“Google Brain之父”吴恩达

　　5月10日消息，吴恩达(Andrew Ng)是斯坦福大学人工智能实验室主任，2013年《时代》杂志评选的全球最具影响力百大人物中上榜的十几名科技人物之一，目前领导着Google Brain项目，在谷歌 内部推动深度学习算法。去年6月，“谷歌大脑”(Google Brain)项目运用深度学习的研究成果，使用 1000 台电脑创造出包含 10 亿个连接的“神经网络”，使机器系统学会自动识别猫，成为国际深度学习领域广为人知的案例。

　　近日，《连线》杂志发表文章，对这位“Google Brain之父”及其研究领域进行了详细介绍，以下为文章内容摘要：

　　“单一算法”假说改变人工智能研究方向

　　有种理论说，人类的智慧来源于一个单一的算法。这个理论的实验依据是，人类大脑发育初期，每一部分的职责分工是不确定的，也就是说，人脑中负责处理声音的部分其实也可以处理视觉影像。人脑究其本质来说，是一台可以被调试以执行特定任务的通用型机器。

　　七年前，斯坦福大学计算机科学教授吴恩达偶然接触到了这一理论，这个理论醍醐灌顶般地改变了他对于人工智能本质的理解，重新点燃了他对人工智能技术的热爱，从而改变了他的职业轨迹。据他回忆，“有生以来第一次，我感到自己有可能在人工智能的研究领域取得一点进展。”

　　吴恩达说，在人工智能技术研究的早期，主流的理念是，人类智慧形成于成千上万个简单代理的协同工作，也就是麻省理工大学教授马尔文·明斯基(Marvin Minsky)所说的“头脑的社会”。工程师们因此相信，要实现人工智能，就必须建立成千上万个独立的计算机模块。一个模块，或者算法，去模拟语言，第二个模块处理发声说话等等以此类推。总之，按照这个早期理念，实现人工智能所需的工作量巨大，难以实现。

　　吴恩达小时候的梦想就是发明能像人类一样思考的机器，但当他进入大学真正开始接触人工智能时，却正逢上述理念盛行，他很泄气，放弃了对人工智能的研究。后来，他成为大学教授，还不断地打击自己的学生，劝他们也放弃人工智能这一“不切实际的梦想”。直到有一天，他接触到了“人类的智慧来源于一个单一的算法”的假说，意识到自己以前对于人工智能的理解可能大错特错，他终于重新拾起了儿时的梦想。而“单一算法”这一假说的提出者是杰夫·霍金斯(Jeff Hawkins)，一名有着神经科学研究背景的人工智能领域的企业家。

　　现在看来，这一假说所改变的，不仅仅是吴恩达的职业生涯而已。吴目前的主要研究领域是机器学习技术中的“深度学习”，在计算机科学中属于比较新的领域，深度学习研究的主要目的是打造能像人脑一样处理数据的机器。目前，深度学习的研究已经不限于学术界，谷歌和苹果这样的大公司也意识到了其中蕴藏的巨大机会。吴恩达和谷歌的其他研究人员一起成立了有史以来人工智能领域目标最远大的项目——Google Brain。

　　Google Brain项目的指导思想，是将计算机科学与神经科学相结合，在人工智能领域，这是从来没有真正实现过的。吴恩达说，“我发现工程师(擅长计算机科学)和科学家(擅长神经科学)之间存在着巨大的代沟。”工程师们想要构建成功的人工智能系统，而科学家们却仍未能完全理解人脑错综复杂的工作机制。很长一段时间内，神经科学并不能够为想要建造智能机器的工程师们提供答案。

　　此外，据加州大学伯克利分校瑞德伍德理论神经科学研究中心(Redwood Center for Theoretical Neuroscience)主任布鲁诺·奥尔斯豪森(Bruno Olshausen)透露，科学家们还总是觉得“大脑研究”是他们的领域，不大愿意与其他领域的研究人员进行合作。

　　最终的结果就是工程师们开始建造不完全模仿人类大脑运行的人工智能系统，他们鼓捣出来的只能说是“伪智能”系统，产品类似于“Roomba”这样只能用来吸尘的机器人，而不像动画片《杰森一家》(The Jetsons)里的机器人女仆“罗西”T(Rosie)。

　　吴恩达用电脑解释深度学习

　　在吴恩达和其他一些人的努力下，这样的局面终于开始发生改变，美国国家心理卫生研究所(National Institute of Mental Health)主任托马斯·因瑟尔博士(Dr. Thomas Insel)介绍，“业内已经形成共识，谁能搞明白人脑如何计算，谁就能设计出下一代计算机。”

　　究竟什么是“深度学习”?

　　深度学习是人工智能技术朝新的研究方向迈出的第一步。简单地说，深度学习包含了构建能够模仿人类大脑行为的神经网络。这些多层次的电脑网络像人类大脑一样，可以收集信息，并基于收集到的信息产生相应的行为。这些电脑网络可以逐渐对事物的外形和声音进行感知和理解，也就是“认识”事物。

　　比如，为了赋予机器“视觉”，研究人员需要建立最基本的一层人工神经元，用来探知如物体的边缘形状等基本信息，第二层神经元可以将第一层感知到了物体边缘性状拼凑起来，鉴定较大块的物体形状，然后再加一层将第二层检测到的信息再拼凑从而使机器明白物体整体的形态。这里面关键的一点是，软件可以自行做到这一切——旧的“伪人工智能”往往需要工程师人工输入物体视觉或者声音的信息，然后由机器学习算法来处理这些信息数据。

　　吴恩达介绍，在深度学习算法之下，我们可以给这个系统很多数据，使其“自己学会世界上的一些概念”。去年，吴的一个深度学习算法机器通过扫描互联网上无数的猫的图片“认识”了猫，机器不认识单词cat，吴需要为机器输入这个单词，然后经过一段时间，机器将这种毛茸茸的小动物与单词cat联系到了一起，可以自行鉴别什么样的事物是cat。

　　教机器学习的方法本身就是在模仿人类的学习机制，当我们还是婴儿的时候，我们通过观察周围，开始认识我们接触到的事物，但是如果父母不告诉我们一样东西的名字是什么的话，我们自己无法知道。

　　推荐阅读

　　Yammer第三财季营收同比增长259%

北京时间5月10日晚间消息，微软周五在官方博客中表示，在近期结束的第三财季中，Yammer营收同比增长259%，而新增用户数达到312家。 微软以12亿美元收购Yammer的交易曾令许多人感到震惊。但仅仅3个季度之后，微软公布>>>详细阅读

本文标题：Google Brain之父：计算机终将能够模拟人脑

地址：http://www.lgo100.com/a/guandian/yejie/20130511/268981.html

 1/2    1  2 下一页