“Google Brain之父”吳恩達

　　5月10日消息，吳恩達(Andrew Ng)是斯坦福大學人工智能實驗室主任，2013年《時代》雜志評選的全球最具影響力百大人物中上榜的十幾名科技人物之一，目前領(lǐng)導著Google Brain項目，在谷歌 內(nèi)部推動深度學習算法。去年6月，“谷歌大腦”(Google Brain)項目運用深度學習的研究成果，使用 1000 臺電腦創(chuàng)造出包含 10 億個連接的“神經(jīng)網(wǎng)絡(luò)”，使機器系統(tǒng)學會自動識別貓，成為國際深度學習領(lǐng)域廣為人知的案例。

　　近日，《連線》雜志發(fā)表文章，對這位“Google Brain之父”及其研究領(lǐng)域進行了詳細介紹，以下為文章內(nèi)容摘要：

　　“單一算法”假說改變?nèi)斯ぶ悄苎芯糠较?/b>

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

　　七年前，斯坦福大學計算機科學教授吳恩達偶然接觸到了這一理論，這個理論醍醐灌頂般地改變了他對于人工智能本質(zhì)的理解，重新點燃了他對人工智能技術(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)域取得一點進展。”

　　吳恩達說，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簡單代理的協(xié)同工作，也就是麻省理工大學教授馬爾文·明斯基(Marvin Minsky)所說的“頭腦的社會”。工程師們因此相信，要實現(xiàn)人工智能，就必須建立成千上萬個獨立的計算機模塊。一個模塊，或者算法，去模擬語言，第二個模塊處理發(fā)聲說話等等以此類推。總之，按照這個早期理念，實現(xiàn)人工智能所需的工作量巨大，難以實現(xiàn)。

　　吳恩達小時候的夢想就是發(fā)明能像人類一樣思考的機器，但當他進入大學真正開始接觸人工智能時，卻正逢上述理念盛行，他很泄氣，放棄了對人工智能的研究。后來，他成為大學教授，還不斷地打擊自己的學生，勸他們也放棄人工智能這一“不切實際的夢想”。直到有一天，他接觸到了“人類的智慧來源于一個單一的算法”的假說，意識到自己以前對于人工智能的理解可能大錯特錯，他終于重新拾起了兒時的夢想。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，不僅僅是吳恩達的職業(yè)生涯而已。吳目前的主要研究領(lǐng)域是機器學習技術(shù)中的“深度學習”，在計算機科學中屬于比較新的領(lǐng)域，深度學習研究的主要目的是打造能像人腦一樣處理數(shù)據(jù)的機器。目前，深度學習的研究已經(jīng)不限于學術(shù)界，谷歌和蘋果這樣的大公司也意識到了其中蘊藏的巨大機會。吳恩達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)域目標最遠大的項目——Google Brain。

　　Google Brain項目的指導思想，是將計算機科學與神經(jīng)科學相結(jié)合，在人工智能領(lǐng)域，這是從來沒有真正實現(xiàn)過的。吳恩達說，“我發(fā)現(xiàn)工程師(擅長計算機科學)和科學家(擅長神經(jīng)科學)之間存在著巨大的代溝。”工程師們想要構(gòu)建成功的人工智能系統(tǒng)，而科學家們卻仍未能完全理解人腦錯綜復雜的工作機制。很長一段時間內(nèi)，神經(jīng)科學并不能夠為想要建造智能機器的工程師們提供答案。

　　此外，據(jù)加州大學伯克利分校瑞德伍德理論神經(jīng)科學研究中心(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器人，而不像動畫片《杰森一家》(The Jetsons)里的機器人女仆“羅西”T(Rosie)。

　　吳恩達用電腦解釋深度學習

　　在吳恩達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，誰能搞明白人腦如何計算，誰就能設(shè)計出下一代計算機。”

　　究竟什么是“深度學習”?

　　深度學習是人工智能技術(shù)朝新的研究方向邁出的第一步。簡單地說，深度學習包含了構(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)可以逐漸對事物的外形和聲音進行感知和理解，也就是“認識”事物。

　　比如，為了賦予機器“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到的信息再拼湊從而使機器明白物體整體的形態(tài)。這里面關(guān)鍵的一點是，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，然后由機器學習算法來處理這些信息數(shù)據(jù)。

　　吳恩達介紹，在深度學習算法之下，我們可以給這個系統(tǒng)很多數(shù)據(jù)，使其“自己學會世界上的一些概念”。去年，吳的一個深度學習算法機器通過掃描互聯(lián)網(wǎng)上無數(shù)的貓的圖片“認識”了貓，機器不認識單詞cat，吳需要為機器輸入這個單詞，然后經(jīng)過一段時間，機器將這種毛茸茸的小動物與單詞cat聯(lián)系到了一起，可以自行鑒別什么樣的事物是cat。

　　教機器學習的方法本身就是在模仿人類的學習機制，當我們還是嬰兒的時候，我們通過觀察周圍，開始認識我們接觸到的事物，但是如果父母不告訴我們一樣東西的名字是什么的話，我們自己無法知道。