讀者應該對人工智能并不陌生，但要了解它的歷史，我們得先回到1995年。

彼時，一名年輕的法國人Yann Lecun花了10多年時間做一件事：模仿大腦的某些功能來打造人工智能機器。這件事在許多計算機科學家看來是一個壞主意，但Lecun的研究已經(jīng)表明，這種做法可以造出智能而且真正有用的產(chǎn)品。

在貝爾實驗室工作期間，他開發(fā)出了一些模擬神經(jīng)元的軟件，通過讀取不同的例子來辨識手寫文本。而貝爾實驗室的母公司 AT＆T，也利用這門技術，開發(fā)出了第一臺可以讀取支票和書寫筆跡的機器。對于Lecun和人工神經(jīng)網(wǎng)絡的信徒們來說，這似乎是一個新時代的開始，標志著機器可以學習以前僅屬于人類的技能。

只是對于Lecun而言，這項成果取得成功之時也是這個項目走向盡頭的時候。為了開拓不同的市場，AT&T宣布分拆成三家不同的公司。他們打算讓Lecun做一些其他的研究，于是他離職去了紐約大學任教職。與此同時，其他地方的研究人員也發(fā)現(xiàn)，他們無法把Lecun的突破應用于計算問題，隨后人們對于將大腦模擬的方法應用于AI研究的熱情也逐漸開始減退。

雖然對于現(xiàn)在已經(jīng)55歲的Lecun而言，他從來沒有停止探索人工智能的步伐。在被無情拒絕了20年有余后，Lecun等人終于在人臉和語音識別等領域取得了驚人的成就。如今在科技領域人盡皆知的深度學習，已經(jīng)成為Google等科技公司新的戰(zhàn)場，他們急不可耐地想將其應用于商業(yè)服務。Facebook在2013年聘用了Lecun，讓其管理由50多人組成的人工智能研究團隊 FAIR。對于Facebook而言，Lecun的團隊是其第一筆基礎研究投資，可能讓公司從社交網(wǎng)絡的定位中走出來，并且很可能會讓我們對機器能做的事情有重新的認識。

媒體多次報道，F(xiàn)acebook等公司在近幾年急不可耐地投身于這一領域，主要是因為在計算機識圖等領域，深度學習技術比之前的AI技術要先進得多。在以前，研究人員需要編寫大量的程序來賦予機器能力，例如偵測出圖片中的線條和直角。但深度學習軟件則能自己理解和利用數(shù)據(jù)，不需要借助這種程序。基于這一理論開發(fā)出的一些程序，精確度已經(jīng)可以和人類相媲美。

現(xiàn)在Lecun在研究更加有力的東西，他打算賦予軟件完成基礎對話的語言能力和常識。在進行搜索時，我們可以直接告訴機器我們想要的是什么，就像和人交流一樣，而不用小心思考要輸入檢索的內(nèi)容。深度學習讓機器擁有了理解和交流的能力，能辨明和回答問題并且給予我們建議。其應用之一就是可以理解我們的要求并代替我們預定餐館，并且很有可能對游戲行業(yè)產(chǎn)生變革。

在Lecun看來，這些系統(tǒng)不僅要能幫人類完成任務，還需要知道為什么。現(xiàn)今的搜索引擎、反垃圾系統(tǒng)以及虛擬助手還做不到這一點，他們大多數(shù)只是通過關鍵詞匹配等技術來完成任務，而忽略了詞語出現(xiàn)的順序。以Siri為例，它只是在幾類應答庫中搜索符合你所提要求的內(nèi)容，但實際上它并不能理解你說的到底是什么意思。而像此前在Jeopardy游戲中戰(zhàn)勝了人類的IBM大型機Watson，則是通過高度程序化的規(guī)則來掌握語言能力，但其無法應用于其他情境。

相反地，深度學習的軟件可以像人類一樣掌握理解語言的能力。研究人員試圖讓機器擁有理解詞匯的能力，Lecun等人開發(fā)出的系統(tǒng)，可以在閱讀一些簡單的故事后回答問題，進行邏輯推理等。

但是Lecun等人深知，人工智能領域總是雷聲大雨點小，人們起初認為可能取得巨大的突破，到最后可能只是小小的一步。要想讓機器處理復雜的語言問題可比圖像識別要復雜得多，毫無疑問，深度學習在這一領域大有作為，但它們是否能真正掌握語言并改變我們的生活，還是一個未知數(shù)。

?

深度的歷史

如果要追溯起來，深度學習的歷史遠早于Lecun在貝爾實驗室的工作的年代，他和其他人實際上只是復活了一個長眠已久的想法。

時間回到20世紀50年代，為了探討智力和學習是如何產(chǎn)生，以及信號在大腦的神經(jīng)元之間是怎樣傳遞的，生物學家們提出了一些簡單的理論。其中核心的觀點就是，如果細胞間總是頻繁地交流，那么神經(jīng)元間的聯(lián)系會加強。在有新的經(jīng)驗產(chǎn)生時，這種傳遞會調(diào)整大腦的結(jié)構(gòu)，以便在下一次經(jīng)歷相似的事情時讓人產(chǎn)生更好地理解。

心理學家Frank Rosenblatt 在1956年使用這一理論，結(jié)合軟件和硬件對神經(jīng)元進行了模擬，他開發(fā)出的一套 感知器 可以對圖片進行簡單的分類。雖然他是在笨拙的大型機上實現(xiàn)的這一想法，但他奠定了如今人工神經(jīng)網(wǎng)絡的基石。

他造的這臺計算機由大量的馬達和光學監(jiān)測器相連，一共擁有8個虛擬的神經(jīng)元。首先，監(jiān)測器會偵測圖片的光學信號，并將信號傳遞給神經(jīng)元。這些神經(jīng)元在獲取到監(jiān)測器傳遞的信號后，會對其進行加工并返回出一個值。借由這些值，機器能 描繪 出其 看到 的東西。一開始的測試結(jié)果很糟糕，但是Rosenblatt 使用了一種高級學習的方法，使得及其可以正確區(qū)分出不同的形狀。他在向機器展示圖片的同時，也會告訴其正確答案，之后機器會對輸入的信號進行判別，計算出如果要得到正確答案，各個神經(jīng)元的信號權重是多少，并進行再分配和糾正。在重復了大量例子之后，機器可以識別出從來沒有見過的圖片。現(xiàn)今的深度學習網(wǎng)絡使用了更加高級的算法，并且擁有數(shù)百萬個模擬神經(jīng)元，但訓練方式和之前是一樣的。

Rosenblatt 預言，他的感知器將有廣泛的應用，比如可以讓機器用名字和人問候。如果人們能實現(xiàn)在神經(jīng)網(wǎng)絡的多個層間傳遞圖片和信號，則可以讓感知器解決更加復雜的問題。不幸的是，他的學習算法在多層領域并不奏效。1969年，AI領域的先驅(qū)Marvin Minsky更是出版了一本書，把人們對神經(jīng)網(wǎng)絡的興趣扼殺在了搖籃里。Minsky聲稱多層面并不會讓感知器更加有用。于是AI研究人員拋棄了這一想法，取而代之的是使用邏輯操作開發(fā)人工智能產(chǎn)品，而神經(jīng)網(wǎng)絡則被推到了計算機科學的邊緣地帶。

當1980年Lecun在巴黎念書時，他發(fā)現(xiàn)了之前人們的這些工作，并驚訝于為什么會拋棄了這一想法。他在圖書館尋找相關的論文，最后發(fā)現(xiàn)在美國有一個小組在研究神經(jīng)網(wǎng)絡。他們研究的內(nèi)容是Rosenblatt遇到的老問題，即如何訓練神經(jīng)網(wǎng)絡，讓其堅決多層問題。這份研究有些 地下工作 的意味，為了不被審稿人拒稿，研究人員盡量避免使用 神經(jīng) 、 學習 等字樣。

在讀到這些之后，Lecun加入了這個團隊。在那里他認識了現(xiàn)在任職于Google的Geoff Hinton，他們一致認為，只有人工神經(jīng)網(wǎng)絡才是構(gòu)建人工智能的唯一途徑。此后，他們成功開發(fā)出了應用于多層面的神經(jīng)網(wǎng)絡，但是其適用性非常有限。而貝爾實驗室的研究人員則開發(fā)出了另一套更加實用的算法，并很快被Google和Amazon等公司應用于反垃圾和商品推薦。

在Lecun離開貝爾實驗室去了紐約大學以后，他和其他研究人員組成了一個研究小組。為了證明神經(jīng)網(wǎng)絡的作用，他們不動聲色地讓性能強大的機器學習和處理更多的數(shù)據(jù)。此前Lecun的手寫識別系統(tǒng)由5個神經(jīng)元層構(gòu)成，現(xiàn)在則加到了10多個。到了2010年后，神經(jīng)網(wǎng)絡在圖片分類等領域打敗了現(xiàn)有的技術，并且微軟等大公司開始將其應用于語音識別。但對于科研人員來說，神經(jīng)網(wǎng)絡還是很邊緣化的一門技術。2012年的時候，Lecun還寫過一封匿名信對此痛斥一番，因為他們的一篇介紹神經(jīng)網(wǎng)絡新記錄的文章投稿被一場頂尖會議給拒絕了。

6個月以后的一件事情，讓一切都發(fā)生了變化。

Hinton帶著兩個學生，參加了一場機器圖像識別比賽，并在大賽中取得了傲人的成績。他們在比賽中所用的網(wǎng)絡就和之前Lecun開發(fā)的支票閱讀網(wǎng)絡類似，在這場比賽中，軟件要辨識超過1000種各種各樣的物品，而他們的這套系統(tǒng)辨識率高達85%，超過第二名10個百分點。深度學習軟件的第一層對神經(jīng)元進行優(yōu)化，找到邊角等簡單的特點，而其他層則連續(xù)尋找形狀等特點。Lecun現(xiàn)在還能回想起當時的情景，作為勝出者的他們拿出論文，仿佛對著屋子里那些曾經(jīng)無視他們研究的人臉上狠狠打了一巴掌，而他們只能說： OK，我們承認，你們贏了。

經(jīng)此一役，計算機視覺領域的風向很快就變了，人們迅速拋棄舊的方法，而深度學習很快變成了人工智能領域的主流。Google買下了Hinton成立的公司，開發(fā)Google Brain。微軟也開始立項研究這一技術，F(xiàn)acebook的CEO 扎克伯格甚至也出現(xiàn)在神經(jīng)網(wǎng)絡的研究會議上，宣布Lecun在紐約大學擔任教職的同時，加入到他們的FAIR團隊中。

1993年Lecun在貝爾實驗室，它旁邊的電腦能識別支票上的手寫數(shù)字

語言學習

Facebook的新辦公地離Lecun教書的地方只有3分鐘車程，在這里他和研究人員一道，嘗試讓神經(jīng)網(wǎng)絡能更好地理解語言。具體做法就是，神經(jīng)網(wǎng)絡來回檢索文檔，當遇到一個詞時，預言該詞前后的內(nèi)容，再和實際情況進行判別。通過這樣，軟件把每一個詞解構(gòu)成了一組和其他詞的關系向量。

例如，在神經(jīng)網(wǎng)絡看來， 國王 和 女王 這組詞的向量關系，就和 丈夫 和 妻子 一樣。對于一整句話來說，這種方法也可以奏效。一些研究成果表明，使用向量技術的機器在同義、反義詞等理解測試上，甚至超過了人類。

而Lecun的團隊還走得更遠，他們認為，語言本身其實并不復雜，真正復雜的是對語言要有一個深入的理解，并對其擁有常識般的認知。舉個例子， 小明拿著瓶子走出了房間 ，這句話隱含的意思就是，瓶子在小明身上。鑒于此，在他們開發(fā)的神經(jīng)網(wǎng)絡上搭載有一個記憶網(wǎng)絡，用來存儲一些它已經(jīng)學會的事實，每次有新的數(shù)據(jù)輸入時，它也不會被清除。

Facebook的AI研究人員開發(fā)出了一套可以回答簡單問題的系統(tǒng)，哪怕其中有些內(nèi)容是它之前沒有遇到過的。例如，研究人員給記憶網(wǎng)絡一篇魔戒的梗概，讓它回答一些簡單的問題，如 魔戒在哪？ ，雖然它可能在之前并沒有遇到過 魔戒 這個詞，但還是能夠回答上來。如果它能夠理解一些更加復雜的句子的話，那么將會有很大的應用。

然而，打造一套能夠完成有限對話的系統(tǒng)已經(jīng)耗費巨大的精力，更何況神經(jīng)網(wǎng)絡的推理能力很差，更不論制定計劃。盡管研究人員還沒有找到更高效的解決方法，但Lecun等研究人員對此仍充滿了信心。

不過并不是每個人都如此樂觀，西雅圖一家研究機構(gòu)的CEO Oren Etzioni就認為，深度學習軟件現(xiàn)在只是展現(xiàn)出了語言識別最簡單的那部分能力，他們?nèi)匀狈壿嬐评砟芰Γ@和現(xiàn)在神經(jīng)網(wǎng)絡做的圖形分類以及聲波解析都有著天壤之別。此外，掌握語言也不是那么簡單的事，因為在文本中句子的意思可能會發(fā)生改變。要讓軟件擁有語言能力，則需要它們像嬰兒那樣，沒有明確的指示也能掌握句子的意思。

深度的信仰

在Facebook的CTO Mike Schroepfer 看來，未來他們希望能看到Facebook的系統(tǒng)與你進行交流，就像和一個人類管家一樣。這套系統(tǒng)能夠在更高的層面上理解語言和概念：比如你可以要求它展示一張朋友的照片，而不是他的動態(tài)。隨著Lecun的系統(tǒng)掌握更高的推理和規(guī)劃能力，這在短期內(nèi)還是很可能實現(xiàn)的。此外，F(xiàn)acebook可能還會提供一些他們覺得你會感興趣的東西，并且詢問你的看法，最終讓這個超級管家沉浸于信息的海洋之中。

不僅如此，這種交流算法的改進也可以提高Facebook過濾信息和廣告的能力，這對Facebook想要超越社交網(wǎng)絡的定位至關重要。隨著Faebook開始以媒體的身份發(fā)布信息，人們就需要更好的信息管理方式，這套虛擬助手可以幫助Facebook實現(xiàn)這一野心。

如果深度學習再重蹈以前人工智能的覆轍，那這些可能永遠都不會發(fā)生了。但是Lecun對此充滿了信心，他認為有足夠多的證據(jù)站在他這邊，表明深度學習終將會帶來巨大的匯報。讓機器處理語言需要新的想法，但是隨著越來越多的公司和大學加入到這個領域，原來小小的一片天開始擁有無限可能，這將大大加快整個進程。

究竟深度學習能不能實現(xiàn)Facebook預想的管家還不得而知，就算是真正能實現(xiàn)，人們能獲益多少現(xiàn)在也還難以想象。但可能我們并不需要等太久了，他堅信那些懷疑機器深度學習語言能力的人們終會后悔。這和2012年以前一樣，雖然事情出現(xiàn)了一些改變，但用老方法的人仍然頑固不化。也許再過個幾年，人們就不會這么看了。