DeepLearning（深度学习）这个词通过AlphaGO和李世石的人机大战再次火了起来。深度学习其实是机器学习（MachineLearning）的一个分支，机器学习是一门研究数据之间关系的学科。例如，可以用来挖掘收入与年龄、性别、职业、教育等因素之间的数学关系。.然而，传统的机器学习方法一般只能挖掘简单的线性关系。我们知道，世界不能用线性关系来描述，比如收入与年龄、性别、职业、教育的关系。这么简单的问题，用线性关系是无法表达清楚的。深度学习的出现改变了这种状况。深度学习使用复杂的多重非线性模型来表示数据之间的关系，然后使用大量的数据来最终确定数据之间的关系是什么。深度学习的灵感来自大脑的神经网络。可以说，我们的大脑是最复杂的深度学习模型。大脑中的神经网络由数千亿个神经元连接。深度学习也使用相同的结构。每个人工神经元对输入执行简单的线性或非线性运算，然后将结果传递给后续神经元。元，经过几十层甚至上百层之后，就得到了最终的预测结果。深度学习的方法近几年没有被提出来。早在20世纪80年代后期，GeoffreyHinton和YannLeCun等学者就使用深度学习的方法来解决手写数字识别问题。遗憾的是，进入20世纪90年代后，深度学习的性能并没有得到实质性的提升，甚至不如很多简单的线性模型，深度学习的研究陷入沉寂。直到2006年，Hinton教授在Science上发表了深度学习里程碑式的论文，重新审视深度学习方法，将深度学习的性能提升到一个新的高度。此后，深度学习在语音识别、计算机视觉、机器人、自然语言处理等领域超越了传统的机器学习方法，甚至在人脸验证竞赛LFW和自然图像分类竞赛ImageNet中超越了人类的识别能力。此次AlphaGO战胜李世石，是深度学习超越人类的又一例证。那么是什么让深度学习再次崛起并超越人类呢？当然，这首先要归功于Hinton等学者数十年的不懈研究。另外，还有两个客观因素极其重要：***是大数据。互联网连接着数十亿人，也连接着海量数据。深度学习需要大量的数据才能获得性能良好的模型。深度学习和大数据之间的关系就像火箭和燃料。火箭很厉害，但没有大数据，燃料就是一堆废铁。因为大数据是不可或缺的，我们也看到深度学习最好的地方就是那些我们熟悉的拥有大量数据的IT巨头，比如谷歌、Facebook、微软、百度等。可以说，在深度学习时代，拥有数据占据了人工智能的制高点。二是高性能计算。摩尔定律揭示了计算能力增长速度的规律。近年来，GPU、超级计算机、云计算等计算平台的快速发展，使得深度学习的实现成为可能。比如2011年，GoogleBrain用1000台机器和16000个CPU处理的深度学习模型有大约10亿个神经元，现在我们已经可以在几个GPU上完成同样的计算。事实上，深度学习已经进入了我们的口袋，我们智能手机上的GPU已经可以运行一些中等复杂度的深度学习方法。我想用不了多久，我们每个人都可以在手机上对战AlphaGO。几年后，我们的手机将能够运行与人脑一样复杂的神经网络。深度学习领域有很多优秀的华人科学家和华人企业。科学家方面，我们比较熟悉的有百度顶尖科学家吴恩达，IDL创始人余凯，Caffe的作者贾扬清，第一批刷人脸验证LFW的教授唐晓鸥和王晓刚。超过99%，并赢得了去年的ImageNet。桂冠无数的孙坚、何凯明等等。企业方面，知名的BAT、360、搜狗、滴滴等都在深度学习方面有所布局。）、旷世科技（人脸识别）、商汤科技（人脸识别）、地平线（ADAS）等。深度学习不仅仅是与人下棋那么简单。由于它是对人脑的模拟，因此它可以执行人脑的许多功能。首先是视觉功能。我们的相机可以像眼睛一样看世界，但不能像大脑一样理解世界。深度学习正好弥补了这个缺点。通过深度学习，GooglePhoto、百度丽图、淘宝拍丽淘可以准确识别照片中的物体类别，自动分类或搜索您的照片。有了深度学习，我们可以很酷的在支付宝刷脸支付。通过深度学习，歌灵神通的行为特征分析系统可以检测到现场所有人员和车辆的行踪，发现可疑危险事件及时报警。识别系统可以对人脸进行动态和静态识别对比。通过深度学习，驭势的自动驾驶汽车只能准确识别周围的路况。通过深度学习，像FaceU这样的应用程序可以知道人脸的位置和面部特征的位置。除了视觉功能，深度学习在语音识别中的应用也很广泛。百度的DeepSpeech2也在一些测试中超越了人类的听力。此外，谷歌、苹果、微软、国内的科大讯飞也都推出了自己的语音识别产品。借助深度学习，计算机拥有越来越强大的语音识别能力，将逐步改变目前以键盘为主的人机交互方式。深度学习也在深刻地改变着机器人领域。刚刚提到的基于深度学习的视觉和语音识别能力，可以帮助机器人更好地感知世界。此外，深度学习还与强化学习（ReinforcementLearning）相结合。所谓增强学习是指机器人通过在与环境交互中获得的奖励和惩罚来自我学习（SelfLearning）更好的策略。举个简单的例子，A??lphaGO是增强学习的产物。它通过与其他玩家或与自己下棋来独立学习更好的下棋策略。深度学习的引入使增强的学习方法能够找到更复杂的策略。从AlphaGO战胜李世石可以看出，深度学习+增强学习具有让机器人在相当复杂的环境中自主学习高度优化的决策策略的能力。以上这些应用只有我们自己可见，还有很多深度学习应用影响着我们视线之外的世界。互联网搜索、广告推荐、金融量化交易、机器翻译、医疗大数据分析、智能法律咨询……可以说，任何需要从大量数据中预测未知信息的领域，都是深度学习可以发挥的地方舒展筋骨。未来，以深度学习为代表的人工智能技术，可能会像蒸汽机、电动机、计算机、互联网一样，推动新一轮的技术革命，将生产力提升到一个新的高度。当然，作为从业者，我也很怕深度学习会受到表扬，尤其是在AlphaGO让这样的技术为大众所熟知之后。深度学习才刚刚起步，就像刚学走路的婴儿。当然，我们可以想象他未来会成为伟人，但毕竟很多技术还不成熟，相当一部分应用还差强人意，未来甚至很难实现一个很久。人工智能的发展不需要大家的热情，而是需要坚持不懈的投入和努力。
