不久之前，人們還常說，計算機視覺的辨別能力尚不如一歲大的孩子。如今看來，這句話要改寫了。計算機不僅能和大多數(shù)成年人一樣識別圖片中的物體，在馬路上駕駛汽車的安全性還高過16 歲的青少年。更神奇的是，如今的計算機不再是被動按照指令識別和駕駛，而是像自然界的生命由數(shù)百萬年前開始進化那樣，自主地從經(jīng)驗中學習。是數(shù)據(jù)的井噴促成了這一技術(shù)進步。如果說數(shù)據(jù)是新時代的石油，那么學習算法就是從中提取信息的煉油廠;信息積累成知識;知識深化成理解;理解演變?yōu)橹腔?。歡迎來到深度學習的新世界。

　　深度學習是機器學習的一個分支，它根植于數(shù)學、計算機科學和神經(jīng)科學。深度網(wǎng)絡(luò)從數(shù)據(jù)中學習，就像嬰兒了解周圍世界那樣，從睜開眼睛開始，慢慢獲得駕馭新環(huán)境所需的技能。深度學習的起源可以追溯到20 世紀50 年代人工智能的誕生。關(guān)于如何構(gòu)建人工智能。

　　當時存在兩種不同的觀點：一種觀點主張基于邏輯和計算機程序，曾主宰人工智能的研究和應用數(shù)十年;另一種觀點則主張直接從數(shù)據(jù)中學習，經(jīng)歷了更長時間的摸索才逐漸成熟。

　　20 世紀，計算機技術(shù)還不夠成熟，而且按照現(xiàn)在的標準，數(shù)據(jù)存儲成本十分高昂，用邏輯程序來解決問題更加高效。熟練的程序員需要為每個不同的問題編寫不同的程序，問題越大，相應的程序也就越復雜。如今，計算機能力日趨強大，數(shù)據(jù)資源也變得龐大且豐富，使用學習算法解決問題比以前更快、更準確，也更高效。此外，同樣的學習算法還能用來解決許多不同的難題，這遠比為每個問題編寫不同的程序更加節(jié)省人力。

　　汽車新生態(tài)：無人駕駛將全面走入人們生活

　　在2005 年美國國防部高級研究計劃局( 以下簡稱DARPA)舉辦的自動駕駛挑戰(zhàn)賽中，一輛由斯坦福大學塞巴斯蒂安·特隆(Sebastian Thrun)實驗室開發(fā)的自動駕駛汽車Stanley最終贏得了200萬美元現(xiàn)金大獎。團隊利用了機器學習技術(shù)教它如何自主地在加利福尼亞州的沙漠中穿行。132 英里的賽道中有若干狹窄的隧道和急轉(zhuǎn)彎，還包括啤酒瓶道(Beer Bottle Pass)，這是一段蜿蜒曲折的山路，兩側(cè)分別是碎石遍布的陡坡和斷壁。特隆并沒有遵循傳統(tǒng)的AI 方法，即通過編寫計算機程序來應付各種偶發(fā)事件，而是在沙漠中駕駛Stanley，讓汽車根據(jù)視覺和距離傳感器的感應輸入，學習如何像人一樣駕駛。

　　特隆后來參與創(chuàng)立了高科技項目重點實驗室Google X，并開始了進一步研究自動駕駛汽車技術(shù)的計劃。谷歌的自動駕駛汽車自此開始，在舊金山灣區(qū)累積了350 萬英里的車程。優(yōu)步(Uber)已經(jīng)在匹茲堡投放了一批自動駕駛汽車。蘋果也步入自動駕駛領(lǐng)域，以擴大其操作系統(tǒng)控制的產(chǎn)品范圍，并希望能夠再現(xiàn)它在手機市場上的輝煌。汽車制造商們親眼看見一個100 年來從未改變的行業(yè)在他們眼前發(fā)生了轉(zhuǎn)型，也開始奮起直追。通用汽車公司以10 億美元的價格并購了開發(fā)無人駕駛技術(shù)的硅谷創(chuàng)業(yè)公司Cruise Automation，并在2017 年投入了額外的6 億美元用于研發(fā)。2017年，英特爾以153 億美元的價格收購了Mobileye，它是一家專門為自動駕駛汽車研發(fā)傳感器和計算機視覺的公司。在價值數(shù)萬億美元的交通運輸領(lǐng)域，參與的各方都下了極高的賭注。

　　自動駕駛汽車不久將擾亂數(shù)百萬卡車司機和出租車司機的生計。最終，如果一輛自動駕駛汽車能夠在一分鐘內(nèi)出現(xiàn)，將你安全帶到目的地且無須停車，在城市擁有汽車就顯得不那么必要了。今天，汽車行駛時間平均僅占4%，這意味著它其余96% 的時間都需要停放在某個地方。由于自動駕駛汽車可以在城市外圍維修和停放，城市中被大量停車場占用的空間得以被重新高效利用。城市規(guī)劃者已經(jīng)開始考慮讓停車場變成公園了。街邊的停車道可以成為真正的自行車道。其他汽車相關(guān)行業(yè)也將受到影響，包括汽車保險業(yè)和修理廠。超速和停車罰單將不復存在。由醉駕和疲勞駕駛導致的交通事故死亡人數(shù)也會相應減少。通勤浪費的時間也將被節(jié)省下來做其他事情。根據(jù)2014年的美國人口普查數(shù)據(jù)，1.39 億上班族人均單日通勤時間達到了52分鐘，全年總計296 億小時。這驚人的340 萬年的時間本可以在人生中得到更好的利用。自動駕駛汽車會使公路通行能力翻兩番。而且，一旦大規(guī)模投入使用，沒有方向盤、可以自己開回家的自動駕駛汽車還會讓大規(guī)模汽車盜竊行為銷聲匿跡。雖然目前自動駕駛汽車仍面臨很多監(jiān)管和法律層面的障礙，但這一技術(shù)一旦開始普及，我們就將迎來一個嶄新的世界。可以預見的是，卡車大概會在10 年內(nèi)率先實現(xiàn)自動駕駛，出租車要花上15 年，而15 到25 年后，客運無人車將全面走入人們的生活。

　　汽車在人類社會中的標志性地位將以我們無法想象的方式發(fā)生變化，一種新的汽車生態(tài)也將應運而生。正如100 多年前汽車的出現(xiàn)創(chuàng)造了許多新的行業(yè)和就業(yè)機會，圍繞著自動駕駛汽車的發(fā)展，也出現(xiàn)了一個快速增長的生態(tài)系統(tǒng)。從谷歌獨立出來的自動駕駛公司W(wǎng)aymo，8年來已經(jīng)投入了10億美元，并在加州中部山谷搭建了一個秘密測試場所。該場所位于一個占地91 英畝的仿造小鎮(zhèn)，其中還設(shè)計了騎自行車的“演員”和假的汽車事故。其目的是擴大訓練數(shù)據(jù)集以包含特殊和不常見的情況(也叫邊緣情況)。公路上罕見的駕駛事件經(jīng)常會導致事故。自動駕駛汽車的不同之處就在于，當一輛汽車遇到罕見事件時，相應的學習體驗會被傳遞給所有其他自動駕駛汽車，這是一種集體智能。其他自動駕駛汽車公司也在建造許多類似的測試設(shè)施。這些舉措創(chuàng)造了以前并不存在的新工作機會，以及用于汽車導航的傳感器和激光器的新供應鏈。

　　自然語言翻譯：從語言到句子的飛躍

　　如今，谷歌在超過100 種服務中使用了深度學習，包括街景視圖(Street View)、收件箱智能回復(Inbox Smart Reply)和語音搜索。幾年前，谷歌的工程師意識到他們需要將這些計算密集型應用擴展到云端。他們開始著手設(shè)計一種用于深度學習的專用芯片，并巧妙地設(shè)計了可以插入數(shù)據(jù)中心機架中的硬盤插槽的電路板。谷歌的張量處理單元(TPU)現(xiàn)在已配置在遍布全球的服務器上，讓深度學習應用程序的性能得到了大幅改進。

　　深度學習快速改變格局的一個例子是它對語言翻譯的影響。語言翻譯是人工智能的一只圣杯，因為它依賴于理解句子的能力。谷歌最近推出了基于深度學習的最新版谷歌翻譯(Google Translate)，代表了自然語言翻譯質(zhì)量的重大飛躍。幾乎一夜之間，語言翻譯就從零散雜亂的拼湊短語，升級到了語意完整的句子。之前的計算機方法搜索的是可以被一并翻譯的詞匯組合，但深度學習會在整個句子中尋找詞匯之間的依賴關(guān)系。

　　下一步工作是訓練更大規(guī)模的深度學習網(wǎng)絡(luò)，針對段落來提高句子間的連貫性。文字背后都有悠久的文化歷史。俄裔作家和英文小說家，《洛麗塔》一書的作者弗拉基米爾·納博科夫(Vladimir Nabokov)曾經(jīng)得出結(jié)論，在不同語言之間翻譯詩歌是不可能的。他將亞歷山大·普希金(Aleksandr Pushkin)的詩體小說《葉甫蓋尼·奧涅金》(Eugene Onegin)直譯成了英文，并對這些詩文的文化背景做了解釋性腳注，以此論證他的觀點?；蛟S谷歌翻譯終有一天能夠通過整合莎士比亞的所有詩歌來翻譯他的作品。