人工智能时代，最后留下来的只能是精英

互联网观察网 · 公众号 · 科技媒体 · 2017-02-20 16:20

正文

过去，即使每天花10个小时在自己的手机上，使用着各种信息时代的便利，我们依然认为，"真正的人工智能"还停留在科幻电影与遥远的未来。

但现在，各种黑科技的井喷，正在告诉我们，从弱人工智能到强人工智能之间，或许并没有一道森严的壁垒。在一些领域，人工智能将达到，甚至已经悄然越过那条看不见的分界线。

更重要的是，要对我们的产业、经济乃至社会组织形成颠覆式的影响，其实远远不需要真正的强人工智能。

即使，我们离想象中的人工智能仍有距离，但它对人类社会产生的冲击，已经全面开始。

2015年3月，谷歌人工智能AlphaGo以4比1战绩，击败韩国围棋选手李世石，是刺激全球进入人工智能竞速狂潮的标志事件。

人工智能概念由来已久，但最近几年，这个产业才迎来井喷式的大繁荣。这段时间的发展速度与成就取得，远超过去几十年的累积。

这一轮的人工智能大发展，始于2006年，Hinton等人提出的深度学习概念。

在此之前，开发者们更希望直接编写出一套足够智能的程序，但无论如何天才的开发者，编写出的程度都与外界的期望天差地别。

而深度学习则放弃了这个不切实际的想法，不再是程序员直接完成所有的代码，而是放手让人工智能自己演化成长。

通俗来讲，它通过对人和动物大脑的仿生，将计算代码模拟为简单的、相互连接的神经元，并通过修改单元之间的连接，来不断进行经验积累，让它形成自己的逻辑推理，自我完善发展。

这就像人的成长，刚出生时只有最基础的本能，只有经过慢慢长大，不断学习，才能在不同的领域绽放光彩。成长环境的不同，学习方向的不同，都会影响未来的前进方向与成就高度。

这个概念的另一个通俗叫法，是"机器学习"。这个词显然更直接，它的目的就是要让机器学习，自己进化。

比如，科学家们有过这样的实验：他们制造了一个机械海星，只为它输入了控制自身部件的简短代码，以及让它"学会自己走路"的目标，但它通过深度学习，只用了很短时间，就从只能在原地蠕动，到学会了流畅地行走，甚至当科学家截去一部分"肢体"，它依然能顽强地继续前进。

这并非科学幻想，而是2015年初就已完成的真实实验。

而现在，这种人工智能的深度学习，正在无数个不同的领域展开实验，不断累积通往下一次进化的经验与数据。

就像本文开始列举的那些黑科技，都是有人工智能和深度学习参与的应用实例。

深度学习的原理并不复杂，但为何直到近年方才盛行？

关键原因在于， 海量数据的模型训练，是深度学习的核心过程，人工智能赖以提升智能水平。

因此，它的发展需要三个核心推动力，缺一不可。

一、海量的数据。

如果以网络游戏来比喻，数据就是人工智能赖以升级的经验包。如果没有足够多的数据，深度学习将无从谈起。