Ⓜ深度學習攜手大數據,引爆AI 熱潮

文:摘自《人工智慧來了》 圖:unsplash

今天人工智慧領域的研究者,幾乎無人不談深度學習。甚至高喊「深度學習=人工智慧」的口號。但深度學習絕對不是人工智慧領域的唯一解決方案,兩者也無法劃上等號。不過,若說深度學習是當今、乃至未來很長一段時間內,引領人工智慧發展的核心技術,則是一點也不為過。

人工智慧大師、深度學習泰斗—約書亞•本吉奧(YoshuaBengio)曾說:「沒有可與深度學習競爭的人工智慧技術。人工智慧是循序漸進、耐心工作的成果,而且它總是站在巨人的肩膀上。這些進步在某種程度上促成了轉捩點—我們能在新服務中,利用這些成果來生產新東西,進行經濟轉型、改變社會。正如人們所寫的那樣,我們正歷經另一場工業革命,並非簡單增加人類的機械力,電腦將增加人類的認知能力和智力。我談到深度學習,正是因為這些變化和突破在很大程度上,是由於深度學習的進步。」

從神經網路到深度學習
深度學習的歷史幾乎和人工智慧的歷史一樣長。但因為種種原因,蟄伏於人工智慧兵器庫的一角,默默無聞,任由其他門派的兵器在戰場上耀武揚威。然而,蟄伏不等於沉寂,在漫長的等待中,深度學習技術不斷地磨礪自己,彌補缺陷,磨利鋒刃。當然,最重要的是等待最合適的寶劍出鞘時機。

2000年後,電腦產業的發展,帶來了計算性能、處理效能的大幅提升,尤其是以谷歌為代表的前沿企業,在分散式運算上取得了深厚積累,成千上萬台電腦組成的大規模計算集群,早已不再稀罕。互聯網產業的發展,則使搜尋引擎和電子商務等公司,聚集了數以億計的高品質海量資料。大計算能力和大數據,正是深度學習這件深藏不露的千古神器所等待的兩大時機。

隨著PC的普及和互聯網時代的到來,人們關於電腦識別圖像、文字、語音的需求愈來愈明確。研究者嘗試使用人工神經網路來解決類似問題,但效果並不顯著。許多人試圖使用基於多層神經網路的深度學習技術。據說,「深度學習」(Deep Learning)這個術語,是從1986 年流行開來的。但是,當時的深度學習理論,還無法解決網路層次加深後帶來的諸多問題,而電腦的運算能力也遠遠未及深度神經網路的需要。更重要的是,深度學習賴以施展威力的大規模海量資料,還沒有完全準備好。所以,深度學習在真正橫空出世之前,又歷經了十幾年的等待和蟄伏期,直到Google DeepMind 打造圍棋應用程式AlphaGo,深度學習才開始大放異彩。

書籍資訊:


300
人工智慧來了
人工智慧時代,50%的工作將被逐漸取代!?

哪些工作最容易消失?什麼技能最容易被淘汰?你要如何提升自己?
2017年博客來商管類 百大暢銷好書