logo 返回列表
深度学习
2019-03-07 1445
随着近几年全球各大科技巨头纷纷入场人工智能领域,催生了一大批技术的发展和落地:AI医疗、智能翻译、图像识别、智能社交机器人、无人驾驶……这些技术的背后都离不开“深度学习”。科技改变我们生活的同时,也给我们带来了某些隐忧:人工智能会不会取代我们甚至统治我们?甚至被取代?
日前,中信出版社推出了《深度学习:智能时代的核心驱动力量》一书。本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者,亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者,利用大数据和不断增强的计算能力,终于在神经网络算法上取得重大突破,实现了人工智能井喷式的发展。中信出版社特别邀请微软(中国)CTO韦青分享了这本书的阅读感受,以及对人工智能发展的判断。

《深度学习:智能时代的核心驱动力量》
中信出版集团出品
深度学习不仅是知识,而是思维范式的转变
首先我们怎么看深度学习,它到底是新的知识,还是一种范式的转变?人工智能非常广泛,其中机器学习是一方面,深度学习又是机器学习的一个子域。我认为深度学习不仅仅是知识,更是一种思维范式的转变。

爱因斯坦说过:“我们不能用制造问题时的同一思维水平来解决问题”。我们处在一个智能的时代,机器开始解决很多人类原来以为自己擅长的,结果是机器更擅长解决问题,所以我们需要努力学习新的知识。《深度学习》这本书的作者特伦斯·谢诺夫斯基,是几十年一直跟着业界发展的前辈和专家,他在这本书清晰的把“深度学习”的来龙去脉讲清楚了。其中最大的核心点,是这种知识要求我们了解人类的思维方式,并通过数学算法转变对世界的描述方式,让我们理解这个世界是由很多模型构成的。
如果我们还带着过去的思维方式,无论是电气化时代的思维方式,还是信息化时代的思维方式,都无法理解智能时代人的思维方式和计算机的计算方式有什么异同。过去的思维方式会产生两种结果:一方面容易把人工智能所带来的成就神话和夸大,另一方面对数学和算法的进步带来的人工智能发展成果产生误解。现在出现很多“机器是否会代替人,机器人是否让人类灭亡”的担忧,都是因为没有充分了解什么是人工智能。
以史为鉴,重新认识科技进步
由于技术的进步引发的新话题层出不穷,我们不断被动地接收新的理念。越来越多的人发现,人类开始进入“无人区”,没有一个大思想家或者大哲学家能够告诉我们未来会怎么样,所以人们就产生了很多争论,关于人工智能的争论,关于机器智能的争论,关于机器人的争论,关于技术和人类关系的争论等等。
微软公司CEO萨提亚曾在一场演讲中说:“未来没有人引导我们,那么我们可以选择以史为鉴,看看历史上发生过什么。”最有代表性的就是第一次工业革命到第二次工业革命之间,由蒸汽时代进入电气化时代。我把这个阶段总结为四种态度和四种结局。

在蒸汽时代,很多有影响力的全球性公司用蒸汽力量代替人的四肢,但当电气出现的时候,绝大多数公司态度是看不起电,因为最初电的效率并不够高。第一类公司的想法是电力不行,效率太低,没有未来,蒸汽力量足够了,一百年之后这些公司被淘汰了。
第二类公司放下一些包袱,认为电是新生事物,也有潜在发展的可能性,但是仍然坚信蒸汽机的力量,坚信只要对蒸汽机进行改良一样可以保持竞争力,这些公司也被淘汰了。
最可惜是第三类公司,他们已经放下旧的生产力,开始拥抱新的生产力和形成新的生产关系,但是思维方式没有改变。他们认为自己全面拥抱电气化时代,已经产生比蒸汽机时代超高的效率,更低的成本,但是他们还在跟蒸汽机相比,这些公司最终也被淘汰掉了。萨提亚提到,我们做了一些粗略的分析,只有不到5% 的公司在那个时代完成了转型和飞跃,真正进入了电气化时代。
当时大部分企业对于电气化的观念只是能点多少盏灯,或者生产线能够提高多少效率。只有5%的公司选择彻底放下包袱,忘记什么是电气,什么是蒸汽,而是把它们都当成是工具。这些公司要的就是进入新的时代。这代表更高的效率,更低的成本和更优秀的用户体验和产品品质。
通过历史上的事件可以发现,我们现在对未来的任何预估都是不足够的,都可能没有完全估计到未来的冲击力。

在历史上的某个阶段,古人类开始发现和使用工具,比如用骨头或者石片可以敲东西,完成手完成不了的能力。著名的科幻电影《2001太空漫游》中有一个非常著名画面,猿人忽然有一天发现可以拿骨头去敲另外一个骨头,可以把别的骨头敲碎,这就是人类历史上大的进步。他就发现这个骨头不仅可以敲骨头,也可以敲肉,可以敲瓜果,敲野兽,也可以用来防身。那时候人类发现,原来可以拓展四肢的能力,利用外部工具去提高自己的能力。
工业革命之后,人类发现不仅靠传统的工具,还可以靠各种机械的力量代替人类的四肢。我们现在不会无聊到说在肌肉能力方面还可以跟机器一拼,比如去和一辆汽车比赛跑步,应该没有人会这样做了。其实不仅是肌肉的机能,我们连计算的机能都都已经被淘汰掉了。有没有人可以马上开7的3次方?应该没有。我们可以十几块钱买一个计算器,计算器就可以做到。我们为什么对这种现象不会抱恐惧心理,而对人工智能抱有莫名其妙的恐惧心理?
技术是拿来用的,而不是拿来吹和炒的

很多业界专家都有这样的感受,现在媒体对人工智能的炒作过热,反而让广大读者,甚至是决策者失去了对这件事的核心把握。人工智能的核心实际上就是机器学习的能力,就是一种机器智能。现在主要表现方式是深度学习,但并不意味着我们曾经尝试的符号学,用逻辑推理的方式其实并没有过时,只不过还无法实现。现阶段深度学习取得了巨大突破,引领大家进入到新的未来。新的未来里面会不会是深度学习和其他人工智能、机器学习的方式共存的方式?我们并不知道,所以我们不要排斥这种观点,尤其不要认为现在就是深度学习这一种学习方式。未来应该是人类的学习能力、机器学习能力、深度学习能力和逻辑推理能力是共融共生的阶段,这可能是更加客观描述未来时代特征的一个方面。

智能时代之前的深度学习要靠数据的堆积去学习和驱动。但是现在的数据既不够大,也不够好。虽然我们有很多数据,但是并不算真正的大和好。大数据的概念并不是多,我们数据结构和数据来源没有形成万物互联的社会,物联网没有布设到,5G没有到位,可能数据不够那么多,不够那么好。支撑万物互联的基础架构恰恰是一个云计算的架构。所以倒着讲是智、大、物、云,正着去演绎是云、物、大、智。
如何理解人工智能

如何理解人工智能我总结了四点:首先,一定要应用。如果我们去学了“学会如何学习”的课程就会发现,现在最流行的方式是Problem-Based Learning,就是以问题为导向的学习,以实际解决问题方案的学习。未来是终身学习的时代,不存在大学毕业之后就不学习了。如何终身学习?一定要带着问题去学,这样学得越来越深入,学得越来越有用。人工智能也是一样的,它是一种学习的过程。学习不能为了学而学,一定是问题为导向的。

我的第二个观点就是,深度学习的发展不仅仅要靠数学的进步,不仅仅要靠计算机科学的进步,还要对人类自己的神经、脑神经、传输神经、感知神经的理解,才能知道是怎么回事。

现在我们每个人有基础的学习能力,机器学习也是一样,只是通过开放的接口开放学习的通用能力。未来每个人一定要在通用能力之上,掌握行业的学习能力,才能够真正为人类带来更大的福祉。

第四点就是要真正产生深度学习能力,我们需要有数据,需要有人才,还要有算法和算力。像微软这样专业公司可能会提供更强大的算法和算力,更多的公司需要在人才培养,数据收集上面下很大功夫,这样才能产生互动的促进作用。数据、人才、算法、算力这四者缺一不可。每一方面在未来都巨大的商机,正是因为我们即将进入智能社会,商机恰恰不是只在智能本身,而是各个方面。
没有专家的时代,每个人都要终身学习

我用盲人摸象的寓言来举例,这个时代是没有专家的时代,我们每个人都在学习。不存在输在起跑线上,因为每天都在新的起跑线。我们只要不放弃学习,不放弃自己,不要认为我到了某种年纪或某种地位,我就不去学了,也不要因为我是学文科或者我是学理科的我就不要再学其他的知识。未来需要的是天天学习。因为这个伟大时代还没有来,我们最多是摸着大象的其中一部分,所以每个人都有可能成为最终摸到大象整体的那个人。
正是因为这个时代没有专家,同时也是没有所谓的公理的时代,每一个理论都有可能成为当时可行的理论,但是并不意味着能够成为永远的理论,永远成功的法则。我们要去学习,不要唯各种专家,不要唯新,更重要唯实,你自己去试,小马过河,水是深浅只有自己知道。听别人说可以,包括我现在讲的,这也只是我在微软这么多年的体会和理解,并不代表所有人体会和理解,尤其不代表是否是正确的。我们不妨能够自己去试一下,大胆去试发现原来水既不像A说得那么是深,也不像B说的那么浅,对你来说最适合的就是最好的方法。

最后以比尔·盖茨先生的这段话作为结尾:“人们大都倾向于高估他在一年内所能完成的事情,但又容易低估他们坚持十年后能够取得的成就。”大家一定要明代,第一没有专家,第二没有起跑线,第三每天都在重新更新有新知识新理念出现,我们先不要放弃自己,同时把握最基本的对自己的自信和信念,认真学习。

相关推荐
微信扫一扫
微信扫一扫
关注公众号,了解更多资讯
联系客服

微信扫码联系客服