2013年10大突破性技术（一）.docVIP

2013年10大突破性技术（一） 　　（一）深度学习：让机器学会思考和做决定 　　现在的机器拥有超强的计算能力，能识别对象并实时翻译讲话。人工智能终将变得越来越聪明。 　　重要性：如果计算机能够可靠地识别模式并对外部世界的发展趋势给出正确推论，那么，它可以更有效地帮助人类。 　　突破：这种人工智能方法可以放之四海而皆准，广泛应用于多个领域。 　　重要参与者：谷歌公司、微软公司、IBM公司、加拿大多伦多大学的杰弗里·辛顿教授。 　　美国发明家、预言家雷·库兹韦尔曾发明了盲人阅读机、音乐合成器和语音识别系统。2012年7月，库兹韦尔拜访了谷歌公司的首席执行官拉里·佩奇，但他的目的并非为了找工作。库兹韦尔是一名受人尊敬的发明家，也在变成研究机器智能的未来学家。他想与已经看过他即将出版的《如何创建思维》这本书手稿的佩奇讨论此书，他对佩奇表示，他想创办一家公司来实现自己的想法——建造一台真正的智能计算机：能够理解语言，接着进行推论然后自己做出决定。 　　很显然，这样一种尝试需要谷歌公司海量的数据库和无与伦比的计算能力。佩奇对库兹韦尔说：“我可以给你一些权限，让你使用我们公司的数据库和计算机，但是，靠一家公司单打独斗，很难做成这件事。”因此，佩奇建议除了自己开公司，从没有在其他公司工作过的库兹韦尔加入谷歌。库兹韦尔很快做出了决定：今年2月，他正式入职谷歌，成为该公司的工程部主管。库兹韦尔说：“50多年来，我专注研究人工智能就是为了这一刻。” 　　吸引库兹韦尔的不仅包括谷歌公司的计算资源，而且，也包括该公司在人工智能的新领域——深度学习方面所取得的令人惊叹的进步。深度学习软件试图模拟大脑新皮质内神经元的活动，新皮质是哺乳动物大脑皮质的一部分，在脑半球顶层，大约2到4毫米厚，分为6层，占据大脑80%的这些皱褶正是人类思想的发源地。深度学习软件能非常真切地学会识别用数字形式表示的声音、图像和其他数据的不同模式。 　　几十年前，就有科学家提出了深度学习的基本思路：软件能用人造“神经网络”来模拟大脑新皮质中的神经元阵列，几十年来，研究这一领域的科学家们可谓喜忧掺半。但是，得益于数学公式的改进和计算能力的提升，计算机科学家现在能为更多虚拟神经元建立模型。 　　随着科学家们的研究不断深入，现在，这些软件在语音和图像识别方面取得了可喜的进步。去年6月，谷歌研发的一套深度学习系统证明，其在YouTube视频的1000万张图像中识别出诸如猫等物体的准确度为此前任何一个图像识别系统的两倍。谷歌还利用该技术，降低了其最新研发的安卓（Android）手机软件的语音识别的错误率。去年10月，微软首席研究官里克·拉希德在中国演讲期间，向与会来宾演示了一款令人惊叹不已的语音软件。该软件可将拉希德的口头发言转录成英文文本，错误率仅为7%，之后，再将英文文本翻译成汉语文本，然后模仿他的口音用普通话说出那些文本。同样在去年10月份，一个由三名研究生和两位教授组成的团队赢得了化学与制药公司默克公司举办的一场竞赛，竞赛的主旨是鉴别出可导致新药的分子，该团队正是采用深度学习的方法，将目标对准那些最有可能与靶标绑定的分子，从而取得了成功。 　　谷歌目前已经成为一块极富吸引力的磁铁，吸引着全球研究深度学习和相关的人工智能领域专家纷至沓来。2013年3月，谷歌收购了由加拿大多伦多大学计算机科学教授杰弗里·希顿创立的深度学习企业DNNresearch，希顿也曾获得过默克大奖。希顿目前将自己的时间一分为二：一半给大学；一半给谷歌。辛顿表示，他计划“将这一领域的理念提取出来，用来解决实际问题——诸如图像识别、搜索、自然语言理解等方面的问题”。 　　上述研究进展时刻在提醒人工智能研究领域的专家们：科幻小说和电影中出现的机器终将出现在现实生活中。的确，机器智能已渗透到各行各业并在逐步改变这些行业的面貌，从通讯、计算到医疗、制造以及运输等，不一而足。IBM研究的超级计算机Watson在美国著名的智力比赛中获胜让这一切得以彰显。Watson也使用了一些深度学习技术，而且，科学家们现在也在训练它帮助医生做决定。微软也在手机操作系统Windows Phone和Bing语音搜索中用到了深度学习技术。 　　然而，要想将深度学习技术从语音和图像识别领域扩展到其他应用领域则需要科学家们在概念和软件上做出更大突破，而且还需要计算能力的进一步增强。或许，在几年内，我们不会看到计算机能自己思考，但几十年内或许可以。微软美国研究院的院长皮特·李说，深度学习已经引发了人工智能领域很多新的大挑战。 　　建造大脑 　　当然，有挑战就会有人想解决办法，一直有一些富有竞争力的方法来应对这些挑战。现在，人们已经可以将现实世界的信息和规则“喂给”计算机，为了做到这一点，需要程序员们不辞辛劳地编写这方面的软件