人工智能，就好像第四次工业革命，正从学术界的私藏，转变为一种能够改变世界的力量。尤其，以深度学习取得的进步为显著标志。它让匍匐前进60年的人工智能一鸣惊人。

我们正降落到一片新大陆。深度学习带来的这场重大技术革命，有可能颠覆过去20年互联网对技术的认知，实现技术体验的跨越式发展。

那么，深度学习到底是什么？怎么理解它的重要性？我们先从概念和现象入手。

我总结了一句话，学术上看未必严谨，但从我的理解角度看——深度学习是基于多层神经网络的，海量数据为输入的，规则自学习方法。

这里包含了几个关键词：

第一个关键词叫多层神经网络。

深度学习所基于的多层神经网络并非新鲜事物，甚至在80年代被认为没前途。但近年来，科学家们对多层神经网络的不断算法优化，使它出现了突破性的进展。

以往很多算法是线性的。而这世界上大多数事情的特征是复杂非线性的。比如猫的图像中，就包含了颜色、形态、五官、光线等各种信息。深度学习的关键就是通过多层非线性映射将这些因素成功分开。

那为什么要深呢？多层神经网络比浅层的好处在哪儿呢？

简单说，就是可以减少参数。因为它重复利用中间层的计算单元。我们还是以认猫为例好了。它可以学习猫的分层特征：最底层从原始像素开始学习，刻画局部的边缘和纹；中层把各种边缘进行组合，描述不同类型的猫的器官；最高层描述的是整个猫的全局特征。

它需要超强的计算能力，同时还不断有海量数据的输入。特别是在信息表示和特征设计方面，过去大量依赖人工，严重影响有效性和通用性。深度学习则彻底颠覆了“人造特征”的范式，开启了数据驱动的“表示学习”范式——由数据自提取特征，计算机自己发现规则，进行自学习。

你可以理解为——过去，人们对经验的利用，靠人类自己完成。在深度学习呢？经验，以数据形式存在。因此，深度学习，就是关于在计算机上从数据中产生模型的算法，即深度学习算法。

问题来了，几年前讲大数据，以及各种算法，与深度学习有什么区别呢？

过去的算法模式，数学上叫线性，x和y的关系是对应的，它是一种函数体现的映射。但这种算法在海量数据面前遇到了瓶颈。国际上著名的ImageNet图像分类大赛，用传统算法，识别错误率一直降不下去，上深度学习后，错误率大幅降低。在2010年，获胜的系统只能正确标记72%的图片；到2012年，多伦多大学的 Geoff Hinton利用深度学习的新技术，带领团队实现了85%的准确率。2015年的ImageNet竞赛上，一个深度学习系统以96%的准确率第一次超过了人类（人类平均有95%的准确率）。

计算机认图的能力，已经超过了人。尤其图像和语音等复杂应用，深度学习技术取得了优越的性能。为什么呢？其实就是思路的革新。

举几个脑洞大开的例子。

（1）

先说计算机认猫。

我们通常能用很多属性描述一个事物。其中有些属性可能很关键，很有用，另一些属性可能没什么用。我们就将属性被称为特征。特征辨识，就是一个数据处理的过程。

传统算法认猫，也是标注各种特征去认。就是大眼睛，有胡子，有花纹。但这种特征写着写着，有的猫和老虎就分不出来，狗和猫也分不出来。这种方法叫——人制定规则，机器学习这种规则。

深度学习方法怎么办呢？直接给你百万张图片，说这里有猫，再给你上百万张图，说这里没猫。然后再训练一个深度网络，通过深度学习自己去学猫的特征，计算机就知道了，谁是猫。

（2）

第二个例子是谷歌训练机械手抓取。

传统方法肯定是看到那里有个机械手，就写好函数，move到xyz标注的空间点，利用程序实现一次抓取。

而谷歌现在用机器人训练一个深度神经网络，帮助机器人根据摄像头输入和电机命令，预测抓取的结果。简单说，就是训练机器人的手眼协调。机器人会观测自己的机械臂，实时纠正抓取运动。

所有行为都从学习中自然浮现，而不是依靠传统的系统程序。

为了加快学习进程，谷歌用了14个机械手同时工作，在将近3000小时的训练，相当于80万次抓取尝试后，开始看到智能反应行为的出现。据公开资料，没有训练的机械手，前30次抓取失败率为34%，而训练后，失败率降低到18%。

这就是一个自我学习的过程。

（3）

有人问了，深度学习，能学习写文章吗？

来看这个例子。斯坦福大学的计算机博士andrej kapathy曾用托尔斯泰的小说《战争与和平》来训练神经网络。每训练100个回合，就叫它写文章。100个回合后，机器知道要空格，但仍然有乱码。500个回合后，能正确拼写一些短单词。1200个回合后，有标点符号和长单词。2000个回合后，已经可以正确拼写更复杂的语句。

整个演化过程是个什么情况呢？

以前我们写文章，只要告诉主谓宾。而以上过程，完全没人告诉机器语法规则。甚至，连标点和字母区别都不用告诉它。不告诉机器任何程序。只是不停将原始数据进行训练，一层一层训练，最后输出结果——就是一个个看得懂的语句。

一切看起来都很有趣。人工智能与深度学习的美妙之处，也正在于此。

（4）

我还去硅谷看过一家公司——完全颠覆以往的算法，利用深度学习实现图像深度信息的采集。

众所周知，市面上已经有无人机，可实现人的跟踪。它的方法是什么呢？一个人，在图像系统里，一堆色块的组合。通过人工的方式进行特征选择，比如颜色特征，梯度特征。拿简单的颜色特征举例：比如你穿着绿色衣服，突然走进草丛，就可能跟丢。或，他脱了件衣服，几个人很相近，也容易跟丢。

此时，若想在这个基础上继续优化，将颜色特征进行某些调整，是非常困难的。而且调整后，还会存在对过去某些状况不适用的问题。

总之，这样的算法需要不停迭代，迭代又会影响前面的效果。

而硅谷这个团队，利用深度学习，把所有人脑袋做出来，只区分好前景和背景。区分之后，背景全部用数学方式随意填充，再不断生产大量背景数据，进行自学习。只要把前景学习出来就行。

据我所知，很多传统方法，还在采用双目视觉。用计算机去做局部匹配，再根据双目测出的两个匹配的差距，去推算空间另一个点和它的三角位置，从而判断离你多远。

可想而知，深度学习的出现，使得很多公司辛苦积累的软件算法直接作废了。

“算法为核心竞争力”，正在转变为，“数据为核心竞争力”。

技术人员必须进入新的起跑线。

（5）

最后再举个例子。

大家都做过胃镜。尤其胃痛，很痛苦。肠胃镜要分开做，而且小肠看不见。

有一家公司出了一种胶囊摄像头。吃进去后，在你的消化道，每5秒拍一幅图，连续摄像，此后再排出胶囊。所有关于肠道胃部的问题，全部完整记录。但医生光把那个图看完，就需要五个小时。原本的机器主动检测漏检率高，要医生复查。

后来，他们采用深度学习。采集8000多例图片数据灌进去，用机器不断学，不仅提高诊断精确率，减少了医生的漏诊，以及对稀缺好医生的经验依赖。只需要靠机器自己去学习规则。

深度学习算法，可以帮助医生作出决策。

了解完深度学习，接着思考一个问题——20世纪70年代末80年代初，个人电脑突飞猛进时，人工智能的商业化却步履维艰。乔布斯曾这样定义个人计算机的价值——“它是我们思维的自行车”。那么，今天的人工智能呢？深度学习呢？它给我们真正带来的东西是什么？未来，对行业和社会有什么影响？中国公司的机会在哪？

深度学习是人工智能的一个研究领域。人工智能的研究大致经历了三个阶段：

• 最初人们认为可以把人的知识和经验都变成规则，写成程序让计算执行就能实现人工智能。这方面的努力取得了不少成果。比如，关系型数据库、我们所熟知的Excel(学名叫Spreadsheet)都是这方面的研究成果。但是，不管怎么努力人们都不能把复杂的世界用一个简单的模型表示出来，人工智能也因此走进了瓶颈。
• 人们终于相信用人工无法制定出完整的规则，于是就另辟蹊径让计算机主动去学习规则好了，这就是机器学习的概念。人们给电脑制定了许多条件，让它在海量的数据中寻找有用的信息，并转化成规则。这一阶段的成主要果是各类数据挖掘技术。这些技术广泛应用到了搜索引擎，如某度、某歌什么的。值得一提的是深蓝就是通过大量搜索棋谱跟人类棋手过招的。可是这么做的局限性也是明显的，因为深蓝不会用人类不知道的招数。
• 在搜索引擎大行其道的时候，人们并没有放弃对把知识转化成规则的研究，这些技术用到了各类信息系统之中，比如，ERP什么的。这中间线性规划得到了广泛应用，比如，计算行车路线时可能要考虑时间、距离、是否拥堵等多个条件，把这些条件可以列成一组多元方程组，但通常方程的个数要比未知数少，这样的方程有无数组解，而我们只能从这些解中寻找一组最优解。这就产生了一个问题，这就是解的数量庞大，一个一个都算出来是不现实的。这时候人们便想了很多办法快速地找到最优解l或者叫近似解。神经网络就是比较有效的办法之一。这些研究取得了一个重要的进展，就是计算机能找到一些人所不知道的规则。于是，人们开始让计算机用前面说的算法，自己搜索规则，这个过程被称为深度学习。阿尔法狗就是通过深度学习，找到了不为人知的棋谱从而大败人类棋手的。

如果说机器学习是让计算机被动搜索已知的规则，那么深度学习就是让计算机主动搜索潜在的新规则。深度学习让人工智能有了超越人类的可能。