走近数据科学课程报告（1）：人工智能与深度学习—智能时代的驱动力量

博雅大数据学院院长欧高炎负责主讲北京师范大学珠海校区走近数据科学课程。本系列文章精选同学们就课程主题写的心得体会。

不久之前，⼈们还常说，计算机的辨别能⼒还不如出⽣不久的婴⼉。在⼈⼯智能(artificial intelligence) 和深度学习(deep learning) 飞速发展的今天，这句话被改写了。

1956年，计算机科学家相聚在达特茅斯会议，提出 “⼈⼯智能” 概念。2012年以后，得益于数据量的上涨、计算能⼒的提升和深度学习的出现，⼈⼯智能迎来新纪元。深度学习是机器学习的⼀个分支，它根植于数学、计算机科学和神经科学。深度⽹络从数据中学习，就像婴⼉了解世界那样，从睁开眼到逐步获取认知，适应，改变这个世界的技能。

从1997年5月11日IBM公司研制的超级计算机“深蓝”打败卡斯帕罗夫，到如今阿尔法狗打遍天下⽆敌⼿，棋局上的博弈正能说明⼈⼯智能和深度学习日新月异的进步和崛起。普通⼈对⼈⼯智能的认识⽌步于此。可是，这个时代早已离不开⼈⼯智能和深度学习，它们或明或暗地改变着我们的⽣活。

⽆⼈驾驶早已⽕遍⼤江南北，与⼤数据结合的新零售也做的⽕爆；AI与艺术的结合，诞⽣出Autodraw和美妙的简笔画；波⼠顿动⼒用深度学习⾰新了机器⼈······这些充满科技感的画面，很⼤部分都要归功于⼈⼯智能与深度学习。

图片来源于网络

对我来说，真正震撼到我的，深度学习中的⽣成对抗⽹络(generative adversarial networks,GANs)。⽣成对抗⽹络这⼀概念最早是在2014年由蒙特利尔⼤学的AI学者 Ian Goodfellow 提出的。抛开复杂的函数语⾔，GANs在原理上类似于博弈论中的⼆⼈零和博弈——非此即彼的胜负游戏。

这样的机器自⼰与自⼰博弈，从数据中⽣成全新样本，从⽽进⾏学习的过程⼏乎可以⽆休⽌地进⾏下去。这个想法不仅仅听来很酷，在未来，应用空间也非常巨⼤。

⼤量重复学习运算是⽣成对抗⽹络的精髓，也是机器学习的优越性所在。这是⼤体量的有价值的数据作为深度学习的输⼊，计算机借此学会以往只有⼈类才能理解的概念和知识，然后将这些概念和知识应用到之前从未看见过的新数据上，这给了⼈⼯智能⼀展身⼿的空间，实现⾼质量的应用。

举个例⼦，GANs⽣成的全新图像，在真实度和准确度上超过了⼈⼯作业。可是问题也是存在的。这个简单粗暴的机器学习解决⽅案看似很好，但在实际应用和反复实验中出现了或多或少的问题。它的需要数据量过⼤，对算⼒的要求也比较⾼；普遍应用度不⾼，除了已知的少数⼏个领域表现突出以外，在更多底层运算领域则后继乏⼒。当然，⽣成对抗⽹络的⽕爆绝不是伪热度，它真正的价值，它将会带来的连锁反应现在还不可估量。

从17世纪⾄今，三次⼯业⾰命将⼈类历史推向了史⽆前例的⾼度。如今，我们可以想象，智能⾰命也将成为⼀次⼈类⼤⾰命，⽽这次⾰命的核⼼驱动⼒量就是⼈⼯智能和深度学习。

正如魏铼在《⼈⼯智能的故事》中所展望的那样：“⼈⼯智能不仅是⼀场技术⾰命，它对⽣产效率的⼤幅提⾼、对⼈类劳动的逐步替代、对⽣产⽅式的根本改变必然触及社会、经济、政治、⽂化、教育等⼈类⽣活⽅⽅面面，成为⼀场深刻影响⼈类命运的⼤⾰命。⼈⼯智能的未来必将与重⼤的⽣产变⾰、社会变⾰、经济变⾰、教育变⾰、思想变⾰、⽂化变⾰等同步，成为⼈类社会⼀次全新的⼤飞跃、⼤变⾰、⼤融合、⼤发展的开端。”