摘要 : 深度學(xué)習(xí)不僅是人工智能的發(fā)動(dòng)機(jī)，更是其他眾多領(lǐng)域、甚至是整個(gè)社會(huì)科技進(jìn)步的動(dòng)力。
百度首席科學(xué)家吳恩達(dá)在今天百家BIG TALK硅谷活動(dòng)上提到，從優(yōu)秀產(chǎn)品到大量用戶，再到海量數(shù)據(jù)，最后返回優(yōu)秀產(chǎn)品是一個(gè)良性循環(huán)，但最后一個(gè)環(huán)節(jié)“海量數(shù)據(jù)到優(yōu)秀產(chǎn)品”會(huì)出現(xiàn)問題，因?yàn)楫?dāng)數(shù)據(jù)積累過多時(shí)，就無法對(duì)這些數(shù)據(jù)進(jìn)行完整和準(zhǔn)確的處理，從而也無法為優(yōu)秀產(chǎn)品的后續(xù)更新提供參考。直到深度學(xué)習(xí)出現(xiàn)才改善了這種局面，他把數(shù)據(jù)比作火箭的燃料，把深度學(xué)習(xí)比作發(fā)動(dòng)機(jī)，是深度學(xué)習(xí)將數(shù)據(jù)這種燃料點(diǎn)燃從而將人工智能推到另外一個(gè)高度。而值得一提的是，在今天BIG TALK以及其他活動(dòng)的演講中，各領(lǐng)域?qū)＜叶贾苯踊蜷g接的提到了深度學(xué)習(xí)。所以，我大膽的得出一個(gè)結(jié)論，深度學(xué)習(xí)不僅是人工智能的發(fā)動(dòng)機(jī)，更是其他眾多領(lǐng)域、甚至是整個(gè)社會(huì)科技進(jìn)步的動(dòng)力。
1、 深度學(xué)習(xí)的定義
傳統(tǒng)人工智能的機(jī)器學(xué)習(xí)是通過標(biāo)記數(shù)據(jù)進(jìn)行有監(jiān)督學(xué)習(xí)，隨著其所需處理數(shù)據(jù)量的增大，外界對(duì)其的支持和幫助也就更大，而且計(jì)算結(jié)果的準(zhǔn)確性也會(huì)受到影響。因此，對(duì)于這種傳統(tǒng)算法，越來越多的數(shù)據(jù)將成為負(fù)擔(dān)，也更容易達(dá)到極限或產(chǎn)生錯(cuò)誤結(jié)果。但深度學(xué)習(xí)是從未經(jīng)標(biāo)記的數(shù)據(jù)展開學(xué)習(xí)，這更接近人腦的學(xué)習(xí)方式，可以通過訓(xùn)練之后自行掌握概念。面對(duì)海量數(shù)據(jù)，深度學(xué)習(xí)算法可以做到傳統(tǒng)人工智能算法無法做到的事情，而且輸出結(jié)果會(huì)隨著數(shù)據(jù)處理量的增大而更加準(zhǔn)確。這將大幅度提高計(jì)算機(jī)處理信息的效率。同時(shí)，深度學(xué)習(xí)在加速回歸定律的指引下會(huì)使得進(jìn)化過程中產(chǎn)物（輸出結(jié)果）獲得指數(shù)級(jí)增長(zhǎng)，當(dāng)深度學(xué)習(xí)的效率變得更高，就會(huì)吸引更多的資源向它聚合，使其發(fā)展更為迅速。王威廉在《國際機(jī)器學(xué)習(xí)大會(huì)ICML2013參會(huì)感想》提到：“用半監(jiān)督或無監(jiān)督學(xué)習(xí)方法挖掘無標(biāo)簽的數(shù)據(jù)，不僅是過去10年，還很可能是大數(shù)據(jù)時(shí)代的一個(gè)熱點(diǎn)。
回到“海量數(shù)據(jù)到優(yōu)秀產(chǎn)品”這一環(huán)節(jié)，這些數(shù)據(jù)處理效率的指數(shù)級(jí)增長(zhǎng)其實(shí)是來源于我們對(duì)互聯(lián)網(wǎng)產(chǎn)品的每一次微小的使用以及相應(yīng)的每次數(shù)據(jù)的貢獻(xiàn)，而這些匯集起來的數(shù)據(jù)再借助深度學(xué)習(xí)算法就會(huì)為會(huì)我們輸出更加準(zhǔn)確的結(jié)果，提供更好的服務(wù)，其產(chǎn)生的效果也會(huì)像滾雪球一樣越來越大。這就是吳恩達(dá)在今天的講座中提到的深度學(xué)習(xí)所促成的完整流程，也是他之前提到的人工智能正循環(huán)。
而深度學(xué)習(xí)帶來的正循環(huán)不僅體現(xiàn)在人工智能領(lǐng)域，還體現(xiàn)在機(jī)器人技術(shù)、信息化醫(yī)療、社會(huì)物理學(xué)和能源問題等領(lǐng)域。
2、 深度學(xué)習(xí)對(duì)大數(shù)據(jù)的價(jià)值
如吳恩達(dá)所言，數(shù)據(jù)是人工智能的燃料。隨著各個(gè)行業(yè)信息化程度的普及，任何行業(yè)所積累的數(shù)據(jù)會(huì)越來越多，但當(dāng)真正面對(duì)海量數(shù)據(jù)時(shí)，各行業(yè)才意識(shí)到數(shù)據(jù)處理能力遠(yuǎn)遠(yuǎn)不夠。在今天上午參觀百度美國研究院時(shí)，百度高級(jí)技術(shù)總監(jiān)呂厚昌提到了深度學(xué)習(xí)對(duì)大數(shù)據(jù)的重要性，他認(rèn)為，此前在數(shù)據(jù)的數(shù)量和效率之間存在矛盾，收集更多的數(shù)據(jù)有助于提高最終結(jié)果的準(zhǔn)確性，但數(shù)據(jù)越多，處理起來就越慢。當(dāng)沒有足夠高效的處理工具時(shí)，大數(shù)據(jù)就變成了數(shù)據(jù)墳?zāi)梗词惯@些數(shù)據(jù)再大，也無法提取出任何價(jià)值，因?yàn)闆]辦法對(duì)其進(jìn)行高效處理，這也違背了我們收集數(shù)據(jù)的初衷。
深度學(xué)習(xí)的出現(xiàn)就是解決了如何快速處理海量數(shù)據(jù)的問題，拿百度舉例，呂厚昌說，百度的數(shù)據(jù)處理自上而下分成開放云、數(shù)據(jù)工廠和百度大腦三個(gè)層級(jí)，最底層的開放云收集數(shù)據(jù)，數(shù)據(jù)工廠對(duì)數(shù)據(jù)庫進(jìn)行管理，最上層百度大腦的模擬神經(jīng)網(wǎng)絡(luò)通過機(jī)器學(xué)習(xí)高效的輸出結(jié)果，從而實(shí)現(xiàn)行業(yè)應(yīng)用。深度學(xué)習(xí)就是在最后一個(gè)環(huán)節(jié)體現(xiàn)出巨大價(jià)值，帶來更好的信息處理能力，從而產(chǎn)生更加廣泛和深入的行業(yè)應(yīng)用，比如百度大數(shù)據(jù)此前在醫(yī)療、交通和金融領(lǐng)域的應(yīng)用。
此外，MIT人類動(dòng)力實(shí)驗(yàn)室主任Alex Pentland的社會(huì)物理學(xué)就是基于大數(shù)據(jù)對(duì)人類的各種社會(huì)行為進(jìn)行分析，從而得出結(jié)論并提供決策依據(jù)；伯克利大學(xué)能源專家Daniel Kammen也是基于大數(shù)據(jù)來解決氣候變遷這個(gè)宏大的人類課題。這兩個(gè)領(lǐng)域都需要有海量數(shù)據(jù)支撐，因此，擁有高效、良性處理能力的深度學(xué)習(xí)技術(shù)就顯得尤為重要。
大數(shù)據(jù)已經(jīng)變成各個(gè)行業(yè)的基礎(chǔ)架構(gòu)，而真正能幫助這些行業(yè)處理好數(shù)據(jù)，并最終實(shí)現(xiàn)具體應(yīng)用的還是因?yàn)樯疃葘W(xué)習(xí)的出現(xiàn)。可以說，深度學(xué)習(xí)是大數(shù)據(jù)具體行業(yè)應(yīng)用的必要工具。
3、 深度學(xué)習(xí)對(duì)機(jī)器人領(lǐng)域的價(jià)值
康納爾大學(xué)創(chuàng)意機(jī)器人實(shí)驗(yàn)室主任Hod Lipson講述了他研發(fā)的基于“元認(rèn)知（Metacognition）”的機(jī)器人，他們事先沒有對(duì)這些機(jī)器人的行為進(jìn)行編程，而是讓這些機(jī)器人更加自由的活動(dòng)，對(duì)機(jī)器人的行為和“進(jìn)化”進(jìn)行研究，從而建造出能夠具備自我學(xué)習(xí)能力和進(jìn)化能力的機(jī)器人。TED對(duì)此進(jìn)行了非常準(zhǔn)確的描述：Hod Lipson及團(tuán)隊(duì)在創(chuàng)造一種能夠決定自己如何走路的機(jī)器人；一種能夠開發(fā)出自我感覺的機(jī)器人；通過不斷試錯(cuò)，最終構(gòu)建出“更像自己”的機(jī)器人。在技術(shù)哲學(xué)層面，Hod Lipson借鑒了美國知名人工智能專家、認(rèn)知科學(xué)家Marvin Lee Minsky的理論，機(jī)器的大腦有兩層結(jié)構(gòu)，一層感知外部世界，一層感知自身，以此在虛擬和現(xiàn)實(shí)之間幫助機(jī)器構(gòu)建出一個(gè)對(duì)自我意識(shí)的認(rèn)識(shí)和思考，也就是他今天提到的“對(duì)思考進(jìn)行思考”，從而讓機(jī)器具有“自我”。思想家I.J.古德提到，機(jī)器設(shè)計(jì)是智能機(jī)器的能力之一，而Hod Lipson現(xiàn)在所做的就是在培養(yǎng)機(jī)器的這種“設(shè)計(jì)能力”。
Hod Lipson認(rèn)為他現(xiàn)在之所以能夠制造出擁有“自我意識(shí)”的機(jī)器人，原因有兩個(gè)，第一是他一直推崇的3D打印技術(shù)的出現(xiàn)。第二就是深度學(xué)習(xí)技術(shù)的成熟，他對(duì)該領(lǐng)域保持關(guān)注了十多年，直到今天，深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練才達(dá)到令人滿意的效果，擁有自我意識(shí)和學(xué)習(xí)能力的機(jī)器人才會(huì)出現(xiàn)。
深度學(xué)習(xí)賜予了Hod Lipson更加智能的機(jī)器人，那這對(duì)我們來說意味著什么？Hod Lipson認(rèn)為這可以應(yīng)用在醫(yī)療行業(yè)，因?yàn)榫哂幸庾R(shí)的機(jī)器人能更好的了解人類的感受，從而對(duì)病人進(jìn)行更好護(hù)理。他提到的這種應(yīng)用已經(jīng)實(shí)現(xiàn)，去年，歐盟發(fā)布了RoboEarth項(xiàng)目，四個(gè)機(jī)器人在模擬醫(yī)院的環(huán)境中相互協(xié)作來照顧病人，它們通過與云端服務(wù)器的交互來進(jìn)行信息共享和互相學(xué)習(xí)。例如，一個(gè)機(jī)器人可以對(duì)醫(yī)院房間進(jìn)行掃描并將完成的地圖上傳至RoboEarth，而另外一個(gè)對(duì)這個(gè)房間完全不了解的機(jī)器人就可以通過訪問云端的這張地圖來找到房間中一杯水，而不需要再進(jìn)行額外的搜索。
這不僅體現(xiàn)了這種智能機(jī)器人在醫(yī)療行業(yè)的重要性，更預(yù)示著智能將從機(jī)器群組中涌現(xiàn)。不論是Hod Lipson的機(jī)器人，RoboEarth體系里的單個(gè)機(jī)器人，還是此前MIT發(fā)布的“多智能體系統(tǒng)”和哈佛大學(xué)的“白蟻機(jī)器人”，它們都是Robert Chambers在《Vestige of The Natural History of Creation》中變化論（transmutation）提到的“早期簡(jiǎn)單形態(tài)的物種”。而這種初期形態(tài)會(huì)逐漸向高級(jí)形態(tài)進(jìn)行自然進(jìn)化，這種法則可以被定義成單個(gè)個(gè)體的適應(yīng)性，一種在群體中誕生并不斷增長(zhǎng)的學(xué)習(xí)能力。就像一只看不見的手，一只存在于大量低級(jí)成員中卻控制并引導(dǎo)著整體的手，直到量變引起質(zhì)變。更難得的是，機(jī)器的這種學(xué)習(xí)能力是有加速度的，隨著時(shí)間推移，進(jìn)化能力本身的多樣性、復(fù)雜性和進(jìn)化力也隨之增長(zhǎng)，這就是KK在《失控》里提到的群組的自我進(jìn)化。
4、 深度學(xué)習(xí)對(duì)信息醫(yī)療領(lǐng)域的價(jià)值
斯坦福大學(xué)教授Walter Greenleaf的演講是信息醫(yī)療，全球老齡化的加劇帶來了嚴(yán)重的醫(yī)療負(fù)擔(dān)，在過去的31年間，醫(yī)療開銷超過了經(jīng)濟(jì)增長(zhǎng)。而目前解決這個(gè)問題的最佳途徑就是醫(yī)療信息化和數(shù)字診斷，移動(dòng)智能設(shè)備的普及，醫(yī)療設(shè)備的數(shù)字化和便攜式、云計(jì)算、社交化都在加速這個(gè)目標(biāo)的達(dá)成，而當(dāng)這一切都變成數(shù)字化時(shí)，醫(yī)療其實(shí)就變成了一個(gè)數(shù)據(jù)處理的過程，但數(shù)據(jù)量將會(huì)出現(xiàn)爆發(fā)式增長(zhǎng)，越來越多的人加入，體征監(jiān)測(cè)指標(biāo)越來越多，服務(wù)層級(jí)也越來越豐富，這就需要深度學(xué)習(xí)來提供強(qiáng)大的數(shù)據(jù)處理能力。同時(shí)，由于機(jī)器在處理病情時(shí)可以做到完全按照數(shù)據(jù)處理結(jié)果進(jìn)行客觀診斷，而不像人類一樣因?yàn)榍楦蟹矫娴脑蜃龀鲥e(cuò)誤判斷，因此，醫(yī)療領(lǐng)域的發(fā)展也需要人工智能和深度學(xué)習(xí)的有力支持。
百度的大數(shù)據(jù)引擎把醫(yī)療行業(yè)作為重點(diǎn)應(yīng)用方向，去年6月份上線的疾病預(yù)測(cè)可以對(duì)全國331個(gè)地級(jí)市，2870個(gè)區(qū)縣的四種疾病進(jìn)行未來趨勢(shì)的預(yù)測(cè)，其中，百度的深度學(xué)習(xí)技術(shù)勢(shì)必發(fā)揮了重要作用。IBM 和紐約基因中心 New York Genome Center, NYGC 合作，利用超級(jí)計(jì)算機(jī)的運(yùn)算能力加速腦癌研究并找到最佳的治療方法；Watson 負(fù)責(zé)整理醫(yī)學(xué)文獻(xiàn)并結(jié)合臨床數(shù)據(jù)，并利用其認(rèn)知技能及運(yùn)算技術(shù)找到所有數(shù)據(jù)的關(guān)聯(lián)性，根據(jù)病人的基因組找到最佳的治療方式。波士頓Beth Israel Deaconess醫(yī)療中心的研究小組正在使用機(jī)器學(xué)習(xí)算法來解決正在困擾全國各地急診室的數(shù)據(jù)質(zhì)量問題：以結(jié)構(gòu)化，標(biāo)準(zhǔn)化的方式獲知病人來訪的原因或“主要訴求”。
奇點(diǎn)大學(xué)生物技術(shù)和信息學(xué)項(xiàng)目負(fù)責(zé)人Raymond McCauley提到的基因檢測(cè)技術(shù)也是解決我們醫(yī)療難題的一大途徑，而深度學(xué)習(xí)也在這方面發(fā)揮著作用。比如說，多倫多大學(xué)的研究團(tuán)隊(duì)利用深度學(xué)習(xí)可以在基因未能被勘測(cè)的區(qū)域發(fā)現(xiàn)了自閉癥和癌癥的突變跡象，他們的最終目標(biāo)是利用深度學(xué)習(xí)模型完成人類基因漸進(jìn)式的“導(dǎo)航地圖”，這被成為基因檢測(cè)領(lǐng)域的轉(zhuǎn)折點(diǎn)。Walter Greenleaf還提到，通過構(gòu)建虛擬現(xiàn)實(shí)可以治療毒癮、酗酒、自閉癥等疾病，而如果借助深度學(xué)習(xí)技術(shù)構(gòu)建出一個(gè)更加智能、擁有意識(shí)的虛擬現(xiàn)實(shí)化身，將會(huì)帶來更好的治療效果。就像上文提到的，Hod Lipson的有意識(shí)的機(jī)器人可以更好的對(duì)病人進(jìn)行護(hù)理。Facebook的人工智能專家LeCun也說：“對(duì)于基因和醫(yī)療數(shù)據(jù)，數(shù)據(jù)永遠(yuǎn)都不會(huì)夠用。”深度學(xué)習(xí)的出現(xiàn)使我們可以放心去收集足夠完善的醫(yī)療數(shù)據(jù)，從而借助技術(shù)解決人類的醫(yī)療困境。
5、 結(jié)語
在過去的500年里，人類越來越相信可以依靠科技來提升自我能力，而且這不只是盲目的信仰，而是在歷史上經(jīng)過了反復(fù)的證明。在科技的幫助下，我們能夠進(jìn)行工業(yè)革命，可以探索太空，破譯基因密碼，也可以通過互聯(lián)網(wǎng)將全世界的信息和人連接在一起，未來甚至還可以創(chuàng)造出智力能夠比肩甚至超越人類的新物種。《人類簡(jiǎn)史》中提到，人類語言的發(fā)明促生出文明，使人類走上了一條文明進(jìn)化的快車道，而不是一直和其他動(dòng)物一起堵在基因進(jìn)化的路上。而如今，深度學(xué)習(xí)技術(shù)或許會(huì)是我們的另外一種“語言”，讓我們自身與比特和機(jī)器實(shí)現(xiàn)互通，從而走上一條新的快速路。
在聽Nick Sugimoto演講時(shí)，注意到了他所在公司本田的一句廣告詞——The power of dream，這句話同樣可以用在深度學(xué)習(xí)身上——Deep learning is the power of dream。
京公網(wǎng)安備 11010502049343號(hào)