国产精品一区二区三区久久久_这里精品_91新地址_91看片看淫黄大片_夜夜骑狠狠干_亚洲成人精品一区

　　“Google Brain之父”吳恩達(dá)

　　5月10日消息，吳恩達(dá)(Andrew Ng)是斯坦福大學(xué)人工智能實驗室主任，2013年《時代》雜志評選的全球最具影響力百大人物中上榜的十幾名科技人物之一，目前領(lǐng)導(dǎo)著Google Brain項目，在谷歌 內(nèi)部推動深度學(xué)習(xí)算法。去年6月，“谷歌大腦”(Google Brain)項目運(yùn)用深度學(xué)習(xí)的研究成果，使用 1000 臺電腦創(chuàng)造出包含 10 億個連接的“神經(jīng)網(wǎng)絡(luò)”，使機(jī)器系統(tǒng)學(xué)會自動識別貓，成為國際深度學(xué)習(xí)領(lǐng)域廣為人知的案例。

　　近日，《連線》雜志發(fā)表文章，對這位“Google Brain之父”及其研究領(lǐng)域進(jìn)行了詳細(xì)介紹，以下為文章內(nèi)容摘要：

　　“單一算法”假說改變?nèi)斯ぶ悄苎芯糠较?/b>

　　有種理論說，人類的智慧來源于一個單一的算法。這個理論的實驗依據(jù)是，人類大腦發(fā)育初期，每一部分的職責(zé)分工是不確定的，也就是說，人腦中負(fù)責(zé)處理聲音的部分其實也可以處理視覺影像。人腦究其本質(zhì)來說，是一臺可以被調(diào)試以執(zhí)行特定任務(wù)的通用型機(jī)器。

　　七年前，斯坦福大學(xué)計算機(jī)科學(xué)教授吳恩達(dá)偶然接觸到了這一理論，這個理論醍醐灌頂般地改變了他對于人工智能本質(zhì)的理解，重新點燃了他對人工智能技術(shù)的熱愛，從而改變了他的職業(yè)軌跡。據(jù)他回憶，“有生以來第一次，我感到自己有可能在人工智能的研究領(lǐng)域取得一點進(jìn)展。”

　　吳恩達(dá)說，在人工智能技術(shù)研究的早期，主流的理念是，人類智慧形成于成千上萬個簡單代理的協(xié)同工作，也就是麻省理工大學(xué)教授馬爾文·明斯基(Marvin Minsky)所說的“頭腦的社會”。工程師們因此相信，要實現(xiàn)人工智能，就必須建立成千上萬個獨(dú)立的計算機(jī)模塊。一個模塊，或者算法，去模擬語言，第二個模塊處理發(fā)聲說話等等以此類推。總之，按照這個早期理念，實現(xiàn)人工智能所需的工作量巨大，難以實現(xiàn)。

　　吳恩達(dá)小時候的夢想就是發(fā)明能像人類一樣思考的機(jī)器，但當(dāng)他進(jìn)入大學(xué)真正開始接觸人工智能時，卻正逢上述理念盛行，他很泄氣，放棄了對人工智能的研究。后來，他成為大學(xué)教授，還不斷地打擊自己的學(xué)生，勸他們也放棄人工智能這一“不切實際的夢想”。直到有一天，他接觸到了“人類的智慧來源于一個單一的算法”的假說，意識到自己以前對于人工智能的理解可能大錯特錯，他終于重新拾起了兒時的夢想。而“單一算法”這一假說的提出者是杰夫·霍金斯(Jeff Hawkins)，一名有著神經(jīng)科學(xué)研究背景的人工智能領(lǐng)域的企業(yè)家。

　　現(xiàn)在看來，這一假說所改變的，不僅僅是吳恩達(dá)的職業(yè)生涯而已。吳目前的主要研究領(lǐng)域是機(jī)器學(xué)習(xí)技術(shù)中的“深度學(xué)習(xí)”，在計算機(jī)科學(xué)中屬于比較新的領(lǐng)域，深度學(xué)習(xí)研究的主要目的是打造能像人腦一樣處理數(shù)據(jù)的機(jī)器。目前，深度學(xué)習(xí)的研究已經(jīng)不限于學(xué)術(shù)界，谷歌和蘋果這樣的大公司也意識到了其中蘊(yùn)藏的巨大機(jī)會。吳恩達(dá)和谷歌的其他研究人員一起成立了有史以來人工智能領(lǐng)域目標(biāo)最遠(yuǎn)大的項目——Google Brain。

　　Google Brain項目的指導(dǎo)思想，是將計算機(jī)科學(xué)與神經(jīng)科學(xué)相結(jié)合，在人工智能領(lǐng)域，這是從來沒有真正實現(xiàn)過的。吳恩達(dá)說，“我發(fā)現(xiàn)工程師(擅長計算機(jī)科學(xué))和科學(xué)家(擅長神經(jīng)科學(xué))之間存在著巨大的代溝。”工程師們想要構(gòu)建成功的人工智能系統(tǒng)，而科學(xué)家們卻仍未能完全理解人腦錯綜復(fù)雜的工作機(jī)制。很長一段時間內(nèi)，神經(jīng)科學(xué)并不能夠為想要建造智能機(jī)器的工程師們提供答案。

　　此外，據(jù)加州大學(xué)伯克利分校瑞德伍德理論神經(jīng)科學(xué)研究中心(Redwood Center for Theoretical Neuroscience)主任布魯諾·奧爾斯豪森(Bruno Olshausen)透露，科學(xué)家們還總是覺得“大腦研究”是他們的領(lǐng)域，不大愿意與其他領(lǐng)域的研究人員進(jìn)行合作。

　　最終的結(jié)果就是工程師們開始建造不完全模仿人類大腦運(yùn)行的人工智能系統(tǒng)，他們鼓搗出來的只能說是“偽智能”系統(tǒng)，產(chǎn)品類似于“Roomba”這樣只能用來吸塵的機(jī)器人，而不像動畫片《杰森一家》(The Jetsons)里的機(jī)器人女仆“羅西”T(Rosie)。

　　吳恩達(dá)用電腦解釋深度學(xué)習(xí)

　　在吳恩達(dá)和其他一些人的努力下，這樣的局面終于開始發(fā)生改變，美國國家心理衛(wèi)生研究所(National Institute of Mental Health)主任托馬斯·因瑟爾博士(Dr. Thomas Insel)介紹，“業(yè)內(nèi)已經(jīng)形成共識，誰能搞明白人腦如何計算，誰就能設(shè)計出下一代計算機(jī)。”

　　究竟什么是“深度學(xué)習(xí)”?

　　深度學(xué)習(xí)是人工智能技術(shù)朝新的研究方向邁出的第一步。簡單地說，深度學(xué)習(xí)包含了構(gòu)建能夠模仿人類大腦行為的神經(jīng)網(wǎng)絡(luò)。這些多層次的電腦網(wǎng)絡(luò)像人類大腦一樣，可以收集信息，并基于收集到的信息產(chǎn)生相應(yīng)的行為。這些電腦網(wǎng)絡(luò)可以逐漸對事物的外形和聲音進(jìn)行感知和理解，也就是“認(rèn)識”事物。

　　比如，為了賦予機(jī)器“視覺”，研究人員需要建立最基本的一層人工神經(jīng)元，用來探知如物體的邊緣形狀等基本信息，第二層神經(jīng)元可以將第一層感知到了物體邊緣性狀拼湊起來，鑒定較大塊的物體形狀，然后再加一層將第二層檢測到的信息再拼湊從而使機(jī)器明白物體整體的形態(tài)。這里面關(guān)鍵的一點是，軟件可以自行做到這一切——舊的“偽人工智能”往往需要工程師人工輸入物體視覺或者聲音的信息，然后由機(jī)器學(xué)習(xí)算法來處理這些信息數(shù)據(jù)。

　　吳恩達(dá)介紹，在深度學(xué)習(xí)算法之下，我們可以給這個系統(tǒng)很多數(shù)據(jù)，使其“自己學(xué)會世界上的一些概念”。去年，吳的一個深度學(xué)習(xí)算法機(jī)器通過掃描互聯(lián)網(wǎng)上無數(shù)的貓的圖片“認(rèn)識”了貓，機(jī)器不認(rèn)識單詞cat，吳需要為機(jī)器輸入這個單詞，然后經(jīng)過一段時間，機(jī)器將這種毛茸茸的小動物與單詞cat聯(lián)系到了一起，可以自行鑒別什么樣的事物是cat。

　　教機(jī)器學(xué)習(xí)的方法本身就是在模仿人類的學(xué)習(xí)機(jī)制，當(dāng)我們還是嬰兒的時候，我們通過觀察周圍，開始認(rèn)識我們接觸到的事物，但是如果父母不告訴我們一樣?xùn)|西的名字是什么的話，我們自己無法知道。