谷歌大数据专家杰弗里：大脑神经是如何计算的

数据科学家是物联网的关键，需要涉猎的知识面很广，包括：机器学习、计算机科学、统计学、数学、数据可视化、沟通和深度学习，Geoffrey Hinton杰弗里·欣顿被称为“神经网络之父”、“深度学习鼻祖”，他曾获得爱丁堡大学人工智能的博士学位，并且为多伦多大学的特聘教授。在2012年，Hinton还获得了加拿大基廉奖(Killam Prizes，有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年，Hinton 加入谷歌并带领一个AI团队，他将神经网络带入到研究与应用的热潮，将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术，并将HintonBack Propagation(反向传播)算法应用到神经网络与深度学习。

早在上世纪60年代，Hinton在高中时期，就有一个朋友告诉他，人脑的工作原理就想全息图一样。创建一个3D全息图，需要大量的记录入射光被物体多次反射的结果，然后将这些信息存储在一个庞大的数据库中。大脑存储信息的方式与全息图类似，大脑并非将记忆存储在一个特定的地方，而是砸整个神经网络里传播。从此，Hinton对神经网络深深得着迷。他在剑桥大学学习心理学期间，发现科学家们并没有真正理解人类大脑，人类大脑有数十亿个神经细胞，它们之间通过神经突触互相影响，形成极其复杂的相互联系，然而科学家们并不能解释这些具体的影响和联系。神经到底是如何进行学习以及计算的，对于Hinton，这些正是他所关心的问题。Hinton在爱丁堡大学获得了人工智能的博士学位，现为多伦多大学的特聘教授。在2012年获得了加拿大2012年基廉奖(Killam Prizes，Killam Prizes是有“加拿大诺贝尔奖”之称的国家最高科学奖)。在2013年，他加入Google，并带领一个AI团队，目前正进行着谷歌大脑Google Brain项目。

谷歌大脑是"Google X实验室"一个主要研究项目。是谷歌在人工智能领域开发出的一款模拟人脑的软件，这个软件具备自我学习功能。谷歌大脑世界模型可在其梦境中对智能体进行训练。

“神经网络”在机器学习（MachineLearning）领域已经应用数十年——并已广泛应用于包括国际象棋、人脸识别在内的软件中。而谷歌的工程师们已经在这一领域更进一步，建立不需要人类协助，就能自学的神经网络。这种自学能力，也使得谷歌的神经网络可以应用于商业，而非仅仅作为研究示范使用。

谷歌的神经网络，可以自己决定关注数据的哪部分特征，注意哪些模式，而并不需要人类决策——颜色、特殊形状等对于识别对象来说十分重要。

阿尔法狗这一人工智能程序正是基于谷歌大脑而打造出来的。百度推出百度大脑，神州优车集团打造“优车智脑”。神州优车集团将重塑人车生态圈!

我不得不发现九九归一，众势所趋向人工智能算法生态圈。

（本文由中国计算网总编栾玲编辑 转载请注明出处）