谷歌的圍棋軟件利用深度學(xué)習(xí)，擊敗了世界圍棋冠軍，成為人工智能的又一個里程碑。

大腦皮層是調(diào)節(jié)軀體運動或者說控制軀體運動的最高級中樞。人類大腦皮層的神經(jīng)細(xì)胞約有140億個，面積約2200平方厘米。皺巴巴的新皮層正是思維誕生之處，占大腦總重的80%。

深度學(xué)習(xí)是在人工“神經(jīng)網(wǎng)絡(luò)”中模擬新皮層中大量神經(jīng)元陣列

多倫多大學(xué)計算機科學(xué)教授杰弗里欣頓的“深度”模型重新激發(fā)了人們對神經(jīng)網(wǎng)絡(luò)的興趣。這種模式能更好的利用許多層軟件神經(jīng)元，但該技術(shù)扔需要大量的人力參與。直到2006年，欣頓開發(fā)了一種更有效的方式來訓(xùn)練多層神經(jīng)元。

谷歌展示了當(dāng)時最大的神經(jīng)網(wǎng)絡(luò)之一，擁有超過10億個連接；到了2015年美國公司Digital Rasoning公布的神經(jīng)網(wǎng)絡(luò)包括1600億個參數(shù)。

不過這種學(xué)習(xí)需要海量的數(shù)據(jù)，和大量的計算機支持。

盡管深度學(xué)習(xí)有了這么多進步，但并非每個人都認(rèn)為深度學(xué)習(xí)能把人工智能變成某種能與人類智慧相匹敵的東西。主要的批評者認(rèn)為，深度學(xué)習(xí)就像一個潘多拉黑盒，無從得知其中發(fā)生了什么，經(jīng)驗過多，理論不足。還有一些人認(rèn)為，深度學(xué)習(xí)和人工智能總體而言忽略了大腦的生物學(xué)特征，而更傾向于蠻力計算。

還有研究者認(rèn)為貝葉斯式的學(xué)習(xí)方法優(yōu)于深度學(xué)習(xí)，這更符合人類學(xué)習(xí)的方式，而且不需要那么多數(shù)據(jù)來訓(xùn)練，“只看一眼就會寫字”，僅用少量的例子就能讓計算機學(xué)習(xí)到字體的本質(zhì)特征。

另外有一些“強人工智能”的支持者認(rèn)為，僅靠深度學(xué)習(xí)無法實現(xiàn)真正的人工智能。深度學(xué)習(xí)缺乏因果關(guān)系的表達，也無法進行邏輯推理，因此不能形成抽象知識。

深度學(xué)習(xí)的快速發(fā)展不僅吸引了互聯(lián)網(wǎng)公司如微軟、谷歌、百度、臉書等的大力投入，近些年來，半導(dǎo)體硬件公司英偉達、高通、ARM、英特爾等也開始研究適合人工神經(jīng)網(wǎng)絡(luò)運算的芯片和硬件設(shè)備。同時也涌現(xiàn)出越來越多的創(chuàng)業(yè)公司致力于推進深度學(xué)習(xí)的技術(shù)研發(fā)和產(chǎn)業(yè)化。

終有一天，深度學(xué)習(xí)會能完美對話的機器人出現(xiàn)在我們生活中。