一文帶你讀懂深度學(xué)習(xí)：AI 認(rèn)識(shí)世界的方式如同小孩

　　如果你經(jīng)?；〞r(shí)間和小孩子待在一起的話(huà)，你會(huì)不由得思考小孩子怎么能夠?qū)W習(xí)得如此之快。哲學(xué)家們，比如柏拉圖也曾經(jīng)考慮過(guò)這個(gè)問(wèn)題，但是從來(lái)沒(méi)有找到一個(gè)滿(mǎn)意的答案。我五歲的兒子，奧吉最近認(rèn)識(shí)了植物，動(dòng)物和鐘，當(dāng)然也少不了恐龍和飛船。他還弄懂了如何理解他人的需要和感受。他可以用知識(shí)來(lái)定義他看到和聽(tīng)到的東西，并且做出新的預(yù)測(cè)。比如他最近就說(shuō)前不久在紐約市美國(guó)自然歷史博物館展示的新雷龍是食草動(dòng)物，所以說(shuō)并沒(méi)有那么可怕。

　　但其實(shí)奧吉體驗(yàn)到的不過(guò)是一串光子到達(dá)了他的視網(wǎng)膜，他的耳膜接收到了空氣的振動(dòng)而已。他藍(lán)眼睛背后的“神經(jīng)電腦”從某種角度上來(lái)說(shuō)通過(guò)他感知到的有限的信息做出了食草雷龍不是很可怕的預(yù)測(cè)。那么問(wèn)題來(lái)了，是不是說(shuō)電腦也可以做到這樣呢?

　　過(guò)去15年的時(shí)間里，計(jì)算機(jī)科學(xué)家和心理學(xué)家一直在嘗試找到一個(gè)答案。兒童從老師和家長(zhǎng)那有限的輸入當(dāng)中獲取了大量的知識(shí)。盡管如今機(jī)器智能風(fēng)頭正盛，但是最厲害的電腦也不能像一個(gè)5歲兒童那樣進(jìn)行學(xué)習(xí)。

　　搞清楚兒童的大腦究竟是如何運(yùn)轉(zhuǎn)的，然后設(shè)計(jì)出一個(gè)電子版本能夠同樣有效地運(yùn)轉(zhuǎn)，可能需要計(jì)算機(jī)科學(xué)家們幾十年的努力。但同時(shí)，他們已經(jīng)在開(kāi)發(fā)融合了人類(lèi)學(xué)習(xí)模型的人工智能了。

　　追根溯源

　　在上世紀(jì)五六十年代的第一次熱潮爆發(fā)以后，接下來(lái)對(duì)AI的探索就沉寂了幾十年。不過(guò)在過(guò)去的幾年里，學(xué)界突然取得了重大進(jìn)展，尤其是在機(jī)器學(xué)習(xí)領(lǐng)域。AI一時(shí)間變成了最熱門(mén)的技術(shù)。這些進(jìn)展究竟是拯救人類(lèi)還是毀滅人類(lèi)，一時(shí)間也眾說(shuō)紛紜。AI在也確實(shí)曾被用來(lái)預(yù)示永生或者世界末日，這兩種可能性文學(xué)作品里都已經(jīng)寫(xiě)過(guò)很多。

　　我覺(jué)得在AI領(lǐng)域取得了這些發(fā)展引起人們強(qiáng)烈感受的主要原因在于我們內(nèi)心深處其實(shí)非常害怕類(lèi)人類(lèi)的出現(xiàn)的。不管是《科學(xué)怪人》里的魔偶還是2015年《機(jī)械姬》電影里的性感機(jī)器人，未來(lái)會(huì)出現(xiàn)一種“生物”會(huì)成為連接人類(lèi)與人工之間鴻溝的橋梁，這種想法本身就讓人覺(jué)得恐慌。

　　但是計(jì)算機(jī)真的能像人類(lèi)那樣學(xué)習(xí)嗎?那些席卷媒體的熱點(diǎn)新聞，有多少是真正具有革命意義的產(chǎn)品，而又有多少只是噱頭而已呢?電腦學(xué)習(xí)分辨貓，或者一個(gè)平片假名的過(guò)程很難被人理解。但是仔細(xì)觀察之后我們會(huì)發(fā)現(xiàn)，機(jī)器學(xué)習(xí)背后的基礎(chǔ)理論并沒(méi)有一開(kāi)始看上去的那么難以捉摸。

　　但是計(jì)算機(jī)真的能像人類(lèi)那樣學(xué)習(xí)嗎?那些席卷媒體的熱點(diǎn)新聞，有多少是真正具有革命意義的產(chǎn)品，而又有多少只是噱頭而已呢?電腦學(xué)習(xí)分辨貓，或者一個(gè)平片假名的過(guò)程很難被人理解。但是仔細(xì)觀察之后我們會(huì)發(fā)現(xiàn)，機(jī)器學(xué)習(xí)背后的基礎(chǔ)理論并沒(méi)有一開(kāi)始看上去的那么難以捉摸。

　　一種解決辦法是我們接收到的光子和空氣振動(dòng)，到了電腦上就會(huì)以數(shù)字圖像的像素和錄音的聲音片段呈現(xiàn)出來(lái)。然后試著從數(shù)據(jù)中提取一串圖案用來(lái)探測(cè)并識(shí)別周?chē)澜绲奈矬w。這種自底向上的研究方法在一些哲學(xué)家和心理學(xué)家的理論中也可以找到，比如約翰·密爾。

　　上世紀(jì)八十年代，科學(xué)家找到了一種令人信服的方式應(yīng)用這種自底向上的方式讓計(jì)算機(jī)在數(shù)據(jù)中尋找有價(jià)值的圖案?！鄙窠?jīng)網(wǎng)絡(luò)“系統(tǒng)通過(guò)神經(jīng)元將視網(wǎng)膜上的光圖案再現(xiàn)了你周?chē)沫h(huán)境。神經(jīng)網(wǎng)絡(luò)也是一樣的圖案。通過(guò)互相連接的類(lèi)似生物細(xì)胞的處理單元將某一層網(wǎng)絡(luò)上的像素轉(zhuǎn)換成抽象的表達(dá)——比如一個(gè)鼻子或一整張臉。

　　神經(jīng)網(wǎng)絡(luò)的概念由于最近深度學(xué)習(xí)新技術(shù)的出現(xiàn)又重新振興了。深度學(xué)習(xí)這種技術(shù)是由谷歌，F(xiàn)acebook和其他互聯(lián)網(wǎng)巨頭進(jìn)行商業(yè)落地的。計(jì)算機(jī)不斷增長(zhǎng)的能力——比如由摩爾定律體現(xiàn)的計(jì)算能力的指數(shù)增長(zhǎng)，也是這些系統(tǒng)獲得成功的一部分原因，大數(shù)據(jù)集地快速發(fā)展也是其中一部分原因。有了更高的處理速度和更多的數(shù)據(jù)之后，連接系統(tǒng)能夠更加高效地學(xué)習(xí)。

　　就像科學(xué)家一樣，自頂向上的系統(tǒng)形成了抽象廣泛的對(duì)于世界的假設(shè)。這個(gè)系統(tǒng)會(huì)預(yù)測(cè)在假設(shè)是正確的情況下，數(shù)據(jù)會(huì)呈現(xiàn)出什么樣子。同時(shí)這個(gè)系統(tǒng)也會(huì)不斷根據(jù)這些預(yù)測(cè)的結(jié)果來(lái)修改自身的假設(shè)。

　　尼日利亞、萬(wàn)艾可和垃圾郵件

　　自底向上的方式可能是最容易被理解的，我們首先來(lái)解釋這個(gè)。想像一下你試圖讓計(jì)算機(jī)從你的收件箱中分辨出重要郵件。你可能注意到垃圾郵件都有某種讓人討厭的特征：收件人列表特別長(zhǎng)，源地址來(lái)自尼日利亞或巴伐利亞，總是提到一百萬(wàn)美元的獎(jiǎng)金或提到偉哥。但是很可能非常有用的郵件看起來(lái)也是這樣。你不想錯(cuò)過(guò)表示你升職或者得了學(xué)術(shù)獎(jiǎng)項(xiàng)的郵件。

　　如果你對(duì)比大量垃圾郵件和正常郵件之后，你會(huì)發(fā)現(xiàn)只有垃圾郵件一般會(huì)具備以上的講故事方式——比如，來(lái)自尼日利亞的郵件，并承諾有一百萬(wàn)美元的獎(jiǎng)金出現(xiàn)了問(wèn)題。事實(shí)上，也許存在更加明顯的區(qū)分垃圾郵件和正常郵件的方式——比如不太明顯的錯(cuò)誤拼寫(xiě)和IP地址。如果你能發(fā)現(xiàn)這些信息，你就可以準(zhǔn)確地過(guò)濾掉垃圾郵件了，而且也不用擔(dān)心你的正常郵件被攔截。

　　自底向上的機(jī)器學(xué)習(xí)可以探索出解決這種問(wèn)題的相關(guān)線(xiàn)索。為了達(dá)到這一目的，神經(jīng)網(wǎng)絡(luò)必須回顧之前的學(xué)習(xí)過(guò)程。神經(jīng)網(wǎng)絡(luò)從巨大的數(shù)據(jù)庫(kù)中對(duì)成百萬(wàn)的樣例進(jìn)行評(píng)估，每一個(gè)樣例標(biāo)記為垃圾郵件或者正常郵件。然后計(jì)算機(jī)從一組識(shí)別特征中提取出能區(qū)分垃圾郵件的特征。