2017全國(guó)雙創(chuàng)活動(dòng)周在上海拉開帷幕，百度創(chuàng)始人李彥宏作為“雙創(chuàng)”領(lǐng)袖代表在啟動(dòng)儀式上致辭。在發(fā)言中，“人工智能忠實(shí)粉絲”的他除了介紹了AI技術(shù)對(duì)于創(chuàng)新創(chuàng)業(yè)的推動(dòng)作用外，還提到了一些神秘字符——

9月15日，2017年全國(guó)大眾創(chuàng)業(yè)萬(wàn)眾創(chuàng)新活動(dòng)周在上海舉行，百度創(chuàng)始人李彥宏作為企業(yè)家代表進(jìn)行發(fā)言。

今年活動(dòng)周的主題是“雙創(chuàng)促升級(jí)，壯大新動(dòng)能”，在描繪“雙創(chuàng)”升級(jí)之路時(shí)，李彥宏表示，近年來(lái)互聯(lián)網(wǎng)的人口紅利已經(jīng)逐漸釋放殆盡，但一個(gè)比互聯(lián)網(wǎng)規(guī)模和影響都更大的新浪潮，正在撲面而來(lái)，就是人工智能。

李彥宏在發(fā)言中提到：技術(shù)在人工智能時(shí)代起到的作用非常大，而且技術(shù)進(jìn)步的速度也很快……過去幾年，深度學(xué)習(xí)從DNN，到RNN，到CNN，再到GAN，不停地在升級(jí)換代，觸發(fā)新的創(chuàng)新。

掐指一算，這段話里一共出現(xiàn)了7個(gè)N。人工智能技術(shù)雖然現(xiàn)在已經(jīng)不是新概念，但這些N究竟是什么意思？DNN（深度神經(jīng)網(wǎng)絡(luò)）、RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）、CNN（卷積神經(jīng)網(wǎng)絡(luò)）、GAN（生成式對(duì)抗網(wǎng)絡(luò)）究竟代表了什么技術(shù)，為何最近人工智能技術(shù)會(huì)飛速發(fā)展，結(jié)合到人工智能的未來(lái)又將會(huì)如何呢？

李彥宏說(shuō)道DNN、RNN、CNN、GAN其實(shí)都是深度學(xué)習(xí)的內(nèi)容。這些名詞聽上去高深莫測(cè)。其實(shí)道理并不復(fù)雜——

DNN是啥？

所謂神經(jīng)網(wǎng)絡(luò)其實(shí)這個(gè)詞是后來(lái)的，最早這個(gè)東西叫感知機(jī)，就是有一個(gè)輸入層，一個(gè)隱含層，一個(gè)輸出層。通過算法迭代完成一個(gè)解。

但是只有一層是處理不了復(fù)雜函數(shù)的，于是后來(lái)就發(fā)明了多層感知機(jī)，有多個(gè)隱含層，然后有算法讓各個(gè)層的各個(gè)節(jié)點(diǎn)互相聯(lián)通。

這種聯(lián)通很像人體中的神經(jīng)，于是這種多層的感知機(jī)就有了名字，叫神經(jīng)網(wǎng)絡(luò)。

理論上，隱含層當(dāng)然是越多越好，但是科學(xué)家在使用中發(fā)現(xiàn)層數(shù)多了往往是局部最優(yōu)。

就好比你下象棋，多層數(shù)的神經(jīng)網(wǎng)絡(luò)，算了很多步，計(jì)算怎么把對(duì)方的馬吃了，然后選了最佳一步棋。但是下棋是殺死對(duì)方的帥啊，吃掉馬能占據(jù)子力優(yōu)勢(shì)，但是并不一定贏啊。

為了吃掉對(duì)方馬的最優(yōu)步，不一定是贏棋的最優(yōu)步，這個(gè)問題不解決，層數(shù)多了反而不好用。

同時(shí)層數(shù)多了，訓(xùn)練數(shù)據(jù)的有效性就弱了，整體學(xué)習(xí)的效率也就不行了。

這個(gè)難題一直到2006年才解決，然后DNN（深度神經(jīng)網(wǎng)絡(luò)）就流行了。

DNN引出的CNN

DNN已經(jīng)可以實(shí)用，但是DNN的問題是參數(shù)太多，每個(gè)點(diǎn)連接產(chǎn)生的數(shù)據(jù)量太大，雖然有算法改良還是容易陷入局部最優(yōu)，而現(xiàn)實(shí)中有些東西是固定，不需要一層層地去學(xué)習(xí)計(jì)算。

于是，科學(xué)家就提出一個(gè)叫“卷積核”的東西，用這個(gè)東西來(lái)降低參數(shù)量，參數(shù)量少了，計(jì)算效率就提升了，而且陷入局部最優(yōu)解的概率也就下來(lái)了，深度計(jì)算就好用了。

時(shí)間問題引出的RNN

全部連接的DNN存在一個(gè)問題，就是沒法按照時(shí)間序列的變化建立模型。但是人工智能深度學(xué)習(xí)的東西可不是靜態(tài)的。

語(yǔ)音識(shí)別是動(dòng)態(tài)的，手寫也是動(dòng)態(tài)的，需要解決時(shí)間序列的問題，于是就有了RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）。在DNN的基礎(chǔ)上發(fā)展出時(shí)間戳，發(fā)展出長(zhǎng)短時(shí)記憶單元，可以有解決時(shí)間序列的應(yīng)用，這就是RNN。

以假亂真的GAN

GAN（生成式對(duì)抗網(wǎng)絡(luò)）是給生成模型用的，機(jī)器出來(lái)的語(yǔ)言，圖像能夠以假亂真，需要一個(gè)標(biāo)準(zhǔn)，需要一個(gè)判定模型。譬如要模擬生成一張畫，就有一個(gè)生成畫的模型，有一張事實(shí)存在的畫，有一個(gè)判定生成的畫，與事實(shí)存在的畫差異的模型。

首先固定生成模型，反復(fù)訓(xùn)練判斷模型，讓判斷模型學(xué)會(huì)判斷，判斷模型學(xué)習(xí)好了，就可以訓(xùn)練生成模型，最終讓生成模型生成的東西能以假亂真。

我們聽到百度度秘能模仿人說(shuō)話，就是這種技術(shù)在起作用。

在李彥宏看來(lái)，隨著人工智能技術(shù)的進(jìn)一步開放共享，它也將更好地賦能產(chǎn)業(yè)、完善生態(tài)、助力創(chuàng)新創(chuàng)業(yè)。在人工智能實(shí)際應(yīng)用中，李彥宏說(shuō)的DNN、CNN、RNN、GAN是混在一起用的。度秘看到你，識(shí)別你的面孔需要CNN，聽取你的語(yǔ)音需要RNN，回答你生成語(yǔ)言需要GAN。

而在包括人工智能技術(shù)這些新動(dòng)能發(fā)展起來(lái)之后，現(xiàn)代社會(huì)中簡(jiǎn)單的勞動(dòng)都可以被取而代之了。endprint