如果有人說人工智能可能統治世界，那么大多數人一定認為他科幻片看多了，不過讀完本次【歐瑞博公開課】關于深度學習的基礎介紹，那么也許你就不會這么想了。這顯然不是無理由的推斷，Andrew Ng在谷歌期間借助深度學習讓機器通過對數百萬分視頻學習自行掌握了“貓”的概念，2016年3月，以深度學習為技術基礎的電腦程序AlphaGo擊敗前世界冠軍李世石，關于發展人工智能的問題或許真的應該被人類重視了。這一事件引起了人們對于深度學習的興趣，深度學習究竟有多深？

   我們先來了解深度學習能做什么？ GOOGLE研究的無人駕駛，已經具備自動駕駛功能，但是如果沒有敏銳的視覺，它們就不能真正區分出地上擺著的是一個紙袋，還是一塊相同體積的石頭，應該避開。這些信息在計算機里仍舊是死板的數字，它們自身并不攜帶任何意義，就像“拍照”和“看到”完全不同，通過“看見”，我們實際上是“理解”了這個畫面。人類對畫面的理解不是眼睛本身，大腦才是它真正呈現意義的地方。大自然經過了5億4千萬年的努力才完成了這個工作，而努力中更多的部分是用在進化我們的大腦內用于視覺處理的器官。

   基于上述的理解，我們發現，計算機機器想要“看見”一幅場景，需要開發者們一起去教計算機如何去“看”。這一領域被稱之為“計算機視覺與機器學習”，也屬于“深度學習”的一個分支，同時也是AI（人工智能）領域的重要突破點。最終，我們希望教會機器像我們一樣看見事物，就像你我一樣，只凝視一個畫面就能理清整個故事中的人物、地點、事件。

   如何教計算機理解圖片，要記住一位重要人物:李飛飛，華人，頂尖的計算機視覺專家質疑，斯坦福大學計算機終身教授，人工智能實驗室與視覺實驗室主任。她主要研究的imagenet項目目前是全球最大的圖像識別數據庫，將接近10億張圖片進行篩選、排序、標記，去捕捉一個嬰兒可能在早期發育階段獲取的一小部分圖像，接著利用大數據訓練計算機算法思路，教計算機理解圖像，她開啟了Visual Genome（視覺基因組）計劃，把語義和圖像結合起來，推動人工智能的進一步發展。

   目前，計算機識別數據能力已經基本等同于3歲嬰兒的辨識能力。我們賦予計算機的智能如何真正應用到我們的生活？一家金融公司憑借技術紅利和數據量的累計，在2015年股災時期收益率居然持正，摒棄用指標、經驗方法論去做預估，通過用深度模型的方法，和大數據推算，引領著企業在正確的發展道路上前行。

   深度學習帶來了人工智能的正循環，也就是機器將具備一定的人類般的學習和思考能力。試想機器可以像人一樣思考，勢必智能家居領域的科技智能將帶給人們最佳的服務和需求體驗。當你拖著疲憊的身子回家，“智能家”將“讀懂”你的習慣需求，不再是機械地打開空調，關閉窗簾，而是讀懂你最想去沖一下熱水澡，繼而心有靈犀地幫你打開你每周五必看的電視節目。這才是智能家居實現道路上最重要的轉折點。

   可見人工智能的商業價值已然顯現，計算機的辨識能力也將會逐步從3歲到13歲，或者遠遠不止如此，未來人工智能最終能發展到哪一步，無人知曉。人工智能統治世界已經擁有了技術橋梁，未來已來。

相關瀏覽：

文章：家用指紋密碼鎖市場價格是多少？為什么它那么貴呢？

推薦：國產智能鎖排名  密碼鎖生產廠商  指紋密碼鎖代理