從應用角度來說，2016年無疑是深度學習之年。機器翻譯、聊天機器人、數據中心、云服務，包括Google、Amazon、Facebook、微軟、IBM在內的各大技術巨頭都在不遺余力地推進深度學習的研發(fā)和應用。未來這種技術將滲透到每個人的日常生活當中，對世界產生深遠影響?！哆B線》雜志用一篇文章概括了深度學習在2016年所取得的進展。

在澳大利亞的西海岸，Amanda Hodgson正在朝著印度洋發(fā)射無人機，以便在水面上方拍攝照片。這些照片是定位珀斯附近海灣的儒艮，或者叫做海牛的一種手段——這是防止這些瀕危海洋哺乳動物走向滅絕的努力的一部分。麻煩的是Hodgson和她的團隊并沒有足夠的時間來檢查所有的航拍照片。照片太多了，大概有45000張，而且未經訓練就想識別出這些儒艮是非常困難的。于是她們把這項工作交給了一個深度神經網絡。

深度學習正在重塑Google、Facebook、微軟以及Amazon。

神經網絡是一種機器學習模型，它能識別發(fā)布到你Facebook新聞流的照片里面的人臉。它們還能識別你向Android手機提出的問題，并且?guī)椭\營Google搜索引擎。這些廣泛的數學模型基本上是仿照了人腦的神經元網絡來進行建模，它們會通過分析龐大的數字化數據來學習一切?，F在珀斯莫道克大學的海洋生物學家Hodgson正在利用同樣的技術，在開放水域的成千上萬張照片中尋找儒艮，跟Google內部機器學習服務的底層基礎一樣，她的神經網絡采用的也是開源軟件TensorFlow。

正如Hodgson解釋那樣，檢測這些海牛的任務需要一種特別高的精確度，這主要是因為這些動物是在海洋表面之下進食的。她說：“它們看起來會億多白浪花，或者水面的一道炫光?！钡F在神經網絡已經可以識別分布在那片海灣的80%的儒艮。

該項目仍然處在早期階段，但它足以反映出過去1年深度學習的廣泛影響。2016年，這種非常古老但又煥發(fā)新生的強大技術幫助Google的機器擊敗了圍棋這種古老的棋類游戲的全球頂級選手之一，這項壯舉在幾個月前似乎還是不可能的事情。但這只是最顯眼的例子而已。隨著新年臨近，深度學習已經不僅僅是可以用來炫耀一下的小把戲而已。它不是小眾的研究。它正在徹底重塑著像Google、Facebook、微軟以及Amazon這樣的公司，并且部分拜這些互聯網巨頭提供的開源軟件以及云計算服務所賜，深度學習正在迅速向全世界的其他地方擴散。

新的翻譯

在之前幾年的時間里，神經網絡通過Google Photo等app重塑了圖像識別，它們也通過Google Now和微軟Cortana這樣的數字助手把語音識別帶到了新的高度。今年，它們實現了機器翻譯，也就是自動將語音從一種語言翻譯為另一種語言的能力的巨大飛躍。今年9月，Google推出了一項名為new service it calls Google Neural Machine Translation的新服務，這項服務完全是通過神經網絡運營的。按照該公司的說法，這一新引擎把特定語言對之間的翻譯錯誤率降低了55%到85%左右。

Google通過提供大規(guī)模現有翻譯樣例來訓練這些神經網絡。這些訓練數據部分是有瑕疵的，其中一些來自于Google Translate app之前版本的一些低質量的翻譯。但是它也吸收了人類翻譯的一些翻譯，這些加在一起支撐著整個訓練數據的質量。戰(zhàn)勝不完美的能力是深度學習顯而易見的魔法之一：只要給夠它數據，即便數據存在瑕疵，它也能被訓練到遠勝出那些略有瑕疵的水平。

Google這項服務的首席工程師Mike Schuster樂于承認自己的作品遠還沒有完美。但它仍然代表了一種突破。因為這項服務完全是基于深度學習運行的，這對于Google來說繼續(xù)改進這項服務會容易很多。它可以把精力集中在對系統整體進行調優(yōu)上面，而不是去折騰眾多在過去屬于機器翻譯服務的小地方上。

與此同時，微軟也在朝著同一個方向發(fā)展。2016年的最后一個月，它發(fā)布了一版Microsoft Translator app，這個版本可以將大家之間的即時會話翻譯成多達9種不同的語言。據監(jiān)管微軟AI和研究部門的副總裁Harry Shum透露，這個新系統也幾乎是完全基于神經網絡運行的。這一點很重要，因為它意味著微軟的機器翻譯可能也一樣可以更快的速度加以改進。

新的聊天

2016年，深度學習還滲透到了聊天機器人里面，其中最顯著的是新的Google Allo。2016年秋天發(fā)布的Allo可以分析你收到的文本和圖片，還會即時推薦可能的回復。這是基于Google之前的一項名為Smart Reply的技術開發(fā)的，后者對于電子郵件消息基本上也能做同樣的事情。這項技術工作得出奇的好，很大程度上是因為它考慮到了當今的機器學習技術存在的局限。建議回復非常簡明扼要，而且app推薦的回復永遠都不止一條，因為它知道目前的AI并不能總是把事情做對的。

在Allo內部，神經網絡還幫助回答你向Google搜索引擎提出的問題。它們幫助公司的搜索助手理解你問的是什么，并且?guī)椭龀龌卮?。據Google研究產品經理David Orr說，該app聚焦問題的能力如果沒有深度學習的話是不可能實現的。他說：“你需要利用神經網絡——或者至少這是我們找到能做這件事情的唯一方式。我們必須利用手頭的一切最先進的技術?！?/p>

有一件事情是神經網絡做不到的，那就是推進一場真正的對話。不管技術公司CEO在主旨演講上面做出了多大的承諾，實現這類的聊天機器人還有很長一段路要走。但是Google、Facebook等公司的研究人員正在探索有助于達到這一崇高目標的深度學習技術。其希望是，這些努力可帶來跟我們在語音識別、圖像識別和機器翻譯上面所看到的的同一類進展。會話是深度學習的下一個前沿陣地。

新的數據中心

今年夏天，在開發(fā)出攻破圍棋游戲的AI之后，Demis Hassabis和他的Google DeepMind實驗室披露，他們還開發(fā)了一個AI來幫助運營Google部署在全球各地的計算機數據中心網絡。通過利用一種名為強化學習（這是圍棋AI AlphaGo以及DeepMind更早開發(fā)的掌握老的Atari游戲的服務的基礎）的技術，這種AI可以確定什么時候打開遍布這些數據中心的成千上萬計算機服務器內部的冷卻風扇，什么時候該打開數據中心的窗戶以獲得額外的制冷，以及什么時候需要求助于昂貴的空調。這一AI總共控制著每個數據中心內部超過120項功能。

據彭博社報道，這種AI的效率非常高，高到可以替Google節(jié)省數億美元的運營開支。換句話說，這已經把Google在2014年收購DeepMind的6.5億美元給賺回來了?，F在，DeepMind打算往這些計算設施添加更多的傳感器，這樣就能收集到額外的數據，然后把這種AI訓練到甚至更高的水平。

新的云

隨著技術巨頭把這種技術推廣到自己的產品和服務，互聯網巨頭還在把它推廣到其他人的手上。2015年末時，Google開源了TensorFlow，過去這一年里，這個一度的專有軟件早已在墻外遍地開花，成為了Amanda Hodgson這樣的人有力的工具。與此同時，Google、微軟以及Amazon開始提供云計算服務來提供他們的深度學習技術，任何編碼者或者公司都可以用來開發(fā)自己的app。人工智能即服務有可能最終會成為這三大網絡巨頭最大的業(yè)務。

隨著AI的演進，計算機科學家的角色也在發(fā)生變化。

在過去12個月的時間里，這個蓬勃發(fā)展的市場刺激了又一場AI人才爭奪戰(zhàn)。Google招聘了AI研究界最知名的人物之一，斯坦福大學教授李飛飛負責一個新的專門為AI服務的云計算部門，而Amazon則挖來了卡內基梅隆大學教授Alex Smolna在其云帝國內部扮演一個相同的角色。大玩家正在以盡可能快的速度搶奪全球的頂尖人才，讓別人幾乎一點機會都沒有。好消息是，這些人才至少還把自己開發(fā)的部分技術成果分享給了想要的人。

隨著AI的演進，計算機科學家的角色也在發(fā)生變化。當然，這個世界還會需要能寫軟件的人。但它還將越來越需要懂得訓練神經網絡的人，這是非常不同的一種技能，它更需要從數據折騰出結果，而不是自己開發(fā)某個東西。像Google和Facebook這樣的公司不僅在招聘新型人才，也在對自己的現有員工進行這一新未來的再教育——在這個未來里，AI所定義的技術將幾乎影響到每個人的生活。

人工智能概念股：埃斯頓、科大智能、漢王科技、江南化工、華東數控、和而泰、中科曙光、永創(chuàng)智能、北京君正、通富微電、永創(chuàng)智能、勁拓股份。