編者按

　　北京時間3月27日晚，ACM（美國計算機協會）宣布把2018年度圖靈獎頒給了深度學習“三巨頭”——加拿大蒙特利爾大學教授約舒亞·本希奧(Yoshua Bengio)、谷歌副總裁杰弗里·欣頓 (Geoffrey Hinton) 和 紐約大學教授揚·萊坎 (Yann LeCun)，以表彰他們在深度學習神經網絡上的工作。

　　要知道，有關人工智能神經網絡的想法在上世紀50年代就被提出，但后來一度遇冷，在質疑聲中仍堅持相關研究的人實在屈指可數。這三位科學家一直在一片不看好下堅持到了今天，并帶來重大突破，如今相關方法成為研究主流。

　　“深度學習”這四個字對于普通人來說多少有些遙遠，很多人會問“深度學習”關我什么事呢？其實，它和我們的生活的各個方面都息息相關。

什么是深度學習？

　　舉個簡單的栗子，如果你在聯網的手機或翻譯平臺上使用了語音識別功能，你其實是在與經過深度學習訓練的神經網絡進行交流。

　　聽起來有點不可思議吧，但其實深度學習是機器學習的一個分支，它根植于數學、計算機科學和神經科學。深度網絡從數據中學習，就像嬰兒認知周圍世界那樣，從睜開眼睛開始，到慢慢獲得駕馭新環境所需的各種技能。

　　深度學習的起源可以最早可追溯到20世紀50年代人工智能的誕生。

深度學習與我們有什么關系？

　　AI醫療

　　隨著機器學習的成熟并被應用于可獲取大數據的許多其他問題，各個行業也將發生轉變，首當其沖的便是AI醫療的應用。

　　基于數百萬患者病情記錄的醫學診斷將變得更加準確。

　　最近的一項研究將深度學習運用到了囊括超過2000種不同疾病的13萬張皮膚病學圖像中，這個醫學數據庫是以前的10倍大。計算機對新患者醫學影像的診斷與21位頂級皮膚科專家的結論基本一致，甚至在某些情況下還要更準確。

　　試想一下，在不久的將來，看皮膚病就2步——對疑似患病部位拍照、上傳立即進行診斷。任何一個擁有智能手機的人都可以完成。而現在要完成同樣的過程，至少需要4步——先去醫院，掛號排隊，看醫生，等診斷結果。

　　AI醫療的運用使得我們可以很快得到專家診斷，我們會在皮膚病（或者再擴大一些，其他同樣適用的病）的早期階段，也是更容易治療的階段就開始就醫，而不是現在一想到去醫院就頭大，一拖再拖錯過了最佳治療時期。同時，對醫生來說，借助深度學習，醫生將能更準確地診斷罕見的皮膚病。

　　不單是皮膚病，借助深度學習的診斷，醫生可以將癌癥診斷的準確度從0.966提高到0.995。不要小看這一點點進度，惠及的可是千萬人的生命。屆時，誤判的情況將大大減少，更多生命將被挽救。在未來，每個人都將是AI醫療的受益者。

　　自動駕駛

　　不久之前，人們還常說，計算機視覺的辨別能力尚不如一歲大的孩子。如今看來，這句話要改寫了。計算機不僅能和大多數成年人一樣識別圖片中的物體，在馬路上駕駛汽車的安全性還高過16歲的青少年。

　　更神奇的是，如今的計算機不再是被動按照指令識別和駕駛，而是像自然界的生命由數百萬年前開始進化那樣，自主地從經驗中學習。

　　最終，如果一輛自動駕駛汽車能夠在一分鐘內出現，將你安全帶到目的地且無須停車，在城市擁有汽車就顯得不那么必要了。

　　今天，汽車行駛時間平均僅占4%，這意味著它其余96%的時間都需要停放在某個地方。由于自動駕駛汽車可以在城市外圍維修和停放，城市中被大量停車場占用的空間將得以重新高效利用——讓停車場變成公園、綠地、圖書館這些公共設施，街邊的停車道也可以成為真正的自行車道。

　　其他汽車相關行業也將受到影響，包括汽車保險業和修理廠。超速和停車罰單將不復存在。由醉駕和疲勞駕駛導致的交通事故死亡人數也會相應減少。通勤浪費的時間也將被節省下來做其他事情。

　　專家們預計，卡車會在10年內實現自動駕駛，出租車要花上15年，15~25年后，客運無人車將全面走入我們的生活。

　　你期待那一天的到來嗎？

　　智能翻譯+語音識別

　　語言翻譯是人工智能的一只圣杯，因為它依賴于理解句子的能力。

　　谷歌最近推出了基于深度學習的最新版谷歌翻譯（Google Translate），代表了自然語言翻譯質量的重大飛躍。幾乎一夜之間，語言翻譯就從零散雜亂的拼湊短語，升級到了語意完整的句子。

　　也許有一天，機器能夠通過整合莎士比亞的所有詩歌來翻譯他的作品。

　　人工智能的另一只圣杯是語音識別。

　　這一突破性成果將在之后的幾年漸漸影響我們的社會和生活，計算機鍵盤會被自然語言接口取代，以前動手的，現在動口就可以了。正所謂君子動口不動手。

　　隨著數字助手，如亞馬遜的Alexa、蘋果的Siri以及微軟的Cortana先后進入千家萬戶，這種取代已經在發生了。就如隨著個人電腦的普及，打字機退出了歷史舞臺一樣，會不會有一天電腦鍵盤也將成為博物館的展品？

　　語音識別和語言翻譯結合到一起時，實時的跨文化交流將變為可能。電影《星際迷航》中那種萬能翻譯機將觸手可及。

　　社交機器人+情緒識別

　　電影里經常將人工智能描述為像人類一樣走路和說話的機器人，不過目前看來，人工智能的進展主要集中在感官和認知方面，運動和行為智能的進展相對緩慢。

　　加州大學圣迭戈分校神經計算研究所機器感知實驗室發明了一個著名的社交機器人Rubi。Rubi的頭可以旋轉，眼睛是相機，嘴和眉毛都十分富有表現力。Rubi頭頂上濃密的光纖會隨著它的心情而改變顏色。18個月大的幼兒可以通過Rubi腹部的平板電腦與Rubi進行互動。

　　你的面部表情是你腦內情緒狀態的窗口，深度學習現在已經可以探進這個窗口了。

　　艾克曼是世界著名的面部表情專家，是美劇《別對我撒謊》中男主卡爾.萊特曼博士的原型。艾克曼開發了面部動作編碼系統來監控面部44塊肌肉的狀態。

　　面部表情是動態的，一般可以延續若干秒，但是艾克曼發現，有些表情只持續了幾幀。這些“微表情”是受到抑制的大腦狀態的情感泄漏，常常很能說明情感狀態，有時會揭示無意識的情緒反應。

　　例如，大數據告訴你，突然快速眨巴眼睛，耳朵輕微的顫動，臉上肌肉突然抽搐幾下，下意識地摸摸鼻子，頭不自覺的微微擺動，一邊說話時一邊聳肩，腳來回掃地——這些細微表情和動作，都是撒謊時的無意識表現。

深度學習的其他深度影響

　　法律

　　深度學習剛剛開始影響法律界。以后輔助審核或調查將慢慢被人工智能接管，它可以瀏覽數千份文件以獲取合法證據，且絲毫不會感到厭倦。自動化深度學習系統將為現在無法負擔高昂律師費用的普通人提供法律建議。法律工作不僅收費會更便宜，也會更高效。

　　投資

　　機器學習正在推動算法交易，它比傳統的長期投資策略更快速，比股票市場中的高頻交易更加慎重。許多不同類型的機器學習算法被組合運用以獲得最佳回報。以后手頭的錢需要怎么投資才能獲得理想回報，你可能需要問問你的手機。

　　競技

　　一個名為“DeepStack”的深度學習網絡和33名德州撲克職業選手進行了4萬多場比賽。令撲克專家震驚的是，在德州撲克這種詐唬、欺騙技巧和拿到的牌一樣重要的游戲里，它以相當大的優勢擊敗了最出色的撲克玩家。

　　這意味著，如果這一成就能復制到其他基于不完全信息、需要人來做判斷的重要領域，比如政治學和國際關系，其影響可能是極其深遠和顛覆的。