五、人工智能领域的大师们

原标题：五、人工智能领域的大师们

据马文·闵斯基的女儿回忆，马文·闵斯基的家中，每天夜晚的常态是群贤毕至，少长咸集，宏谈阔论，琴声悦耳。为客人弹奏即兴钢琴曲的，当然是马文·闵斯基本人。

基于音乐方面的才华，马文·闵斯基还发明过一部名叫“音乐三角”的音乐合成器。那个建造于20世纪70年代的音乐三角长得还非常前卫，非常时髦。据说，马文·闵斯基这部合成器创造了好几个历史第一。但更加值得一提的是，这部合成器其实是马文·闵斯基所做的一项融合了电子合成乐与早期人工智能探索的科技实验。在马文·闵斯基自己看来，理解音乐是理解人类大脑的一种有效途径，反之，理解人类的大脑也有助于我们欣赏音乐的本质。

马文·闵斯基说：“理解大脑这件事似乎比理解音乐要难一些，但我们应该知道，有时对问题领域的扩展可以让问题变得更简单！……一旦能穿透听众的心灵，音乐就会显示出更为丰富的内涵。”

1975年，马文·闵斯基提出的“异或难题”才被理论界彻底解决。由此进入20世纪80年代，人工神经网络的发展又回到正轨。但在之后二十年左右的时间里，人工神经网络不过是作为机器学习的一种算法，与其他不同流派、不同风格的机器学习算法一道，在人工智能研究领域发挥作用。

随着PC的普及和互联网时代的到来，人们关于计算机识别图像、文字、语音的需求越来越明确。研究者们尝试着使用人工神经网络来解决类似问题，但效果并不显著。许多人试图使用基于多层神经网络的深度学习技术。据说，“深度学习”这个术语是从1986年起流行开来的。但是，当时的深度学习理论还无法解决网络层次加深后带来的诸多问题，计算机的计算能力也远远达不到深度神经网络的需要。更重要的是，深度学习赖以施展威力的大规模海量数据还没有完全准备好，因而深度学习在真正横空出世前，已经经历了十几年的等待和蛰伏期。

2006年是深度学习发展史上的分水岭。此前提过，杰弗里·辛顿在这一年发表了《一种深度置信网络的快速学习算法》及其他几篇重要论文，其他深度学习领域的泰斗、大师们也在这一年前后贡献了一批重要的学术文章，在基本理论方面取得了若干重大突破。深度学习也由此进入了高速发展的全盛期。

杰弗里·辛顿这个人很有意思，他曾在卡内基·梅隆大学做过5年教职。有时候，人们会觉得杰弗里·辛顿的思维和交流方式很奇怪，似乎是一种多维跳跃的模式。跟他讲话时，时常陷入尴尬。如果对你讲的东西没什么兴趣，他就会茫然地看着某个地方。

当时，我在做奥赛罗（黑白棋）人机对弈系统的开发。我的导师让我请杰弗里·辛顿作为我这个项目的指导老师。我就去找杰弗里·辛顿，跟他谈我编写奥赛罗程序的思路。

杰弗里·辛顿问我：“你这个系统里，有什么是和人工神经网络相关的吗？”

我说，我这个程序自动从每一盘对局中，提取四个原始特征，然后用贝叶斯分类器将这些特征综合起来进行计算，以估算下一步走在某个位置的赢棋概率。在这个思路的基础上，人工神经网络是可以发挥作用的。此外，我当时也使用了一个与今天AlphaGo类似的思路，就是让计算机程序自己和自己下棋，然后从几百万个已知的行棋步骤中，归纳出赢或者输的概率，并用类似的方法不断迭代，以达到最好的效果。

在我讲这些细节的过程中，杰弗里·辛顿的眼睛就已不再看我，而是茫茫然的，不知道在注视哪里。

好一会儿，辛顿对我说：“开复，没问题，我来给你签字吧。”

就这样，我的奥赛罗人机对弈程序算是通过了他的审核。可我觉得，他根本没有注意我所讲的技术细节。虽然我当时对自己使用的技术很兴奋，但在他眼中，也许那些都只是些小儿科的玩意儿。来源南报网)

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。