shù)學(xué)模型通過分析海量的數(shù)字?jǐn)?shù)據(jù)來學(xué)習(xí)這些技能。如今，珀斯默多克大學(xué)的海洋生物學(xué)家Hodgson，使用相同的技術(shù)來在成千上萬張開放水域的照片中尋找儒艮，并且都利用了相同的開源軟件——谷歌的TensorFlow。
正如Hodgson所說，探測儒艮是一種對精確度要求很高的任務(wù)，主要是因為這些動物在海洋的表面下進(jìn)食。“它們看起來像水面上的浪花或者眩光，”她說，但是神經(jīng)網(wǎng)絡(luò)目前已經(jīng)能夠識別分布在海灣的80%的儒艮。
該項目仍然處于早期階段，但是它說明了深度學(xué)習(xí)在過去一年中的廣泛影響。2016年，這種古老但又被賦予了新的生命力的技術(shù)幫助谷歌的機(jī)器打敗世界頂尖的圍棋手。作為最古老的游戲之一，在幾個月之前，機(jī)器在圍棋領(lǐng)域打敗人類還被認(rèn)為是不可能的。將近年關(guān)，深度學(xué)習(xí)既不是什么聰明的把戲，也不是小眾的研究項目。它正在由里而外地重塑像谷歌、Facebook、微軟、亞馬遜這樣的科技公司，而且正火遍全球，這很大程度上要歸功于這些互聯(lián)網(wǎng)巨頭的開源軟件和云計算。
在過去的幾年中，神經(jīng)網(wǎng)絡(luò)通過Google Photos之類的App改造了圖像識別功能，并通過Google Now和微軟的Cortana這樣的數(shù)字助手將語音識別提升到了新高度。今年，他們又實現(xiàn)了機(jī)器翻譯的大飛躍，具備了自動將一種語言翻譯成另一門語言的能力。9月份的時候，谷歌推出了一項名為谷歌神經(jīng)機(jī)器翻譯（Google Neural Machine Translation）的服務(wù)，這項服務(wù)是完完全全運行在神經(jīng)網(wǎng)絡(luò)上的。根據(jù)谷歌所說，這種新引擎在翻譯特定的語言的時候能夠?qū)㈠e誤率降低55%到85%。
谷歌通過大量的現(xiàn)有翻譯的合集來訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)。其中一些數(shù)據(jù)有瑕疵，包括舊版谷歌翻譯低質(zhì)量的翻譯，但同時也有人類專家的翻譯，這提升了訓(xùn)練數(shù)據(jù)的整體質(zhì)量?？朔毕菔巧疃葘W(xué)習(xí)比較明顯的優(yōu)勢：只要有足夠的數(shù)據(jù)，就算有缺陷，也能夠通過訓(xùn)練達(dá)到遠(yuǎn)遠(yuǎn)超出那些缺陷的水平。
谷歌服務(wù)部門的首席工程師Mike Schuster并不羞于承認(rèn)谷歌翻譯遠(yuǎn)未達(dá)到完美的水平，但它仍然算得上是巨大的突破。因為這項服務(wù)也是依靠深度學(xué)習(xí)來完成的。由于谷歌可以將精力集中在優(yōu)化整體系統(tǒng)上，而不是像以前一樣到處修修補補，這樣使得谷歌更容易提升翻譯質(zhì)量。
于此同時，微軟也在朝著同一個方向發(fā)展。這個月，微軟發(fā)布了名為Microsoft Translator的App，它可以在線實時翻譯九種不同語言的對話。負(fù)責(zé)微軟的AI和研發(fā)團(tuán)隊的副總裁沈向洋說，這個新系統(tǒng)幾乎完全運行在神經(jīng)網(wǎng)絡(luò)上。這非常重要，因為這意味著微軟的機(jī)器翻譯的水平也能夠快速提高。
2016年，深度學(xué)習(xí)也被引入了聊天機(jī)器人，最引人矚目的當(dāng)屬新版的Google Allo。Allo于秋季發(fā)布，它能夠分析你收到的文字和圖片，并及時給出回復(fù)建議。這個功能是在早期的谷歌技術(shù)Smart Reply的基礎(chǔ)上發(fā)展而來的，之前被用來自動回復(fù)郵件信息。這項技術(shù)在Allo上表現(xiàn)的非常好，很大程度上是因為事先考慮到了當(dāng)今機(jī)器學(xué)習(xí)技術(shù)的局限性。通常回復(fù)建議都很簡短，而且常常不止一條，因為今天的AI還不能做到完全正確。
在Allo的背后，神經(jīng)網(wǎng)絡(luò)也幫助谷歌來回答你在搜索引擎上提出的問題。它們幫助谷歌的搜索助手理解你的問題，然后給出答案。根據(jù)谷歌研究產(chǎn)品經(jīng)理David Orr所說，如果沒有深度學(xué)習(xí)，這個App不會有給出答案的能力?！澳阈枰褂蒙窠?jīng)網(wǎng)絡(luò)，至少這是我們找到的唯一方法。”他說，“我們必須使用我們現(xiàn)有的所有最先進(jìn)的技術(shù)。”
這個夏天，在構(gòu)建了一個破解了圍棋游戲的AI后，Demis Hassabis和他所在的DeepMind實驗室創(chuàng)建了一個幫助谷歌管理全球數(shù)據(jù)中心網(wǎng)絡(luò)的AI。運用深度加強學(xué)習(xí)的技術(shù)，這個AI可以決定什么時候打開這些數(shù)據(jù)中心里成千上萬臺服務(wù)器中的冷卻風(fēng)扇，什么時候需要打開數(shù)據(jù)中心的窗戶來進(jìn)行額外的冷卻，以及什么時候打開昂貴的空調(diào)?？傊刂泼總€數(shù)據(jù)中心里的120項功能。
據(jù)彭博社報道，這項AI技術(shù)非常有效，谷歌因此節(jié)省了數(shù)億美元。換句線年谷歌為收購DeepMind花的6.5億美元已經(jīng)賺回來了。如今，DeepMind打算在這些計算設(shè)備里安裝額外的傳感器，讓它能夠收集額外的數(shù)據(jù)，以此來訓(xùn)練這個AI讓其達(dá)到更高的水平。
當(dāng)這些互聯(lián)網(wǎng)巨頭把這項技術(shù)應(yīng)用他們自己的產(chǎn)品中的時候，他們也將這項技術(shù)普及大眾。2015年末，谷歌開源了TensorFlow，在過去的一年，這個谷歌專有的軟件已經(jīng)“走入尋常百姓家”。同時，谷歌、微軟、以及亞馬遜都開始通過云計算服務(wù)來提供他們的深度學(xué)習(xí)技術(shù)，任何程序員或者公司都可以通過這項服務(wù)來創(chuàng)建自己的App。Aaas（AI as a service）或許將成為這三個巨頭未來的最大業(yè)務(wù)。
在過去的12個月中，這個新興市場引發(fā)了一場AI人才爭奪戰(zhàn)。谷歌聘請了斯坦福教授李飛飛來監(jiān)管一個專門負(fù)責(zé)AI的云計算團(tuán)隊，她是AI研究領(lǐng)域最響亮的名字之一。亞馬遜則聘請了卡耐基梅隆大學(xué)的教授Alex Smolna來負(fù)責(zé)AI業(yè)務(wù)。這些大玩家正在迅速地?fù)屨际澜缟系捻敿堿I人才，好消息是這些人才正在努力與他人分享自己的一部分科研成果。
隨著AI的發(fā)展，計算機(jī)科學(xué)家的角色正在改變。當(dāng)然，這個世界仍然需要能夠編寫軟件的人，但是未來將需要更多的人來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這更多的是從一堆數(shù)據(jù)中誘導(dǎo)出一個結(jié)果，而不是自己建立一些東西。像谷歌和Facebook這樣的公司不僅僅只雇傭AI人才，還為他們現(xiàn)有的員工提供再教育來應(yīng)對未來。可以預(yù)想，未來AI將會每個人生活中的一部分。
如果您對文章感興趣的話可以加一下微信號：yelangit返回搜狐，查看更多
