探秘機器人是如何進(jìn)行深度學(xué)習的

　　一個(gè)人獨處時(shí)，感覺(jué)有點(diǎn)孤單，怎么辦？微軟亞洲研究院推出的“微軟小冰”，或許可以像閨蜜一樣地跟你聊天解悶。3.0版本的“小冰”除了具有“評顏值”“選搭配”等功能外，還基于深度學(xué)習技術(shù)具備強大的視覺(jué)識別能力。它在看到一張圖片后，可以基于情感給出人性化回復，且秒回速度縮短到250毫秒。

　　不僅僅是“微軟小冰”和圍棋高手“阿爾法狗”，從互聯(lián)網(wǎng)搜索到語(yǔ)言翻譯，乃至識別患有自閉癥風(fēng)險的基因……凡是需要從大量數據中預測未知信息的領(lǐng)域，都是深度學(xué)習可以一展拳腳的地方。那么，什么是深度學(xué)習技術(shù)？它將怎樣改變人類(lèi)的生活？

　　萬(wàn)張圖片中發(fā)現重復的貓

　　2011年，谷歌一家實(shí)驗室的研究人員從視頻網(wǎng)站中，抽取了1000萬(wàn)張靜態(tài)圖片，把它“喂”給谷歌大腦，目標是從中尋找重復出現的圖案。3天后，谷歌大腦在沒(méi)有人類(lèi)幫助的情況下，從這些圖片中發(fā)現了“貓”。

　　這個(gè)谷歌大腦就是一個(gè)采用深度學(xué)習技術(shù)的大型神經(jīng)網(wǎng)絡(luò )模型，由1000臺電腦組成。這件事當時(shí)在科技界引起了轟動(dòng)，被認為深度學(xué)習復興的里程碑。

　　所謂深度學(xué)習，就是用多層神經(jīng)元構成的神經(jīng)網(wǎng)絡(luò )，以達到機器學(xué)習的功能。這些多層的電腦網(wǎng)絡(luò )像人類(lèi)大腦一樣，可以收集信息，并基于收集到的信息產(chǎn)生相應的行為。

　　傳統的機器學(xué)習方法一般只能挖掘簡(jiǎn)單的線(xiàn)性關(guān)系，如1+1等于2。然而，大千世界并不是這種簡(jiǎn)單關(guān)系所能描述的，如收入與年齡、性別、職業(yè)、學(xué)歷的關(guān)系。深度學(xué)習的出現改變了這種現狀，它的靈感來(lái)源于模仿人類(lèi)大腦神經(jīng)網(wǎng)絡(luò )。

　　科學(xué)家發(fā)現，人類(lèi)大腦皮質(zhì)不是直接對視網(wǎng)膜傳遞過(guò)來(lái)的數據進(jìn)行特征提取處理，而是讓接收到的刺激信號通過(guò)一個(gè)復雜的網(wǎng)絡(luò )模型進(jìn)行篩選。這種層級結構大大降低了視覺(jué)系統處理的數據量，并最終保留了有用的信息。

　　上世紀60年代，生物學(xué)家在研究貓的腦皮層時(shí)，發(fā)現其獨特的網(wǎng)絡(luò )結構能有效降低反饋神經(jīng)網(wǎng)絡(luò )的復雜性，繼而提出“卷積神經(jīng)網(wǎng)絡(luò )”。利用這種網(wǎng)絡(luò )結構編寫(xiě)的深度學(xué)習程序，適應性很強，成為人工智能的突破口。

　　語(yǔ)音識別改變人機交互

　　簡(jiǎn)單地講，深度學(xué)習技術(shù)是對人腦的一種模擬，因而可以完成很多人腦所具有的功能。

　　最為人所熟知的是視覺(jué)功能。我們的相機可以像眼睛一樣看到這個(gè)世界，卻不能像大腦一樣看懂這個(gè)世界，深度學(xué)習恰恰補上了這個(gè)短板。有了深度學(xué)習，百度識圖可以準確識別照片中的物體類(lèi)別，并對照片進(jìn)行自動(dòng)歸類(lèi)或搜索。有了深度學(xué)習，我們可以很方便地刷臉付款。有了深度學(xué)習，特制機器可以檢測一定空間內所有人員、車(chē)輛的行蹤，并對可疑和危險事件及時(shí)報警。

　　同時(shí)，深度學(xué)習技術(shù)在語(yǔ)音識別方面，也有廣泛的應用。在深度學(xué)習的幫助下，計算機擁有越來(lái)越強大的語(yǔ)音識別能力，這可能改變目前仍以鍵盤(pán)為主的人機交互模式。

　　深度學(xué)習還和增強學(xué)習相結合，正深刻改變著(zhù)機器人領(lǐng)域。所謂增強學(xué)習，指的是機器人通過(guò)與環(huán)境交互中得到的獎賞和懲罰，自主學(xué)習更優(yōu)的策略。前段時(shí)間引人關(guān)注的“阿爾法狗”就是增強學(xué)習的產(chǎn)物，它通過(guò)跟棋手下棋或跟自己對弈的輸贏(yíng)情況，摸索出更好的下棋策略。

　　什么讓深度學(xué)習實(shí)現超越

　　不過(guò)，創(chuàng )造一個(gè)強大的神經(jīng)網(wǎng)絡(luò )需更多處理層。而由于硬件限制，早期僅能制造2至3個(gè)神經(jīng)層。那么，是什么讓深度學(xué)習實(shí)現超越呢？

　　顯然，高性能計算能力的提升是一大助力。這些年GPU（圖形處理器）、超級計算機和云計算的迅猛發(fā)展，讓深度學(xué)習脫穎而出。2011年谷歌大腦用了1000臺機器、16000個(gè)CPU處理的深度學(xué)習模型大概有10億個(gè)神經(jīng)元。而現在，我們已經(jīng)可以在幾個(gè)GPU上完成同樣的計算了。

　　“深度學(xué)習還得到大數據的助力，就像火箭有了燃料。”格靈深瞳計算機視覺(jué)工程師、清華大學(xué)自動(dòng)化系博士潘爭介紹，深度學(xué)習技術(shù)建立在大量實(shí)例基礎上，就像小孩收集現實(shí)世界的信息一樣。而且，“喂”的數據越多，它就越聰明，并且不會(huì )“消化不良”。因為大數據的不可或缺，所以目前深度學(xué)習做得最好的基本是擁有大量數據的IT巨頭，如谷歌、微軟、百度等。

　　現在，深度學(xué)習技術(shù)在語(yǔ)音識別、計算機視覺(jué)、語(yǔ)言翻譯等領(lǐng)域，均戰勝傳統的機器學(xué)習方法，甚至在人臉驗證、圖像分類(lèi)上還超過(guò)人類(lèi)的識別能力。專(zhuān)家預計，再過(guò)些年，我們口袋里的手機也可以運行像人腦一樣復雜的神經(jīng)網(wǎng)絡(luò )。

　　不過(guò)，就目前的趨勢來(lái)看，深度學(xué)習技術(shù)仍然無(wú)法代替“坐在后臺監控室的人”。舉個(gè)例子，如果你和朋友在一家飯店里用餐后搶著(zhù)結賬，這種推搡過(guò)程，智能攝像頭尚難以判斷是在打架還是怎么了?？梢?jiàn)，邏輯判斷和情感選擇，是深度學(xué)習尚難以逾越的障礙。

　　案例 一眼就能識別壞人的系統

　　專(zhuān)注于計算機視覺(jué)及人工智能的科技公司格靈深瞳，將基于深度學(xué)習技術(shù)研發(fā)的智能識別系統，運用到銀行安防監控領(lǐng)域。

　　考慮到傳統光學(xué)鏡頭在識別圖像時(shí)會(huì )丟失“深度”維度，格靈深瞳專(zhuān)門(mén)為銀行安監開(kāi)發(fā)了一套三維傳感器。在它的背后，一套獎懲機制訓練成的算法模型能夠主動(dòng)識別異常。“看見(jiàn)有人走近了一個(gè)有人的自動(dòng)柜員機，而不是旁邊那個(gè)空著(zhù)的，此時(shí)要識別他的軌跡、判斷其行為是否正常，就牽涉到深度學(xué)習。”格靈深瞳CEO何搏飛介紹，如果系統識別出異常，它就會(huì )推送給后臺監督者。而為了教會(huì )機器判斷準確，背后需要提供幾十萬(wàn)量級的圖片數據。

　　何搏飛指出，給這個(gè)智能識別系統一張側臉或者是沒(méi)有臉的全身照，它也能以超過(guò)99%的精度迅速鎖定目標。前提是建一個(gè)6000到1.5萬(wàn)的樣本庫，“一旦樣本達到百萬(wàn)級，可能精度要下降20%或更多。”