編者按：我們和電腦之間的交流正在發生著轉變，而深度學習也已經潤物細無聲地進入我們的生活，甚至在你意識到這一點之前，世界已經截然不同。
深度學習技術誕生已經幾十年了，在蟄伏一段時間後，它現在又迎來了第二春，成為了計算產業的新加速器，未來它還將徹底改變美國企業的面貌。
過去四年裡，恐怕讀者們都能清晰的感覺到技術的提高對我們日常生活的影響。其中，最明顯的就是智慧手機中語音識別功能的大躍進。它確實比以前好用多了，至少你命令它給自己媳婦打電話時不會無意間撥給前女友了。
事實上，我們與電腦間的交流方式正在發生轉變，原本噼噼啪啪敲個不停的方式正在被一眾段子手語音助手所替代。百度資料顯示，在過去的一年半中，使用者使用語音互動的頻率提高了三倍。
機器翻譯和其他方式的語言處理也正在變得越來越準確，谷歌、微軟、 Facebook 和百度每個月都會會有小小的進步。眼下，谷歌已經能在瞬息之間將普通口語翻譯成其他 32 種語言，在文字翻譯方面它更是覆蓋了 103 種語言，在無意間還成了許多即將消失語言的保護神。同時， Gmail 應用的收件箱還貼心的準備了三種預製回覆，處理普通的郵件來往完全夠用了。
此外，圖片識別技術也有了巨大的進步。上面提到的四家巨頭已經可以在缺乏識別標籤的情況下幫使用者找到他們想要的圖片了。你甚至可以讓它們專門找出帶有狗狗、雪花甚至擁抱的圖片。另外，未來圖片識別技術還將擁有看圖說話功能，它們能在眨眼間為你描述圖片中的內容。
不過，想達到這樣的效果可不容易，首先應用需要分清各種種類的狗狗，其次它要區分那些上下顛倒或者模糊的圖片。此外，圖片中的背景也會形成干擾，萬一來個霧霾“寶寶”可就苦了。最後，應用還得排除那些長得比較像狗狗的狼和貓。而這一複雜的過程全靠分析畫素完成，實在是太驚人了。
圖1：神經網路是如何識別圖片中的狗狗的
除了社交應用，圖片識別技術還順道照顧了下其他領域的感情。一些醫學新創公司表示它們很快就能利用電腦來分析 X 光、核磁共振和 CT 掃描的結果了，整個過程將變得更快更準，放射科的老醫生也得甘拜下風。此外，電腦還能提早發現癌細胞的存在，為病人爭取更多的治療時間。同時，新技術也是救命藥物研製中的好幫手。
機器人、無人機和自動駕駛汽車等也是圖片識別技術的受益者，未來這些產品將徹底改變我們的生活方式。
不過，就在你忙著獻上膝蓋的時候，恐怕不知道它們在本質上是一種突破。其背後真正的大魔王其實就是人工智慧技術，也就是我們所說的深度學習，另外它還有個學名叫做深度神經網路。
要說深度神經網路到底強在哪，恐怕其強悍的自學能力才是最佳答案。計算機技術發展到現在，沒有哪個程式設計師能直接編出一個程式或演算法來完成上面提到的任務。他們只能為電腦打造一個學習演算法，日夜不斷的用資料“餵養”它，而主導這一學習過程的並不是投喂資料的人類，而是電腦自己，它們會遨遊在資料的海洋中自主完成學習任務。
“從本質上來說，軟體已經學會自主開發新軟體了，”英偉達公司 CEO 黃仁勳說道，該公司五年前做了一個大賭注，它正從一家我們熟悉的顯示卡公司轉變為深度學習技術巨頭。
深度神經網路的概念其實早就不新鮮了，其歷史可追溯到上世紀 50 年代，而大多數的關鍵演算法突破這發生在上世紀 80 和 90 年代。現在這一概念重新走向前臺，主要是因為我們擁有了強悍的計算和資料儲存能力，網際網路上的圖片、視訊、音訊和文字都成了“養料”。頂級風投 Andreessen Horowitz 的合夥人 Frank Chen 認為，“深度學習迎來了屬於自己的寒武紀大爆發，”各種高等級生物在一夜間萌發了出來。
這一巨大的轉折點也點燃了許多人的激情。研究公司 CB Insights 的資料顯示，上個季度， AI 新創公司的融資額再創記錄，突破十億美元。 2016 年第二季度，此類公司共完成了 121 輪融資，而 2011 年同期這一數字僅有 21 輪。 5 年之間，投入 AI 領域的資金達到 75 億美元，而其中 60 億都是 2014 年後才入場的。
2012 年時，谷歌只有兩個深度學習專案，但現在這一數字已經膨脹到超過 1000 個。同時這些專案也是遍地開花，谷歌旗下的搜尋、安卓、 Gmail 、翻譯、地圖、 YouTube 和自動駕駛汽車都是其受益者。
此前， IBM 的 Waston 系統只靠 AI 就能在各種比賽中稱王，但現在它們也順應潮流用上了深度學習， Waston 旗下的 30 個構建服務專案都通過該技術得到了增強。
五年之前，恐怕沒幾家風投懂得深度學習為何物，但現在如果新創公司不懂這項技術，它們投資前就會非常猶豫。“我們生活在一個新時代，” Frank Chen 說道。“複雜的軟體應用成了必備品。人們很快就會意識到這一巨大轉變，未來人類之間的對話也會圍繞它們展開。”
微軟研究院的 Peter Lee 認為，許多公司已經將深度學習技術整合進了自己的日常流程。“我們的銷售團隊就在利用神經網路預測產品前景並根據使用者特點進行精準推薦。”
深度學習技術的快速發展也震動了硬體產品的世界，摩爾定律不再是無可辯駁的真理，英偉達的 GPU 也能成為計算能力的倍增器。對深度學習計算來說，這種原本用來渲染 3D 遊戲的產品比傳統 CPU 的效能高 20-50 倍。
今年八月份，英偉達新一季財報顯示，該公司資料中心部門的營收同比翻番，達到 1.51 億美元。該公司CEO 認為，“該部門營收能取得巨大進步主要靠的就是深度學習。”在總長僅有 83 分鐘的財報電話會議上，“深度學習”一詞更是破紀錄地出現了 81 次。
晶片巨頭公司英特爾也受到了影響，在上兩個月中它併購了兩家做深度學習計算的初創公司：Nervana System（超過 4 億美金）和 Movidius （未公佈價值）。
關於這一點，Google在五月份表明去年他們使用定製晶片——張量處理器（TPUs）來通過深度學習實現應用程式。張量是像矩陣這樣的一列數字，在深度學習計算中通常用一個乘以另一個。
實際上，公司現在已經處在轉折點上。百度研發中心的首席科學家 Andrew Ng 說：“過去許多標準普爾500的執行長都希望他們能搶先應用因特網，我想未來五年會有更多的執行長希望能及早的應用人工智慧。”
儘管現在因特網還不能使利用人工智慧的深度學習的價值得到充分利用，但 Andrew Ng說：“100 年以前電力的出現改變了工業時代，那麼現在人工智慧就充當著電力的角色。”
深度學習只是小小的一部分，人工智慧包含了許多技術，例如傳統邏輯演算法系統，利用這種系統能使計算機和機器人像正常人類思考那樣解決問題。深度學習是機器學習的一個分支，機器學習聽起來不好理解，但是對於讓計算機根據經驗解決問題來說，機器學習是很重要的數學演算法。
百度的 Ng 說：“舉個例子來說，深度學習就像是 A 到 B 的對映，你輸入音訊，然後就可以聽到副本，這就是語音識別。只要你有資料執行軟體，就都有可能完成。”他補充說：“如果你收到郵件，它就會識別是否是一封垃圾郵件。如果收到貸款申請，它就會預計客戶償還的概率。如果詢問駕駛路線，它就會告訴你接下來該怎麼走。”
來自：雷鋒網