有種理論說，人類的智慧來源于一個(gè)單一的算法。這個(gè)理論的實(shí)驗(yàn)依據(jù)是，人類大腦發(fā)育初期，每一部分的職責(zé)分工是不確定的，也就是說，人腦中負(fù)責(zé)處理聲音的部分其實(shí)也可以處理視覺影像。人腦究其本質(zhì)來說，是一臺(tái)可以被調(diào)試以執(zhí)行特定任務(wù)的通用型機(jī)器。

七年前，斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授吳恩達(dá)偶然接觸到了這一理論，這個(gè)理論醍醐灌頂般地改變了他對(duì)于人工智能本質(zhì)的理解，重新點(diǎn)燃了他對(duì)人工智能技術(shù)的熱愛，從而改變了他的職業(yè)軌跡。據(jù)他回憶，“有生以來第一次，我感到自己有可能在人工智能的研究領(lǐng)域取得一點(diǎn)進(jìn)展?！?/p>

吳恩達(dá)說，在人工智能技術(shù)研究的早期，主流的理念是，人類智慧形成于成千上萬個(gè)簡(jiǎn)單代理的協(xié)同工作，也就是麻省理工大學(xué)教授馬爾文·明斯基（Marvin Minsky）所說的“頭腦的社會(huì)”。工程師們因此相信，要實(shí)現(xiàn)人工智能，就必須建立成千上萬個(gè)獨(dú)立的計(jì)算機(jī)模塊。一個(gè)模塊，或者算法，去模擬語言，第二個(gè)模塊處理發(fā)聲說話等等以此類推?？傊?，按照這個(gè)早期理念，實(shí)現(xiàn)人工智能所需的工作量巨大，難以實(shí)現(xiàn)。

吳恩達(dá)小時(shí)候的夢(mèng)想就是發(fā)明能像人類一樣思考的機(jī)器，但當(dāng)他進(jìn)入大學(xué)真正開始接觸人工智能時(shí)，卻正逢上述理念盛行，他很泄氣，放棄了對(duì)人工智能的研究。后來，他成為大學(xué)教授，還不斷地打擊自己的學(xué)生，勸他們也放棄人工智能這一“不切實(shí)際的夢(mèng)想”。直到有一天，他接觸到了“人類的智慧來源于一個(gè)單一的算法”的假說，意識(shí)到自己以前對(duì)于人工智能的理解可能大錯(cuò)特錯(cuò)，他終于重新拾起了兒時(shí)的夢(mèng)想。而“單一算法”這一假說的提出者是杰夫·霍金斯（Jeff Hawkins），一名有著神經(jīng)科學(xué)研究背景的人工智能領(lǐng)域的企業(yè)家。

現(xiàn)在看來，這一假說所改變的，不僅僅是吳恩達(dá)的職業(yè)生涯而已。吳目前的主要研究領(lǐng)域是機(jī)器學(xué)習(xí)技術(shù)中的“深度學(xué)習(xí)”，在計(jì)算機(jī)科學(xué)中屬于比較新的領(lǐng)域，深度學(xué)習(xí)研究的主要目的是打造能像人腦一樣處理數(shù)據(jù)的機(jī)器。目前，深度學(xué)習(xí)的研究已經(jīng)不限于學(xué)術(shù)界，谷歌和蘋果這樣的大公司也意識(shí)到了其中蘊(yùn)藏的巨大機(jī)會(huì)。吳恩達(dá)和谷歌的其他研究人員一起成立了有史以來人工智能領(lǐng)域目標(biāo)最遠(yuǎn)大的項(xiàng)目——Google Brain。

Google Brain項(xiàng)目的指導(dǎo)思想，是將計(jì)算機(jī)科學(xué)與神經(jīng)科學(xué)相結(jié)合，在人工智能領(lǐng)域，這是從來沒有真正實(shí)現(xiàn)過的。吳恩達(dá)說，“我發(fā)現(xiàn)工程師（擅長(zhǎng)計(jì)算機(jī)科學(xué)）和科學(xué)家（擅長(zhǎng)神經(jīng)科學(xué)）之間存在著巨大的代溝?！惫こ處焸兿胍獦?gòu)建成功的人工智能系統(tǒng)，而科學(xué)家們卻仍未能完全理解人腦錯(cuò)綜復(fù)雜的工作機(jī)制。很長(zhǎng)一段時(shí)間內(nèi)，神經(jīng)科學(xué)并不能夠?yàn)橄胍ㄔ熘悄軝C(jī)器的工程師們提供答案。

此外，據(jù)加州大學(xué)伯克利分校瑞德伍德理論神經(jīng)科學(xué)研究中心（Redwood Center for Theoretical Neuroscience）主任布魯諾·奧爾斯豪森（Bruno Olshausen）透露，科學(xué)家們還總是覺得“大腦研究”是他們的領(lǐng)域，不大愿意與其他領(lǐng)域的研究人員進(jìn)行合作。

最終的結(jié)果就是工程師們開始建造不完全模仿人類大腦運(yùn)行的人工智能系統(tǒng)，他們鼓搗出來的只能說是“偽智能”系統(tǒng)，產(chǎn)品類似于“Roomba”這樣只能用來吸塵的機(jī)器人，而不像動(dòng)畫片《杰森一家》（The Jetsons）里的機(jī)器人女仆“羅西”T（Rosie）。

吳恩達(dá)用電腦解釋深度學(xué)習(xí)（騰訊科技配圖）

在吳恩達(dá)和其他一些人的努力下，這樣的局面終于開始發(fā)生改變，美國國家心理衛(wèi)生研究所（National Institute of Mental Health）主任托馬斯·因瑟爾博士（Dr. Thomas Insel）介紹，“業(yè)內(nèi)已經(jīng)形成共識(shí)，誰能搞明白人腦如何計(jì)算，誰就能設(shè)計(jì)出下一代計(jì)算機(jī)?！?/p>

究竟什么是“深度學(xué)習(xí)”？

深度學(xué)習(xí)是人工智能技術(shù)朝新的研究方向邁出的第一步。簡(jiǎn)單地說，深度學(xué)習(xí)包含了構(gòu)建能夠模仿人類大腦行為的神經(jīng)網(wǎng)絡(luò)。這些多層次的電腦網(wǎng)絡(luò)像人類大腦一樣，可以收集信息，并基于收集到的信息產(chǎn)生相應(yīng)的行為。這些電腦網(wǎng)絡(luò)可以逐漸對(duì)事物的外形和聲音進(jìn)行感知和理解，也就是“認(rèn)識(shí)”事物。

比如，為了賦予機(jī)器“視覺”，研究人員需要建立最基本的一層人工神經(jīng)元，用來探知如物體的邊緣形狀等基本信息，第二層神經(jīng)元可以將第一層感知到了物體邊緣性狀拼湊起來，鑒定較大塊的物體形狀，然后再加一層將第二層檢測(cè)到的信息再拼湊從而使機(jī)器明白物體整體的形態(tài)。這里面關(guān)鍵的一點(diǎn)是，軟件可以自行做到這一切——舊的“偽人工智能”往往需要工程師人工輸入物體視覺或者聲音的信息，然后由機(jī)器學(xué)習(xí)算法來處理這些信息數(shù)據(jù)。

吳恩達(dá)介紹，在深度學(xué)習(xí)算法之下，我們可以給這個(gè)系統(tǒng)很多數(shù)據(jù)，使其“自己學(xué)會(huì)世界上的一些概念”。去年，吳的一個(gè)深度學(xué)習(xí)算法機(jī)器通過掃描互聯(lián)網(wǎng)上無數(shù)的貓的圖片“認(rèn)識(shí)”了貓，機(jī)器不認(rèn)識(shí)單詞cat，吳需要為機(jī)器輸入這個(gè)單詞，然后經(jīng)過一段時(shí)間，機(jī)器將這種毛茸茸的小動(dòng)物與單詞cat聯(lián)系到了一起，可以自行鑒別什么樣的事物是 cat。

教機(jī)器學(xué)習(xí)的方法本身就是在模仿人類的學(xué)習(xí)機(jī)制，當(dāng)我們還是嬰兒的時(shí)候，我們通過觀察周圍，開始認(rèn)識(shí)我們接觸到的事物，但是如果父母不告訴我們一樣?xùn)|西的名字是什么的話，我們自己無法知道。

當(dāng)然，吳恩達(dá)的深度學(xué)習(xí)算法目前還比不上人腦的精確性和靈活性，但他說，那一天會(huì)到來的。

從谷歌、中國到奧巴馬政府，誰在研究深度學(xué)習(xí)？

吳恩達(dá)不是一個(gè)人在戰(zhàn)斗，深度學(xué)習(xí)已經(jīng)是計(jì)算機(jī)科學(xué)發(fā)展的大勢(shì)所趨。2011年，吳在谷歌內(nèi)部領(lǐng)導(dǎo)建立了Google Brain項(xiàng)目，最近幾個(gè)月，谷歌在深度學(xué)習(xí)領(lǐng)域的投入明顯加大，收購了加拿大多倫多大學(xué)教授杰弗里·辛頓（Geoffrey Hinton，人稱“神經(jīng)網(wǎng)絡(luò)研究教父”）創(chuàng)建的人工智能機(jī)構(gòu)。中國搜索巨頭百度也建立了深度學(xué)習(xí)實(shí)驗(yàn)室，誓要在深度學(xué)習(xí)領(lǐng)域投入大量資源。吳恩達(dá)稱，其他科技巨頭公司如微軟和高通也都開始招聘于聘請(qǐng)更多研究“基于神經(jīng)科學(xué)的計(jì)算機(jī)算法”的科學(xué)家。

與此同時(shí)，日本的工程師開始構(gòu)建控制機(jī)器人的人工神經(jīng)網(wǎng)絡(luò)，南非神經(jīng)科學(xué)家亨利·馬克曼（Henry Markman）正與來自歐盟和以色列的科學(xué)家們合作，希望能利用數(shù)千次實(shí)驗(yàn)得到的數(shù)據(jù)在一臺(tái)超級(jí)計(jì)算機(jī)中模擬出人腦。

研究的困難仍在于我們無法完全掌握人類大腦的工作原理，但科學(xué)家目前在這方面進(jìn)展飛速。中國的科學(xué)家正在研究一個(gè)新的大腦圖譜，他們將之命名為“腦網(wǎng)絡(luò)穹頂”（Brainnetdome）項(xiàng)目。在美國，隨著奧巴馬政府宣布將支持籌建一項(xiàng)跨學(xué)科的科研項(xiàng)目“基于神經(jīng)科學(xué)技術(shù)創(chuàng)新的人腦研究”（Brain Research Through Advancing Innovative Neurotechnologies Initiative，簡(jiǎn)寫為BRAIN項(xiàng)目，該項(xiàng)目也在美國社會(huì)引發(fā)了許多爭(zhēng)議），許多類似的項(xiàng)目正雨后春筍般得涌現(xiàn)，“大神經(jīng)網(wǎng)絡(luò)時(shí)代”（Era of Big Neuroscience）已經(jīng)到來。

BRAIN項(xiàng)目籌備委員會(huì)上周末召開了第一次會(huì)議，本周還將展開更多的項(xiàng)目籌備工作。 BRAIN項(xiàng)目的目標(biāo)之一，是為繪制大腦復(fù)雜回路圖開出所需的新技術(shù)，種種跡象表明，BRAIN的工作重心就是人工智能。美國政府對(duì)BRAIN項(xiàng)目撥款的 1億美元中，一半來自美國國防部高級(jí)研究項(xiàng)目局（Defense Advanced Research Projects Agency，簡(jiǎn)稱Darpa），超過了美國國立衛(wèi)生研究院（National Institutes of Health , NIH）的撥款數(shù)，美國國防部研究部門稱，希望 BRAIN項(xiàng)目能夠“催生新的信息處理架構(gòu)或者計(jì)算方法”。

如果我們能夠搞清楚人類大腦成千上萬的神經(jīng)元如何互相連結(jié)以及中樞神經(jīng)系統(tǒng)存儲(chǔ)和處理信息的原理，那么像吳恩達(dá)這樣的工程師對(duì)于“人工大腦”的設(shè)想就能夠更加清晰，對(duì)于人腦的研究成果和數(shù)據(jù)將能購幫助深度學(xué)習(xí)算法的研究，也能加速諸如計(jì)算機(jī)“視覺”、語言分析，以及蘋果和谷歌等公司為智能手機(jī)提供的語音識(shí)別等技術(shù)的發(fā)展。

“所以我們要學(xué)習(xí)生物生存使用的技巧，問題的關(guān)鍵在于生物將秘密隱藏得太深了。”加州大學(xué)伯克利分校計(jì)算神經(jīng)科學(xué)家布魯諾·奧爾斯豪森（Bruno Olshausen）感慨道，“我們還沒有掌握這些秘密所需要的工具。”

未來：得人工智能者得天下

隨著移動(dòng)設(shè)備的崛起，“破解人類神經(jīng)密碼”愈發(fā)迫在眉睫。由于設(shè)備越來越小，我們需要它們運(yùn)算更快、更準(zhǔn)確。然而，隨著電子設(shè)備的基礎(chǔ)元件晶體管的尺寸不斷縮小，將它們變得更精確更高效的難度也越來越大。比如，想要加快設(shè)備的運(yùn)算速度，需要給設(shè)備提供更多電能，但更多電能會(huì)讓設(shè)備的運(yùn)算系統(tǒng)更“嘈雜”，也就是說，它得運(yùn)算精確度會(huì)下降。

奧爾斯豪森介紹，目前工程師們智能通過避開問題核心的方式來應(yīng)對(duì)上述問題，力求在設(shè)備大小、運(yùn)算速度、能耗之間取得平衡，而人工智能技術(shù)對(duì)此則能提供更好的解決方案?！吧锟茖W(xué)能讓我們直面問題的根本所在，生物內(nèi)部的轉(zhuǎn)換機(jī)制也是天生‘嘈雜’的，但其找到了一個(gè)辦法來適應(yīng)和忍受這些干擾噪聲甚至對(duì)之加以利用。如果我們可以搞明白生物內(nèi)部應(yīng)對(duì)這些雜音的方法，我們就能開創(chuàng)一套截然不同的計(jì)算模型”。

科學(xué)家的目標(biāo)并不是將計(jì)算設(shè)備變得更小，他們的目標(biāo)是讓計(jì)算機(jī)能夠做到的事情更多。不管背后的算法多么復(fù)雜，目前的計(jì)算機(jī)無法幫助人類去雜貨店購買物品，或者幫助人類挑選適合的衣服、錢包，處理這樣的事情，計(jì)算機(jī)需要添加更高級(jí)的圖像智能識(shí)別技術(shù)以及像人類一樣的注意力和記憶力，如果能夠?qū)崿F(xiàn)這一點(diǎn)，那么計(jì)算機(jī)能夠處理的事情的想象空間將變得無窮大。

“全世界都意識(shí)到，如果你可以解決這些問題，人工智能領(lǐng)域存在的無限商機(jī)就會(huì)被打開?！?奧爾斯豪森預(yù)測(cè)。

而驅(qū)使谷歌、IBM、微軟、蘋果、百度這些公司競(jìng)相開發(fā)高級(jí)機(jī)器學(xué)習(xí)技術(shù)的原因，正是其背后蘊(yùn)藏的巨大商業(yè)潛力。紐約大學(xué)教授、深度學(xué)習(xí)領(lǐng)域的專家燕樂存（Yann LeCun）教授預(yù)測(cè)，兩年內(nèi)，將出現(xiàn)大量的機(jī)器學(xué)習(xí)領(lǐng)域的初創(chuàng)公司，其中很多可能會(huì)被大公司收購。

雖然最優(yōu)秀的工程師一般不會(huì)同時(shí)是人類大腦研究的專家，但如今對(duì)于計(jì)算機(jī)科學(xué)領(lǐng)域的工程師來說，掌握一些神經(jīng)科學(xué)的知識(shí)可能成為巨大的優(yōu)勢(shì)。“我們需要與神經(jīng)科學(xué)領(lǐng)域的科學(xué)家更加緊密的合作，”百度的于凱（音譯）表示，于凱正在考慮招聘一名神經(jīng)科學(xué)領(lǐng)域的科學(xué)家，“我們已經(jīng)在與他們合作，但是我們做得還不夠?！?/p>

吳恩達(dá)的夢(mèng)想正在照進(jìn)現(xiàn)實(shí)?！拔矣辛讼Ｍ恢皇窍Ｍ?，我們可能能夠?qū)崿F(xiàn)真正的人工智能，”他說，“我們當(dāng)然還沒有找到正確的算法——這可能需要長(zhǎng)達(dá)幾十年的時(shí)間，要實(shí)現(xiàn)它很不容易，但我看到了希望?！?/p>