人和机器将超越任何一个元素的能力。 metamorworks / Shutterstock.com
未来不会由人类或机器单独制造 - 而是由两者共同合作。 模拟人类大脑如何工作的技术已经在增强人们的能力，并且随着社会习惯于这些功能越来越强大的机器，它们将变得更有影响力。
技术乐观主义者设想一个正在崛起的世界 人的生产力和生活质量 作为人工智能系统接管生活的苦差事和行政管理， 让每个人受益。 另一方面，悲观主义者警告说，这些进步可能会出现 失去工作和生活中断的巨大代价。 恐惧分子担心人工智能可能会最终失败 让人类过时.
然而，人们并不擅长想象未来。 乌托邦和世界末日都不可能。 在我的新书中，“深度学习革命，“我的目标是解释这个快速发展的科学技术领域的过去，现在和未来。 我的结论是，AI会让你更聪明，但会让你感到惊讶。
识别模式
深度学习是AI取得最大进步的一部分 解决复杂问题 比如识别图像中的对象，识别来自多个发言者的语音，以及人们说话或写作的方式处理文本。 深度学习也证明对于识别正在生成的越来越大的数据集中的模式非常有用 传感器，医疗设备和科学仪器.
这种方法的目标是找到计算机可以代表世界复杂性的方法，并从以前的经验中总结出来 - 即使接下来发生的事情与之前发生的事情并不完全相同。 正如一个人可以确定她以前从未见过的特定动物实际上是一只猫， 深度学习算法可以识别方面 可能被称为“cat-ness”并从猫的新图像中提取这些属性。
深度学习系统可以分辨出哪些是猫。 Gelpi / Shutterstock.com
深度学习的方法是基于 为人类大脑提供动力的相同原则。 例如，大脑同时处理许多处理单元中的各种数据。 神经元彼此有许多联系， 这些联系会根据使用的程度而增强或减弱，建立感官输入和概念输出之间的关联。
最成功的深度学习网络 基于1960对视觉皮层结构的研究，这是我们用来观察的大脑的一部分，以及在1980中发明的学习算法。 那时候，计算机还不够快，无法解决实际问题。 但现在，他们是。
此外，学习网络已经相互叠加，更紧密地建立了连接网络 类似于视觉皮层中发现的层次结构。 这是一部分 收敛 之间发生 人工和生物智能.
四层神经网络接受来自左侧的输入，将第一层的输出传递到下一层，传递到下一层，然后传递输出。 Sin314 / Shutterstock.com
在现实生活中深度学习
深度学习已经增加了人类的能力。 如果您使用Google服务搜索网络，或使用其应用程序从一种语言翻译成另一种语言或将语音转换为文本，那么技术可以让您变得更聪明或更有效。 最近在中国旅行时，一位朋友在他的Android手机中说英语，将其翻译为出口司机的中文口语 - 就像 “星际迷航”中的通用翻译设立的区域办事处外，我们在美国也开设了办事处，以便我们为当地客户提供更多的支持。“
对实际实时翻译设备的测试。
{youtube}Nu-nlQqFCKg{/youtube}
这些和许多其他系统已经在工作，即使您不了解它们，也可以帮助您在日常生活中。 例如，深度学习开始接管 阅读X射线图像和皮肤病变照片 用于癌症检测。 您的当地医生很快就能发现只有最好的专家才能发现的问题。
即使你确实知道有涉及的机器，你可能也不会理解他们实际做的事情的复杂性：亚马逊的Alexa背后是一大堆 深度学习网络，可以识别您的请求，筛选数据以回答您的问题并代表您采取行动。
推进学习
深度学习在解决模式识别问题方面非常有效，但要超越这一点需要其他大脑系统。 当一只动物获得一个动作奖励时，它就是 更有可能在将来采取类似的行动。 大脑基底神经节中的多巴胺神经元报告预期和接受的奖励之间的差异， 称为奖励预测错误，用于改变预测未来奖励的大脑连接的强度。
将这种称为强化学习的方法与深度学习相结合，可以使计算机具有识别意外可能性的能力。 通过识别模式然后以产生奖励的方式对其进行响应，机器可能会沿着可能被称为人类创造力的行为来处理行为。 这种耦合方法是DeepMind开发的方法 程序名为AlphaGo，在哪 2016击败了大师李塞多 和第二年 击败世界围棋冠军，柯杰.
游戏并不像现实世界那样混乱，现实世界充满了不确定性的变化。 Massimo Vergassola 在加州大学圣地亚哥分校，我最近使用强化学习来教授滑翔机 如何在湍流的热量中像鸟一样翱翔。 传感器可以连接到实际的鸟类，以测试它们是否使用相同的提示并以相同的方式响应。
尽管取得了这些成功，但研究人员还没有完全理解深度学习如何解决这些问题。 当然，我们也不知道大脑是如何解决它们的。
虽然大脑的内部运作可能仍然难以捉摸，但研究人员开发深度学习理论只是时间问题。 不同之处在于，在研究计算机时，研究人员可以访问网络中的每个连接和活动模式。 进展的步伐很快，每天都有研究论文出现 arXiv。 令人瞩目的进展令人期待今年十二月的到来 神经信息处理系统会议 在蒙特利尔，哪个 售完8,000门票 在11分钟内，让9,000有希望的注册人在候补名单上。
在计算机实现一般人类智能之前，还有很长的路要走。 今天最大的深度学习网络只有一块人类神经皮层的力量 米粒的大小。 我们还不知道大脑是如何动态组织大脑区域之间的相互作用的。
大自然已经具备了这种整合水平，创造了能够在思考深层问题和完成复杂任务的同时操作人体各个方面的大规模脑系统。 最终，自治系统可能变得如此复杂，加入了我们这个星球上无数的生物。
关于作者
Terrence Sejnowski，弗朗西斯克里克教授，索尔克生物研究所计算神经生物学实验室主任，神经生物学杰出教授， 加州圣地亚哥大学
相关书籍
at InnerSelf 市场和亚马逊
