猎云网10月9日报道 （编译：惜惜）
当谷歌公司使用1.6万台处理器构建一个可以通过观看Youtube视频正确识别猫脸的“虚拟大脑”时，就标志着人工智能（AI）技术迎来了重要的转折点。
这种新兴的AI算法应用大量的计算机数据，通常被称为“深度学习”。所谓的“谷歌大脑”据说比以往任何数字影像识别系统精确度高两倍，是互联网巨头谷歌在大型数据处理上取得的又一胜利。
事实上，早在2012年《纽约时报》就报道称：“这项研究代表了可用于降低运算成本的新一代计算机科学以及计算机从大型数据中心获取并处理数据的可行性，并为不同领域带来巨大的发展，比如机器识别与感知、语言识别和语言翻译等。”
过去两年里，微软发布了一项利用深度学习在两种语言间实现即时翻译转换的Skype服务。Facebook聘请了这一领域领先的专家改进了他们的图像识别以及其他服务工具，从Twitter到Yahoo，各大互联网公司纷纷抢购涉及深度学习的创业公司。
但在这场技术变革中，一位名为Alex Krizhevsky的研究人员表明，要利用人工智能独特的“自我学习”能力来分析数字资料，根本不需要大量的计算机数据做支撑。同年发表的一篇论文也有相同看法，作者只用了一台电脑，就至少在一种特定图像识别测试中优于谷歌公司利用1.6万台处理器所达到的效果。
这是一台相当昂贵的电脑，大容量的内存、顶级的GPU和专用的计算机芯片等配备使其拥有有多台计算机联合运作的效果。但这的确只是一台电脑，这表明你不必像谷歌一样拥有计算机集群也可以利用深度学习的能力。
利用这种人工智能技术还是需要一定的专业知识，这就是为什么互联网巨头不惜拉拢人才的原因。也正是由于他们拥有大型的数据中心和雄厚的财力，像谷歌这样的公司才能把这项技术带到全球各地。目前还是有很多数据科学家只利用一台计算机就可以利用深度学习算法来解决他们自身的问题，这台计算机可能就是普通消费者所使用的游戏本。
在Kaggle网站上，数据科学家代表其他企业和组织解决问题时，深度学习已经是首选的工具之一。根据Kaggle首席科学家Ben Hamner的介绍，单一的计算机已经可以用于解决所有事情，包括图像分析、语音识别，甚至是化学信息学。
斯坦福大学的研究人员Richard Socher深化了深度学习的使用，使用一台电脑就能达到识别自然语言的目标，这表明这些人工智能技术可以造福于一些小型公司。Socher表示，这个处理系统非常容易部署，任何人都可以做到。
于此同时，部分创业公司开始构建云服务以提供深度学习工具，其他公司则向除互联网巨头以外的公司推出软件和咨询服务，这在一定程度上有利于技术普及化。毕竟全球仅有那么几家公司的计算机集群能达到谷歌、Facebook和雅虎的规模，小型普通公司也可以利用单一计算机进行深度学习工作。
GPU是图像处理单元的缩写，这些芯片最初是为了快速生成代表游戏和其他高度可视化应用的图像而设计的，但由于它们具备一定的数学计算能力，也可以胜任各种任务。事实证明，这些任务中就包括深度学习。
深度学习试图模仿人类大脑中神经网路的行为，本质上创造了一个多层次的软件系统，一旦配置正确，当他们分析的数据越来越多时，就可以实现自我学习。传统的机器学习需要人类工程师繁多的手动操作，而深度学习是不需要的。
这些多层次的神经网络涉及很多计算机芯片的平行运作，就像谷歌公司1.6万台处理器并行处理一样，但你也可以通过GPU来实现这种并行处理，最顶级的GPU可以包含超过2000个处理器。
Alex Krizhevsky使用配备两个GPU的机器运行深度学习算法，处理效果比谷歌配备1.6万台处理器、基本CPU的计算机更加出色。不同于谷歌的大量数据支持，他巧妙利用算法的操作与GPU的紧密运作，不必通过在工作网络上发送大量数据也可以进行深度学习。
目前Alex Krizhevsky就职于谷歌，他的深度学习创业公司最近被谷歌收购了。与其他互联网巨头一样，谷歌也在探索如何在自己的深度学习工作中运用GPU，这主要在于GPU为深度学习的运用开辟了一条捷径。
在Kaggle，数据科学家们使用价值3000美元的单显卡游戏本运行深度学习算法，以解决图像和语音识别的问题，而且该技术在其他领域也有大的用处。Kaggle赢得第一轮竞争，它开发了一台深度学习机器，可以基于某些分子的化学结构预测其生物学反应，这个过程只使用一个单一的系统，采用以往的图像和视频游戏处理技术。
当然，退一步说，配置1.6万台处理器的系统有时候更有用。像谷歌和Facebook这类公司可以利用这种系统快速分析大量的图像和数字声音，实现自我学习。但如果你的数据集较小，单一系统仍旧可以提供一定标准的人工智能，这是传统的学习系统所无法达到的。
根据Socher的观点，深度学习涉及两个阶段的运算。首先是学习阶段，系统通过分析数据自我训练，熟悉相应的操作。之后到达第二个阶段，这个阶段是通过系统以外的人为操作来处理问题。学习阶段要求计算机拥有较高的处理能力，但很多情况下单一处理器就能满足要求，这取决于你对运转速度的需求。
令人恼火的是，互联网巨头们买断了所有深度学习领域的人才，这些人才对建立虚拟神经网络仍旧十分重要，深度神经网络的训练不仅是门科学，还是一门艺术，许多用来训练神经网络的参数往往要依靠直觉。
也就是说，很多深度学习算法其实是开放源码，这意味着任何人都可以利用它们，以及各家创业公司。其中包括旧金山一家名为Skymind的创业公司，该公司致力于培养擅长复杂算法的数据科学家。目前，谷歌和Facebook等大公司引领者这场人工智能革命，而未来将会有更多的人加入这场变革。
Source:Wired
