正片 | 探尋人工智慧 | 給你一雙慧眼

#探尋人工智慧# 在這個46億年的星球上，年輕的人類何以成為霸主？我們擁有最強的大腦，最超群的智能。我們發明工具，創造機器，拓展自身能力。某一天，我們開始思考賦予機器以智能。

#探尋人工智慧# 我們生活在一個讀圖時代，我們的身邊充滿了各種各樣的視覺信息，但在機器的眼睛里，這個精彩的世界，只是一堆死板的數字，數據本身不攜帶任何意義。該如何讓機器理解龐大的視覺信息，學會看懂這個世界？

#探尋人工智慧# 李飛飛是人工智慧領域出色的科學家，她的工作就是教會機器看懂這個世界。視覺是人類獲取信息最重要的渠道。我們的眼睛好比相機鏡頭，採集圖像，而進行識別和理解的，是我們的大腦，現在，我們已經能製造出高精度的計算機眼睛。科學家需要找到的方法，建造計算機的大腦。

#探尋人工智慧# ImageNet是免費提供給全球研究團體的公開數據集。有了大數據，研究者們可以重新專註演算法的優化。在此基礎上，李飛飛在2010年推出了計算機自動識別圖像的ImageNet 國際挑戰賽。來自頂級高校和研究機構的參賽者們，為了降低百分之零點幾的錯誤率，展開了激烈的競爭。

#探尋人工智慧# 80年代中期，Geoffrey Hinton和Yann LeCun等人把一種「反向傳播」的演算法引入，讓神經網路能夠有效地進行數字、手寫體等簡單的圖像識別。2006年，辛頓帶領團隊發表了突破性的論文，第一次提出了深度學習的概念。YannLeCun：「深度學習是機器學習的一種特定技術，稱其為「深度」，是因為它有多層結構。這個結構設計有一點受到大腦視覺皮層的啟發。就像飛機的設計靈感也源自鳥類一樣。「

#探尋人工智慧# 21世紀的第一個十年，計算機的運算能力相比20年前飛速進步，互聯網興起帶動了大數據的發展。上個世紀90年代揚·樂昆受人腦視覺皮層的啟發，發明的卷積神經網路經過不斷優化，開始在圖像識別上大放異彩，最終在2012年的ImageNet國際挑戰賽上一鳴驚人。在深度學習的訓練下，機器終於進化出了自己的視覺，第一次看見了世界。

#探尋人工智慧# 2010年，人工智慧領域另一位出色的華裔科學家吳恩達加入谷歌，開啟了「谷歌大腦」的項目。目標是打造一個全球最大的神經網路。

#探尋人工智慧# 吳恩達：「記得當時我正在辦公室，一個當時也在谷歌做實習的博士生，跑過來對我說，嘿，安德魯，看看這個。我走到電腦前，天哪，看看這個，這簡直太酷了。讓我們感到吃驚的是，在我們模擬的神經網路中有一個神經元。學會了識別貓的臉。」谷歌的貓臉識別引起了學界轟動。不同於大部分深度學習採用的有監督的學習方式。吳恩達採用無監督學習，不進行人為的圖片標註，讓機器自己從大量原始數據中磨礪出演算法，進行區分和識別。

#探尋人工智慧# 從看到看見，機器笨拙地學習著理解和表達。這將是一段漫長的旅程。在探索和實現人工智慧的道路上，我們才剛剛起步。