——人类造出来的计算机越来越强大,最后展出一台级终端,这台终端可以理解人类的一切语言,感知和人类一样敏锐的视觉、听觉,并且可以和人类一样“理解”图片和音符的含义。
这种误入歧途的信念,在1997年IBm公司制造出“深蓝”、并且用“深蓝”击败当时的国际象棋世界冠军卡斯帕洛夫时,展到了顶峰:看,电脑已经会真正的思考了。造出拥有人工智能的机器还会远么?
一片乐观之中,杰夫辛顿恰好是那个保持了冷静的人,他对这个问题的设想恰好相反。
杰夫辛顿一直觉得,虽然级终端也有可能最终像人类一样“能够真正理解万物”,但是那太遥远了,目前的硬件水平,起码再展几十年,才有可能到那种地步。
在此之前,人类应该有更好的捷径,通过把无数不够先进的单一计算机终端。用一张网络连接起来,让每一个节点犯的错误能够被其他节点所借鉴,让计算机的自我学习和进化不仅限于总结自身犯过的错误,而是拓展到“总结一切同类曾经犯过的错误”。那么。人类就有可能提前几十年,在硬件还不是特别强大的时候,就提前享受人工智能带来的好处。?¤八一中文?网◎?◎、、-.-8、1`z`
这种设想中提到的网络拓扑模型,最初被称为“卷积神经网络”,为了实现“卷积神经网络”的不断优化学习,需要一系列对处理结果的网际反馈算法。那一系列算法集合,被称为“深度学习算法”。
杰夫辛顿就是一个在“卷积神经网络”研究领域处于全人类学术地位前五名的级大牛,而具体到“深度学习算法”的研究方向上,他是不折不扣的世界第一。
如此描述,或许有些枯燥。但是后世之人,如果从结果逆推往回看,就可以现这一指导思想有多么伟大:
自从杰夫辛顿总结归纳出了完整的“深度学习算法”理论之后,仅仅一年之内,谷歌公司成功研出了“图片搜索引擎”,让搜索引擎从此不再仅限于搜索链接当中的文字,而是可以搜索一张图片——因为谷歌的搜索引擎使用了深度学习算法的思想,让电脑也学会了“如何读懂一张图片的意思”。
同样,当时还在成长期的FaceBook公司,通过借鉴杰夫辛顿的思想,明了人脸识别技术。从此以后,在FaceBook空间上上传的照片,一旦被阅读者点击脸部部位,就可以跳出人的名字来。而且只要用户在某一张照片上定义了某一张脸的名字,那么在同一用户上传的其他照片中,只要出现了同一个人,哪怕化妆和表情略有不同,FaceBook也能识别出来。
这个技术在两三年后,传入了中国,只不过国人没法使用FaceBo
请收藏:https://m.azxs.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)