上週國際計算機學會宣佈，將把本年度圖靈獎頒佈給三位獲獎者，以表彰他們在深度學習領域的貢獻。這三個人分別是書亞·本吉奧、傑弗裡·辛頓、楊樂昆。
本吉奧是蒙特利爾大學教授和魁北克人工智能研究所Mila的科學主任；辛頓是谷歌副總裁兼工程研究員、Vector研究所首席科學顧問；楊樂昆是紐約大學教授、Facebook副總裁兼人工智能首席科學家。
為什麼把這個堪稱計算機領域的諾貝爾獎頒發給這三個人呢？因為這三個大牛人，都是人工智能算法的奠基人，可以說，沒有他們，就沒有現在蓬勃發展的人工智能。
從1946年人類發明了第一臺電子計算機開始，就開始設計算法來讓電腦幫助人類承擔計算任務，進而希望計算機能模擬人類智能。在這個過程中，人們發明了非常多的計算機算法來希望做到這一點。例如神經網絡算法、過火算法等。但直到21世紀初，這些算法都遠遠達不到模擬人類智能的要求。
即便是90年代通過巨型電子計算機深藍來打敗人類國際象棋世界冠軍，依賴的仍是人類首先編制好的算法進行暴力計算，每秒113.8億次浮點運算來戰勝人類。據報道，深藍使用了30臺IBM工作站，每臺工作站有一個主 CPU和16個特製的國際象棋專用芯片，每秒可以搜索2億個棋局，通過窮舉法來應對人類的智商。也就是說，深藍仍只是一個簡單的計算機，並不是人工智能。
就在人類研究了各種算法都無果，幾乎就要認定計算機是絕對不會像人一樣思考的時候，從80年代就開創出神經網絡算法並堅持了三十多年的楊樂昆、辛頓和本吉奧等這群人，在2006年迎來了突破。他們提出了基於神經網絡算法的深度學習理論，把神經網絡算法徹底改造成了讓計算機能像人類一樣自我學習的編程方法。
為什麼叫深度學習呢？我們把計算機模擬的、由被稱為“神經元”的計算元素層組成的系統叫做神經網絡，這些“神經元”與人腦中的神經元有點相似，它們相互間建立多重加權連接，然後相互影響賦值結果。而人們則可以通過改變連接的權重，可以改變神經網絡的計算，但是在建立了深層次網絡後，計算機可以反覆自我計算賦值與調整權重，把權重調整到結果與預期較為相符，這也就是計算機自我學習的原理。
筆者有幸在校園中學習過MATLAB與人工智能這門課程，所以更深刻的感受到，深度神經網絡開創性的讓計算機能自我學習，不僅改變了計算領域，也正在改變科學和人類努力的每一個領域。
在傳統計算中，計算機程序用明確的分步指令指導計算機，等於是人在吩咐計算機做每一件事。而在深度學習理論中，計算機並沒有被明確地告知如何解決特定的任務，相反它使用一種學習算法來提取數據中的模式，這些模式可以將輸入數據與期望的輸出關聯起來。
谷歌和IBM的人工智能開發，都已經讓人歎為觀止。谷歌的AlphaGo不僅能讓自己和自己下棋來自我學習，最近更是能讓自己和自己打星際爭霸這種需要複雜操作及戰略決策的RTS遊資，更是在遠低於人類操作速度的限制下，打敗了星際爭霸的頂級職業選手。而IBM的人工智能，在與人類頂級辯手的辯論中，居然在學會搜索資料和整理論點論據的同時，還學會和人類觀眾打情懷牌。
這些人工智能的進展，讓我們有理由相信，隨著深度學習算法的深入，未來的人工智能，真的可以滿足人類的各種思考需求，甚至進化出自己的意識也不是沒有可能。而這些突破性進展，則要歸功於今年拿到圖靈獎的這三位大牛！
閱讀更多 A股樞密院 的文章
