如何讓計算機處理“抽象概念”這個亙古難題，是賦予機器人工智能的關鍵所在。距圖靈在1995年的論文中第一次提到“圖靈測試”以來，半個世紀過去了，人工智能的進展，遠遠沒有達到圖靈測試的標準。依賴于云計算對大數據的并行處理能力，和深度學習算法（Deep Learning），機器學習領域直到2006年才取得了突破性的進展。2013年4月，《麻省理工學院技術評論》雜志將深度學習列為2013年十大突破性技術（Breakthrough Technology）之首。“深度學習”這個這個漸漸進入大眾視野的詞匯，與人工智能有何關系？又究竟是何含義呢？

首先，我們需要了解下人類的大腦是如何工作的。簡而言之，人的視覺系統是從視網膜出發，經過低級的V1區提取邊緣特征，到V2區識別基本形狀或目標的局部，再到高層的對整個目標（如一張人臉）判定，最終到更高層的PFC（前額葉皮層）進行分類判斷，也就是說，大腦對工作過程也就是不斷抽象概念化的過程，也即越來越能表現語義或者意圖。深度學習正是受人腦的工作過程啟發，從原始圖像去學習得到一個低層次表達，例如邊緣檢測器、小波濾波器等，然后在這些低層次表達的基礎上，通過線性或者非線性組合，來獲得一個高層次的表達。盡管目前現在的深度學習神經網絡聯接數也就10的8次方，跟真正的人腦差了將近6個數量級，但隨著近幾年計算機處理能力的飛躍和技術進一步成熟，深度學習算法已經在許多方面取得成功的應用，在與大眾生活密切相關的領域就有如下幾個例子：

1、商品推薦

當你打開某個網站瀏覽時，總會有推薦商品這一欄。這一欄的信息，有的是根據你正在瀏覽的內容推薦相近的，有的則是根據你之前的瀏覽、搜索結果匹配的，這可以說是當前較為普遍的一種深度學習應用，即通過長期積累數據來分析你的購物習慣，并推薦相應的產品。商品推薦可以說是當前比較普遍，也比較簡單的一個深度學習的應用例子。

2、語音識別

當前許多公司都推出了語音識別的應用，像蘋果的Siri、百度的小度以及微軟的小冰等都屬于此。這些產品都把打上“人工智能機器人”都標簽，其技術原理皆離不開深度學習算法。和過去單純強調效率和有用的工具型人工智能不同，這一類都產品更強調情感連接，以此重新定義人和人、人和機器間的關系。

3、圖像識別

既然深度學習的算法從開始就受到了人腦圖像識別過程的啟發，那么深度學習在機器對圖像的識別領域取得重大突破就不難理解了。2014年3月，同樣也是基于深度學習方法，Facebook的?DeepFace?項目使得人臉識別技術的識別率已經達到了?97.25%，只比人類識別?97.5%?的正確率略低那么一點點，準確率幾乎可媲美人類。國內方面也取得了不少突破，例如專注圖像識別領域的圖普科技，將深度學習應用到互聯網的內容審核之中，不僅使機器能夠準確識別涉黃等違法數據，而且在圖片增值，數據挖掘方面也取得了業界關注的成績。

得益于深度學習算法，人工智能的曙光已經到來。希望不久的以后，我們看到更多創新性的應用探索，讓機器幫助我們人類更好地生活。

您也可以關注我們的官方微信公眾號（ID：ctoutiao），給您更多好看的內容。