作者：韦青

泉源：北大纵横

今天很是兴奋跟各人交流一下关于《深度学习》这本书的体会。我看完这本书之后很是喜欢，希望借这个机会和各人先容一下这是一本什么样的书，我们该以什么角度看待这样一本书，在这个大时代配景下我们怎么明确这本书出书的意义，这本书背后的知识将为我们带来的新的看法。

这本书是业界大拿出的书，作者自己履历很是富厚。他是学物理的，同时还学生物科学，研究神经网络。他的配景像业界着名的人工智能专家学者，他们的研究都是笼罩多个领域。一方面以数学为主的，以数理化为主的科学领域，另外一方面以医学、生物学、神经学为主的领域，两者团结恰恰反应了这个时代的潮流。

以史为鉴，重新熟悉科技前进

在全球规模内由于手艺的前进引发的新话题层出不穷，我们一直吸收到新的理念。越来越多的公司和人发明，人类最先进入“无人区”，没有一个大头脑家或者大哲学家能够告诉我们未来会怎么样。以是人们爆发了许多争论，关于人工智能的争论，关于机械智能的争论，关于机械人的争论，关于手艺和人类关系的争论等等。

去年10月份微软公司CEO萨提亚的一场很是著名的演讲上说，未来没有人指导我们，那么我们可以以史为鉴，看看历史上爆发过什么。最有代表性的就是第一次工业革命到第二次工业革命之间，由蒸汽时代进入电气化时代。我把这个阶段总结为四种态度和四种下场。其时有许多有影响力的全球性的公司，他们用蒸汽力量取代人的四肢。但当电气泛起的时间，绝大大都公司态度是看不起电，由于最先的阶段电的效率并不敷高。

第一类公司的想法是电力不可，效率低，没有未来，蒸汽力量足够了，一百年之后他们被镌汰了。

第二类公司放下一些肩负，以为电是新生生物，也有潜在生长的可能性，可是仍然坚信蒸汽机的力量，坚信只要对蒸汽机举行改良一样可以坚持竞争力，这些公司也被镌汰掉了。

最惋惜是第三类公司，他们已经放下旧的生产力，最先拥抱新的生产力和形成新的生产关系，可是头脑方法没有改变。他们以为自己周全拥抱电气化时代，已经爆发比蒸汽机时代超高的效率，更低的本钱，可是他们还在跟蒸汽机相比，这些公司最终也被镌汰掉了。萨提亚在会上提到，我们做了一些简陋的剖析，只有不到5%的公司在谁人时代完成了转型和奔腾，真正进入了电气化时代。

其时大部分企业关于电气化的看法只是能点几多盏灯，或者生产线能够提高几多效率。只有5%的公司选择彻底放下肩负，遗忘什么是电气，什么是蒸汽，而是把它们都当成是工具。这些公司要的就是进入新的时代。这代表更高的效率，更低的本钱和更优异的用户体验和产品品质。

通过历史上的事务可以发明，我们现在对未来的任何预估都是缺乏够的，都可能没有完全预计到未来的攻击力。

在五六十年前，全中国人民都有一种对未来社会的神往——楼上楼下电灯电话，这在其时来说是很是具有前瞻性了。其时的人们以为已经看到了最终最理想的社会，可是几十年之后再看，其时的神往并没有那么远大。从人类从最先思量到用电到电的普及，已经有一百多年的历史。我们发明电不但仅可以点灯，不但仅可以驱动电器，不但仅可以驱动电机，甚至还可以有盘算机，还可以驱动一辆汽车，电力比原来的内燃神秘越发高效、越发可靠和越发优异。

我们跟客户的交流中也有思索，是否需要做头脑的转变，才有可能真正明确这一轮手艺厘革是怎么回事。若是我们还抱着老的看法，抱着爆发问题时间的看法，我们真能够明确这个伟大的时代将带给我们的绚烂未来吗？我们是否需要先把我们以为的所有私见都放掉，然后再来看现在的手艺究竟怎么回事？我们也知道深度学习只是机械学习、人工智能的一部分，我们要把深度学习的肩负也放下，扩展到我们进入的这个时代来思索。

不管从1956年的达特茅斯聚会，照旧更早的图灵时代、冯?诺依曼时代、香农时代，他们都有关于人工智能的明确，都有关于盘算机究竟能做什么事情的明确。我们并不是直接进入了机械学习的时代，中心尚有一个阶段是希望通过逻辑的关系。我们知道都有一种服务If This Then That，也就是IFTTT。这种服务充能够明确人的逻辑头脑。好比说If我饿了，Then我要去用饭。If我是北方人，我饿了，Then我愿意吃的是面而不是米饭，用这种方法试图解读人类决议机制。厥后发明较量难题，一些专家以为这条路走欠亨，以是选择用模拟脑神经的机制来做决议，通过这种思绪才有了今天这本《深度学习》的降生。

现在很盛行说云时代要竣事了，未来几年都是边沿智能时代，为什么？着实这和学习能力也是相关的。在某种意义上可以把人类看做是一个发电机，我们之以是要吃碳水化合物，还要呼吸氧气，是由于我们在以氧化的形式举行燃烧，爆发能量、爆发电力。我们之以是看到工具着实不是真的看到，而是把光子酿成电子，大脑去剖析电子爆发视觉，听觉也是一样。

由此最先，一批科学家最先探讨人怎样学习，怎么高效学习。虽然作者是深度学习和机械学习的专家，同时他也是人类学习的专家。这本书也是教人类怎么学习。我们业界许多专家学者始终想和宽大受众强调，不要把机械能力神话，机械自始至终都在充当取代人的某种性能的角色，目的是减轻人的某种肩负。

在历史上的某个阶段，昔人类最先发明和使用工具，好比用骨头或者石片可以敲工具，完成手完成不了的能力。著名的科幻影戏《2001太空周游》中有一个很是著名画面，猿人突然有一天发明可以拿骨头去敲另外一个骨头，可以把别的骨头敲碎，这就是人类历史上大的前进。他就发明这个骨头不但可以敲骨头，也可以敲肉，可以敲瓜果，敲野兽，也可以用来防身。那时间人类发明，原来可以拓展四肢的能力，使用外部工具去提高自己的能力。

工业革命之后，人类发明不但靠古板的工具，还可以靠种种机械的力量取代人类的四肢。我们现在不会无聊到说在肌肉能力方面还可以跟机械一拼，好比去和一辆汽车角逐跑步，应该没有人会这样做了。着实不但是肌肉的性能，我们连盘算的性能都都已经被镌汰掉了。有没有人可以马上开7的3次方？应该没有。我们可以十几块钱买一个盘算器，盘算器就可以做到。我们为什么对这种征象不会抱恐惧心理，而对人工智能抱有莫名其妙的恐惧心理？

我们能不可抱着这样一种态度，不是仅仅相识深度学习，而是通过深度学习相识机械学习的原理，通过机械学习原理相识人类学习的机制，进而相识人类智能的运作机制，然后才华够深刻明确人和机械智能特点划分是什么。

取代我们的不是AI，而是被AI赋能的人

最近也有媒体报道提到，经由14年起劲，微软回到了市值第一，几星期之后可能亚马逊又酿成了市值第一。这恰恰反应了萨提亚说的特点，这个时代只尊重立异。你昨天是专家，若是你不遇上时代潮流，明天一定就不是专家了。现在是一个末日感较量强的时代，各人总担心错过机会机会输在起跑线上。巨变的时代，没有起跑线的看法，天天都是起跑线，稍微一松开脚步就会被人凌驾去，这个时代是压力很大的时代，同时也是机会很大的时代。

明确时代特点，我们要相识深度学习，相识机械学习，进而相识人类学习特点，可是更主要是什么？我们要号准时代的脉搏，要知道在这个时代要接纳什么样的态度和战略，才华够跟上时代的脚步。我们既不要成为时代的弃儿，也不希望成为义士，我们最希望成为一个先行者。这个时代最大特征就是机械从取代人的四肢最先，已经于无声处最先取代人的大脑，甚至会逐步取代所有能够泛起模子的人类能力。明确这一点我们才可以明确所处的时代。

面临深度学习和人工智能的生长，一种人选择放弃自己，一种人会爆发绝对的抗拒心理，不去自动拥抱这种能力，这都是有问题的。由于这种能力确实很强盛，你不去拥抱的话，有可能被去拥抱这种能力的人类所镌汰掉了，被他们爆发降维攻击的能力了，这个着实很危险的。与其说是机械或者人工智能，或者机械智能会取代人，倒不如说掌握了机械智强人类酿成一种超人类，他们会把不具备这种能力的人类所取代掉，或者所降维攻击掉。作者特伦斯的良苦专心是希望我们做一个及格的地球人。为什么不是说作为一个美国人或者中国人？由于地球上的人类都面临这样的挑战，都面临我们怎样跟机械智能相处，怎样提高我们能力，才华使我们具备更高的能力来应变这个时代的挑战。人工智能带来的这种降维攻击照旧很强盛的，若是我们不认真的应对，去起劲学习，并且去起劲拥抱这种能力，有可能就真的被降维攻击了。

手艺是拿来用的，而不是拿来吹和炒的

许多业界专家都有这样的感受，现在媒体对人工智能的炒作过热，反而让宽大读者，甚至是决议者失去了去这件事的焦点掌握。人工智能的焦点现实上就是机械学习的能力，就是一种机械智能。现在主要体现方法是深度学习，但并不料味着我们一经实验的符号学，用逻辑推理的方法着实并没有过时，只不过还无法实现。现阶段深度学习取得了重大突破，引领各人进入到新的未来。新的未来内里会不会是深度学习和其他人工智能、机械学习的方法共存的方法？我们并不知道，以是我们不要倾轧这种看法，尤其不要以为现在就是深度学习这一种学习方法。未来应该是人类的学习能力、机械学习能力、深度学习能力和逻辑推理能力是共融共生的阶段，这可能是越发客观形貌未来时代特征的一个方面。

智能时代之前的深度学习要靠数据的群集去学习和驱动。可是现在的数据既不敷大，也不敷好。虽然我们有许大都据，可是并不算真正的大和洽。大数据的看法并不是多，我们数据结构和数据泉源没有形成万物互联的社会，物联网没有布设到，5G没有到位，可能数据不敷那么多，不敷那么好。支持万物互联的基础架构恰恰是一个云盘算的架构。以是倒着讲是智、大、物、云，正着去演绎是云、物、大、智。

怎样明确人工智能

怎样明确人工智能我总结了四点：首先，一定要应用。若是我们去学了“学会怎样学习”的课程就会发明，现在最盛行的方法是Problem-Based Learning，就是以问题为导向的学习，以现实解决问题计划的学习。未来是终身学习的时代，不保存大学结业之后就不学习了。怎样终身学习？一定要带着问题去学，这样学得越来越深入，学得越来越有用。人工智能也是一样的，它是一种学习的历程。学习不可为了学而学，一定是问题为导向的。

我的第二个看法就是，深度学习的生长不但仅要靠数学的前进，不但仅要靠盘算机科学的前进，还要对人类自己的神经、脑神经、传输神经、感知神经的明确，才华知道是怎么回事。

现在我们每小我私家有基础的学习能力，机械学习也是一样，只是通过开放的接口开下学习的通用能力。未来每小我私家一定要在通用能力之上，掌握行业的学习能力，才华够真正为人类带来更大的福祉。

第四点就是要真正爆发深度学习能力，我们需要有数据，需要有人才，还要有算法和算力。像微软这样专业公司可能会提供更强盛的算法和算力，更多的公司需要在人才作育，数据网络上面下很大功夫，这样才华爆发互动的增进作用。数据、人才、算法、算力这四者缺一不可。每一方面在未来都重大的商机，正是由于我们即将进入智能社会，商机恰恰不是只在智能自己，而是各个方面。

没有专家的时代，每小我私家都要终身学习

最后我尚有两个看法。我用瞽者摸象的寓言来举例，这个时代是没有专家的时代，我们每小我私家都在学习。不保存输在起跑线上，由于天天都在新的起跑线，我们只要不放弃学习，不放弃自己，不要以为我到了某种年岁或某种职位，我就不去学了，也不要由于我是学文科或者我是学理科的我就不要再学其他的知识。未来需要的是天天学习。由于这个伟大时代还没有来，我们最多是摸着大象的其中一部分，以是每小我私家都有可能成为最终摸到大象整体的谁人人。

第二点，正是由于这个时代没有专家，同时也是没有所谓的正义的时代，每一个理论都有可能成为其时可行的理论，可是并不料味着能够成为永远的理论，永远乐成的规则。我们要去学习，不要唯种种专家，不要唯新，更主要唯实，你自己去试，小马过河，水是深浅只有自己知道。听别人说可以，包括我现在讲的，这也执偾我在微软这么多年的体会和明确，并不代表所有人体会和明确，尤其不代表是否是准确的。我们无妨能够自己去试一下，大胆去试发明原来水既不像A说得那么是深，也不像B说的那么浅，对你来说最适合的就是最好的要领。

最后以比尔?盖茨先生的这段话作为最后：“人们大都倾向于高估他在一年内所能完成的事情，但又容易低估他们坚持十年后能够取得的成绩。”各人一定要明确，第一没有专家，第二没有起跑线，第三天天都在重新更新有新知识新理念泛起，我们先不要放弃自己，同时掌握最基本的对自己的自信和信心，认真学习。