谷歌、Facebook 和其他企业巨头正在构建可以自主学习的技术方面取得重大进展。他们的努力很大程度上依赖于一种被称为深度学习的技术。
深度学习网络源于数十年前的观点，即如果计算机的运行方式更像人脑，它们就会更智能。深度学习网络由一层又一层的连接计算机处理单元（称为人工神经元）组成，每个单元对当前输入（例如，要分类的图像）执行不同的操作。传统神经网络和深度学习神经网络之间的区别在于后者具有更多层。网络越深——层数越多——它可以操作的抽象级别就越高。
深度学习在 2000 年代中期通过三位关键人物的工作获得了发展势头——多伦多大学的 Geoffrey Hinton、蒙特利尔大学的 Yoshua Bengio 和纽约大学的 Yann LeCun——但直到最近才开始在商业上取得进展。一个例子是 5 月份推出的 Google 相册应用。该软件可以上传我 iPhone 中的所有图像，正确识别我的妻子、儿子和孙子，然后将他们的照片转储到以缩略图标记的单独数字箱中。它可以做到这一点，因为它通过暴露于数百万张由系统分析的图像中，学会了识别人脸。当它在网络的每个连续层中运行图像时，该软件会以越来越高的抽象级别识别图像中的元素，直到最终可以检测到图片中的整张脸。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻事业 订阅。通过购买订阅，您正在帮助确保未来能够继续讲述关于塑造我们当今世界的发现和想法的具有影响力的故事。
一旦它接受了足够的人脸训练，它就可以在以前从未见过的图像中识别出每个人的鼻子和嘴巴。
深度学习的功能远不止整理图片。事实上，它可能标志着朝着人工智能迈进了一步，人工智能表现出的智能行为几乎与其人类主人的智能行为无法区分。今年 2 月，伦敦公司 DeepMind（谷歌于 2014 年以 6.17 亿美元收购）的一个人工智能专家团队报告称，它已使用深度学习构建了一台可以自学玩数十款雅达利视频游戏的计算机。经过大量练习，该软件在其中一半游戏中击败了专家级人类玩家。这是一小步，但机器时代必须从某个地方开始。