來(lái)源： 科技日?qǐng)?bào) 作者： 馮衛(wèi)東 劉霞
請(qǐng)讀者朋友們先靜下心來(lái)想想，你能想到的最沮喪、最棘手或者簡(jiǎn)單說(shuō)來(lái)最煩惱的問(wèn)題是什么？接下來(lái)，你再想想什么技術(shù)可以解決這些問(wèn)題。為此，美國(guó)麻省理工學(xué)院（MIT）的《技術(shù)評(píng)論》雜志為讀者朋友們遴選出了2013年的10大突破性技術(shù)，這些技術(shù)為解決問(wèn)題而生，將會(huì)極大地?cái)U(kuò)展人類的潛能，也最有可能改變世界的面貌。
《技術(shù)評(píng)論》雜志的編輯在文章中指出，今年，我們首次用“突破性技術(shù)”來(lái)代替以往的“新興技術(shù)”。我們對(duì)突破性技術(shù)的定義非常簡(jiǎn)單：能讓人們以新方式使用技術(shù)的進(jìn)展。它或許是一種為人們提供有用接口的直觀設(shè)計(jì)（比如智能手表）；或者是使腦損傷患者能重新形成記憶的實(shí)驗(yàn)設(shè)備（比如記憶植入物）。有些技術(shù)可能對(duì)經(jīng)濟(jì)持續(xù)穩(wěn)定的發(fā)展至關(guān)重要（比如3D打印技術(shù)和超級(jí)電網(wǎng)）；而另外一些技術(shù)則可能會(huì)改變我們的溝通方式（比如臨時(shí)社交媒體）或者與我們的未來(lái)密切相關(guān)（比如產(chǎn)前DNA測(cè)序）。有些技術(shù)是工程師們天才創(chuàng)意的結(jié)晶；而有些技術(shù)則是科學(xué)家們對(duì)長(zhǎng)期困擾他們的問(wèn)題所采取的諸多嘗試的集大成者（比如深度學(xué)習(xí)和超高效太陽(yáng)能電池）。總而言之，我們希望這份年度技術(shù)榜單不僅能告訴人們需要知道這些技術(shù)；也借此對(duì)提出這些創(chuàng)意的人致以崇高敬意。
這些突破性技術(shù)中，深度學(xué)習(xí)位居榜首，其余九個(gè)分別是：超級(jí)電網(wǎng)、記憶植入物、藍(lán)領(lǐng)機(jī)器人、智能手表、產(chǎn)前DNA測(cè)序、3D打印技術(shù)、臨時(shí)社交媒體、來(lái)自廉價(jià)手機(jī)的龐大數(shù)據(jù)和超高效太陽(yáng)能電池，我們希望這些技術(shù)能為我們繪制出一幅比較全面的科技發(fā)展現(xiàn)狀圖。
（一）深度學(xué)習(xí)：讓機(jī)器學(xué)會(huì)思考和做決定
現(xiàn)在的機(jī)器擁有超強(qiáng)的計(jì)算能力，能識(shí)別對(duì)象并實(shí)時(shí)翻譯講話。人工智能終將變得越來(lái)越聰明。
重要性：如果計(jì)算機(jī)能夠可靠地識(shí)別模式并對(duì)外部世界的發(fā)展趨勢(shì)給出正確推論，那么，它可以更有效地幫助人類。
突破：這種人工智能方法可以放之四海而皆準(zhǔn)，廣泛應(yīng)用于多個(gè)領(lǐng)域。
重要參與者：谷歌公司、微軟公司、IBM公司、加拿大多倫多大學(xué)的杰弗里•辛頓教授。
美國(guó)發(fā)明家、預(yù)言家雷•庫(kù)茲韋爾曾發(fā)明了盲人閱讀機(jī)、音樂(lè)合成器和語(yǔ)音識(shí)別系統(tǒng)。2012年7月，庫(kù)茲韋爾拜訪了谷歌公司的首席執(zhí)行官拉里•佩奇，但他的目的并非為了找工作。庫(kù)茲韋爾是一名受人尊敬的發(fā)明家，也在變成研究機(jī)器智能的未來(lái)學(xué)家。他想與已經(jīng)看過(guò)他即將出版的《如何創(chuàng)建思維》這本書手稿的佩奇討論此書，他對(duì)佩奇表示，他想創(chuàng)辦一家公司來(lái)實(shí)現(xiàn)自己的想法——建造一臺(tái)真正的智能計(jì)算機(jī)：能夠理解語(yǔ)言，接著進(jìn)行推論然后自己做出決定。
很顯然，這樣一種嘗試需要谷歌公司海量的數(shù)據(jù)庫(kù)和無(wú)與倫比的計(jì)算能力。佩奇對(duì)庫(kù)茲韋爾說(shuō)：“我可以給你一些權(quán)限，讓你使用我們公司的數(shù)據(jù)庫(kù)和計(jì)算機(jī)，但是，靠一家公司單打獨(dú)斗，很難做成這件事。”因此，佩奇建議除了自己開公司，從沒(méi)有在其他公司工作過(guò)的庫(kù)茲韋爾加入谷歌。庫(kù)茲韋爾很快做出了決定：今年2月，他正式入職谷歌，成為該公司的工程部主管。庫(kù)茲韋爾說(shuō)：“50多年來(lái)，我專注研究人工智能就是為了這一刻。”
吸引庫(kù)茲韋爾的不僅包括谷歌公司的計(jì)算資源，而且，也包括該公司在人工智能的新領(lǐng)域——深度學(xué)習(xí)方面所取得的令人驚嘆的進(jìn)步。深度學(xué)習(xí)軟件試圖模擬大腦新皮質(zhì)內(nèi)神經(jīng)元的活動(dòng)，新皮質(zhì)是哺乳動(dòng)物大腦皮質(zhì)的一部分，在腦半球頂層，大約2到4毫米厚，分為6層，占據(jù)大腦80%的這些皺褶正是人類思想的發(fā)源地。深度學(xué)習(xí)軟件能非常真切地學(xué)會(huì)識(shí)別用數(shù)字形式表示的聲音、圖像和其他數(shù)據(jù)的不同模式。
幾十年前，就有科學(xué)家提出了深度學(xué)習(xí)的基本思路：軟件能用人造“神經(jīng)網(wǎng)絡(luò)”來(lái)模擬大腦新皮質(zhì)中的神經(jīng)元陣列，幾十年來(lái)，研究這一領(lǐng)域的科學(xué)家們可謂喜憂摻半。但是，得益于數(shù)學(xué)公式的改進(jìn)和計(jì)算能力的提升，計(jì)算機(jī)科學(xué)家現(xiàn)在能為更多虛擬神經(jīng)元建立模型。
隨著科學(xué)家們的研究不斷深入，現(xiàn)在，這些軟件在語(yǔ)音和圖像識(shí)別方面取得了可喜的進(jìn)步。去年6月，谷歌研發(fā)的一套深度學(xué)習(xí)系統(tǒng)證明，其在YouTube視頻的1000萬(wàn)張圖像中識(shí)別出諸如貓等物體的準(zhǔn)確度為此前任何一個(gè)圖像識(shí)別系統(tǒng)的兩倍。谷歌還利用該技術(shù)，降低了其最新研發(fā)的安卓（Android）手機(jī)軟件的語(yǔ)音識(shí)別的錯(cuò)誤率。去年10月，微軟首席研究官里克•拉希德在中國(guó)演講期間，向與會(huì)來(lái)賓演示了一款令人驚嘆不已的語(yǔ)音軟件。該軟件可將拉希德的口頭發(fā)言轉(zhuǎn)錄成英文文本，錯(cuò)誤率僅為7%，之后，再將英文文本翻譯成漢語(yǔ)文本，然后模仿他的口音用普通話說(shuō)出那些文本。同樣在去年10月份，一個(gè)由三名研究生和兩位教授組成的團(tuán)隊(duì)贏得了化學(xué)與制藥公司默克公司舉辦的一場(chǎng)競(jìng)賽，競(jìng)賽的主旨是鑒別出可導(dǎo)致新藥的分子，該團(tuán)隊(duì)正是采用深度學(xué)習(xí)的方法，將目標(biāo)對(duì)準(zhǔn)那些最有可能與靶標(biāo)綁定的分子，從而取得了成功。
谷歌目前已經(jīng)成為一塊極富吸引力的磁鐵，吸引著全球研究深度學(xué)習(xí)和相關(guān)的人工智能領(lǐng)域?qū)＜壹娭另硜?lái)。2013年3月，谷歌收購(gòu)了由加拿大多倫多大學(xué)計(jì)算機(jī)科學(xué)教授杰弗里•希頓創(chuàng)立的深度學(xué)習(xí)企業(yè)DNNresearch，希頓也曾獲得過(guò)默克大獎(jiǎng)。希頓目前將自己的時(shí)間一分為二：一半給大學(xué)；一半給谷歌。辛頓表示，他計(jì)劃“將這一領(lǐng)域的理念提取出來(lái)，用來(lái)解決實(shí)際問(wèn)題——諸如圖像識(shí)別、搜索、自然語(yǔ)言理解等方面的問(wèn)題”。
上述研究進(jìn)展時(shí)刻在提醒人工智能研究領(lǐng)域的專家們：科幻小說(shuō)和電影中出現(xiàn)的機(jī)器終將出現(xiàn)在現(xiàn)實(shí)生活中。的確，機(jī)器智能已滲透到各行各業(yè)并在逐步改變這些行業(yè)的面貌，從通訊、計(jì)算到醫(yī)療、制造以及運(yùn)輸?shù)龋灰欢恪BM研究的超級(jí)計(jì)算機(jī)Watson在美國(guó)著名的智力比賽中獲勝讓這一切得以彰顯。Watson也使用了一些深度學(xué)習(xí)技術(shù)，而且，科學(xué)家們現(xiàn)在也在訓(xùn)練它幫助醫(yī)生做決定。微軟也在手機(jī)操作系統(tǒng)Windows Phone和Bing語(yǔ)音搜索中用到了深度學(xué)習(xí)技術(shù)。
然而，要想將深度學(xué)習(xí)技術(shù)從語(yǔ)音和圖像識(shí)別領(lǐng)域擴(kuò)展到其他應(yīng)用領(lǐng)域則需要科學(xué)家們?cè)诟拍詈蛙浖献龀龈笸黄疲疫€需要計(jì)算能力的進(jìn)一步增強(qiáng)。或許，在幾年內(nèi)，我們不會(huì)看到計(jì)算機(jī)能自己思考，但幾十年內(nèi)或許可以。微軟美國(guó)研究院的院長(zhǎng)皮特•李說(shuō)，深度學(xué)習(xí)已經(jīng)引發(fā)了人工智能領(lǐng)域很多新的大挑戰(zhàn)。
建造大腦
當(dāng)然，有挑戰(zhàn)就會(huì)有人想解決辦法，一直有一些富有競(jìng)爭(zhēng)力的方法來(lái)應(yīng)對(duì)這些挑戰(zhàn)。現(xiàn)在，人們已經(jīng)可以將現(xiàn)實(shí)世界的信息和規(guī)則“喂給”計(jì)算機(jī)，為了做到這一點(diǎn)，需要程序員們不辭辛勞地編寫這方面的軟件。這會(huì)耗費(fèi)大量人力物力，但是，系統(tǒng)仍然無(wú)法處理模糊數(shù)據(jù)，這些程序的使用范圍僅限于一些受控的應(yīng)用領(lǐng)域，諸如手機(jī)的菜單系統(tǒng)等，該系統(tǒng)要求你通過(guò)說(shuō)出特定的詞語(yǔ)來(lái)提要求。
人工智能領(lǐng)域出現(xiàn)后不久，神經(jīng)網(wǎng)絡(luò)也于上世紀(jì)50年代開始興起。神經(jīng)網(wǎng)絡(luò)似乎很有前景，因?yàn)樗鼈冊(cè)噲D模擬大腦的工作方式，盡管采用的是一種非常簡(jiǎn)化的形式。程序能標(biāo)示出一套虛擬的神經(jīng)元然后隨機(jī)給它們分配數(shù)值或者“權(quán)值”，以讓它們之間相互關(guān)聯(lián)。這些“權(quán)值”決定了每個(gè)模擬的神經(jīng)元的反應(yīng)——用數(shù)值輸出0和1來(lái)表示，通過(guò)這種方式可以對(duì)圖像中的邊框或者藍(lán)色陰影、話語(yǔ)中的一個(gè)音素的某個(gè)能級(jí)等特征進(jìn)行數(shù)字化表達(dá)。
程序員需要訓(xùn)練神經(jīng)網(wǎng)絡(luò)通過(guò)用含有這些物體的圖像或含有這些因素的聲波的數(shù)字化后的版本來(lái)探測(cè)一個(gè)物體或者音素。如果該網(wǎng)絡(luò)無(wú)法精確地識(shí)別某個(gè)特定的模式，將會(huì)有一個(gè)算法來(lái)調(diào)整這些權(quán)值。這種訓(xùn)練的最終目的是讓網(wǎng)絡(luò)能夠持續(xù)一致地識(shí)別出語(yǔ)音或者圖像中的這種模式，也就是說(shuō)，識(shí)別出每句語(yǔ)音中的音素“d”或者每幅圖像中的狗，這同小孩子通過(guò)觀察人們稱作狗的動(dòng)物的頭型、行為以及毛皮、吠聲等等來(lái)認(rèn)識(shí)狗如出一轍。
但是，早期的神經(jīng)網(wǎng)絡(luò)一次能模擬的神經(jīng)元的數(shù)量有限，因此，它們無(wú)法識(shí)別出復(fù)雜程度很高的模式，這種情況一直持續(xù)到上世紀(jì)70年代。
在上世紀(jì)80年代中期，辛頓和其他人使用所謂的“深度”模型，引發(fā)了神經(jīng)網(wǎng)絡(luò)研究的新一輪復(fù)興，深度模型能更好地利用軟件模擬多層神經(jīng)網(wǎng)絡(luò)。但是，這一技術(shù)仍然需要大量的人力投入：程序員們不得不在將數(shù)據(jù)填入神經(jīng)元網(wǎng)絡(luò)前給每個(gè)數(shù)據(jù)貼上標(biāo)簽。而且，復(fù)雜的語(yǔ)音或者圖像識(shí)別所要求的計(jì)算能力彼時(shí)也讓人望塵莫及。
在過(guò)去十年里，辛頓和其他研究人員才終于做出了一些根本性的概念上突破。2006年，辛頓研發(fā)出了一種更有效地訓(xùn)練單層神經(jīng)元的方法。即第一層網(wǎng)絡(luò)學(xué)習(xí)一些基本的特征，諸如圖像的邊緣或者聲音的最小單元等。它通過(guò)發(fā)現(xiàn)那些出現(xiàn)頻率反常高的數(shù)字化后的像素或者聲波組合來(lái)做到這一點(diǎn)。一旦第一層精確地識(shí)別出這些特征，那么，它將被“喂給”第二層，以便第二層訓(xùn)練自己識(shí)別更復(fù)雜的特征，諸如邊角或者聲音單位的組合等等。這一過(guò)程在多層之間不斷重復(fù)，直到該系統(tǒng)能夠可靠地識(shí)別出音素或者對(duì)象為止。
就像上面提到的圖像中的貓。去年6月，谷歌演示了迄今最大的神經(jīng)網(wǎng)絡(luò)，其擁有超過(guò)10億個(gè)節(jié)點(diǎn)。美國(guó)斯坦福大學(xué)的計(jì)算機(jī)科學(xué)教授安德魯•恩格和谷歌的科學(xué)家杰夫•迪恩讓系統(tǒng)從1000萬(wàn)個(gè)隨機(jī)選擇的YouTube視頻上挑出了貓的圖像。在該軟件模型中，一個(gè)模擬的神經(jīng)元主要注意貓的圖像。其他神經(jīng)元?jiǎng)t專注于人臉、黃色的花朵以及其他物體的圖像。因?yàn)樯顚訉W(xué)習(xí)擁有的強(qiáng)大功能，盡管此前并沒(méi)有人給這些圖像貼上標(biāo)簽，該系統(tǒng)還是識(shí)別出了這些互不相干的對(duì)象。
然而，讓某些人工智能專家深感震驚的是深度學(xué)習(xí)在圖像識(shí)別領(lǐng)域所取得的驚人成就。該系統(tǒng)可以給YouTube視頻中的對(duì)象分類，并添加主題，準(zhǔn)確率達(dá)16%，盡管聽起來(lái)并不是很高，但與以前的方法相比，準(zhǔn)確率提高了70%。迪恩強(qiáng)調(diào)稱，要知道，YouTube視頻中的對(duì)象總共有2.2萬(wàn)個(gè)類別，大部分人都無(wú)法做到這一點(diǎn)。當(dāng)該系統(tǒng)被要求將圖像分成1000多個(gè)常見類別時(shí)，準(zhǔn)確率一下子飆升到50%。
大數(shù)據(jù)
在實(shí)驗(yàn)中訓(xùn)練多層虛擬神經(jīng)元占用了谷歌公司的1.6萬(wàn)臺(tái)計(jì)算機(jī)處理器，谷歌公司研發(fā)這些計(jì)算基礎(chǔ)設(shè)施的目的是用于搜索引擎和其他服務(wù)。機(jī)器學(xué)習(xí)新興公司Vicarious的聯(lián)合創(chuàng)始人迪利普•喬治稱，人工智能領(lǐng)域最近取得的進(jìn)步80%要?dú)w功于計(jì)算能力的增強(qiáng)。
然而，谷歌龐大的數(shù)據(jù)中心深度學(xué)習(xí)飛速發(fā)展只是這枚硬幣的一面，谷歌的操作策略則是這枚硬幣的另一面，這些操作策略就是，將計(jì)算任務(wù)分開，讓不同的計(jì)算機(jī)執(zhí)行不同的操作以便很快完成這些任務(wù)。這是迪恩早期的研究成果，迪恩已在谷歌工作了14年。這一策略讓深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度大大提高，使谷歌能夠運(yùn)行更大的網(wǎng)絡(luò)并朝這些網(wǎng)絡(luò)填入更多數(shù)據(jù)。
而且，深度學(xué)習(xí)也提高了智能手機(jī)上聲音搜索軟件的性能。直到去年，谷歌的安卓（Android）手機(jī)軟件使用的方法還會(huì)弄錯(cuò)很多單詞的意思。但是，在準(zhǔn)備于去年7月發(fā)布新安卓系統(tǒng)的過(guò)程中，迪恩領(lǐng)導(dǎo)的研究團(tuán)隊(duì)用基于深度學(xué)習(xí)的系統(tǒng)取代了部分語(yǔ)音系統(tǒng)。因?yàn)槎鄬由窠?jīng)元能對(duì)一個(gè)聲音的多種變形進(jìn)行更精確的訓(xùn)練，所以，該系統(tǒng)能更可靠地對(duì)各種支離破碎的聲音進(jìn)行識(shí)別，尤其是在地鐵等嘈雜環(huán)境中的聲音。因?yàn)樾孪到y(tǒng)能夠更好地理解話語(yǔ)所表達(dá)的真實(shí)意義，因此，返回的結(jié)果可能也會(huì)更加精確。幾乎一夜之間，錯(cuò)誤率下降到了25%，結(jié)果好得出乎人意料之外，有些評(píng)論家現(xiàn)在甚至認(rèn)為安卓的語(yǔ)音搜索功能比蘋果手機(jī)最著名的Siri語(yǔ)音助手還要更智能。
盡管上述諸多進(jìn)展令人歡欣鼓舞，但是，并非每個(gè)人都認(rèn)為深度學(xué)習(xí)會(huì)助推人工智能超越人腦。有些批評(píng)家表示，深度學(xué)習(xí)和人工智能從根本上忽略了大腦生物學(xué)的很多方面，太過(guò)于注重計(jì)算能力。
其中一個(gè)批評(píng)來(lái)自手提微型電腦Treo的發(fā)明者、PalmComputing公司的創(chuàng)辦人杰夫•霍金斯，2004年，霍金斯就出版了《人工智能的未來(lái)》一書，主要討論大腦如何工作以及如何為建造智能機(jī)器提供引導(dǎo)。
霍金斯上一個(gè)風(fēng)險(xiǎn)投資是Numenta公司，這是一個(gè)令人興奮的新公司，它試圖建立像人腦一樣的計(jì)算機(jī)，該公司正在研發(fā)一種機(jī)器學(xué)習(xí)系統(tǒng)，其在生物學(xué)上受到了深度學(xué)習(xí)理論的啟發(fā)，但并不使用深度學(xué)習(xí)。Numenta的系統(tǒng)能夠幫助預(yù)測(cè)能源消耗模式以及諸如風(fēng)車等機(jī)器失敗的可能性。
霍金斯表示，深度學(xué)習(xí)無(wú)法解釋時(shí)間的概念。他說(shuō)，大腦會(huì)處理傳感數(shù)據(jù)流，而且，人類的學(xué)習(xí)依靠回憶模式序列：當(dāng)你觀察到一只貓?jiān)谧瞿承┯幸馑际虑榈囊曨l，有意義的是運(yùn)動(dòng)本身，而非谷歌在實(shí)驗(yàn)中使用到的一系列靜止圖像。霍金斯說(shuō)：“谷歌的態(tài)度是，數(shù)據(jù)彌補(bǔ)了一切。”
不過(guò)，即使數(shù)據(jù)不能彌補(bǔ)一切，諸如谷歌等公司用來(lái)解決這些問(wèn)題的計(jì)算資源也不會(huì)被棄置。深度學(xué)習(xí)的支持者們強(qiáng)調(diào)說(shuō)，這些數(shù)據(jù)非常關(guān)鍵，因?yàn)榇竽X本身比今天的任何一個(gè)神經(jīng)網(wǎng)絡(luò)都要復(fù)雜得多。他們表示：“人類需要很多計(jì)算資源來(lái)使思想更好地工作。”
敢問(wèn)未來(lái)之路在何方？
盡管谷歌對(duì)深度學(xué)習(xí)的未來(lái)應(yīng)用并不那么確定，但是，其前景確實(shí)慢慢在發(fā)酵。顯然，更好的圖像搜索能夠幫助YouTube。而且，迪恩表示，深度學(xué)習(xí)模型能使用語(yǔ)音數(shù)據(jù)來(lái)更快地訓(xùn)練系統(tǒng)識(shí)別其他語(yǔ)音數(shù)據(jù)。更復(fù)雜的圖像識(shí)別技術(shù)有望使谷歌的自行駕駛汽車表現(xiàn)更好。而且，深度學(xué)習(xí)和人工智能軟件也將幫助谷歌和其廣告客戶更好地了解人們的想法與需求，從而對(duì)廣告營(yíng)銷產(chǎn)生重大影響。
上述美好暢想正是吸引庫(kù)茲韋爾的魅力所在，65歲的庫(kù)茲韋爾多年來(lái)一直潛心研究智能機(jī)器。在高中階段，他就編寫軟件使計(jì)算機(jī)能夠制造出不同形式的音樂(lè)，并于1965年在電視秀節(jié)目《我有一個(gè)秘密》中進(jìn)行了演示。從那時(shí)起，他的發(fā)明囊括了多個(gè)第一：第一臺(tái)盲人閱讀器；第一個(gè)可以對(duì)要打印的任何字體的文本進(jìn)行掃描并數(shù)字化的軟件；第一個(gè)能再造交響樂(lè)器的聲音的音樂(lè)合成器；第一個(gè)具備大型詞典的對(duì)話識(shí)別系統(tǒng)。
他現(xiàn)在的設(shè)想是，未來(lái)，人們的手機(jī)通訊錄中會(huì)有一個(gè)“網(wǎng)絡(luò)朋友”，可以在用戶允許的情況下閱讀電子郵件、追蹤用戶的一舉一動(dòng)，因此，當(dāng)你有任何問(wèn)題時(shí)，他都會(huì)告訴你答案。這并非他在谷歌的直接目的，但是，這一目的與谷歌聯(lián)合創(chuàng)始人謝爾蓋•布林的目標(biāo)相吻合。在公司成立之初，布林就表示，他想建造《2001太空漫游》中人工智能電腦HAL9000（HAL9000作為太空船的總控制電腦，既具有電腦對(duì)任務(wù)的絕對(duì)服從及精確性，又具有人類思維甚至感情，它在太空旅行中設(shè)計(jì)害死了除戴維之外的所有宇航員，最后戴維讓其停止運(yùn)行）那樣的智能機(jī)器，唯一不同的是，他制造出來(lái)的機(jī)器不會(huì)殺人。
庫(kù)茲韋爾目前的目標(biāo)是幫助計(jì)算機(jī)理解甚至表達(dá)自然語(yǔ)言。他說(shuō)：“我的使命是讓計(jì)算機(jī)對(duì)自然語(yǔ)言有足夠的理解力，然后來(lái)做有用的事情——更好地進(jìn)行搜索、更好地回答問(wèn)題。”最終，他希望制造出比IBM公司的Watson更好的機(jī)器——盡管他很欣賞Watson表現(xiàn)出的理解能力和快速反應(yīng)能力。
庫(kù)茲韋爾并不僅僅專注于深度學(xué)習(xí)，盡管他承認(rèn)他的語(yǔ)音識(shí)別方法也同樣基于大腦如何工作的理論。他想給單詞、詞組以及句子的本來(lái)意義建模，包括容易讓計(jì)算機(jī)犯錯(cuò)的模糊意義。他說(shuō)：“我想尋找一種圖畫式的方式來(lái)表達(dá)語(yǔ)言的語(yǔ)義。”
這就需要一種更綜合的方式來(lái)用圖表表示句子的句法。谷歌也在使用這種分析方法改進(jìn)翻譯中的語(yǔ)法。更好地理解自然語(yǔ)言將需要計(jì)算機(jī)能夠掌握我們?nèi)祟愓J(rèn)為是常識(shí)的意思。為此，庫(kù)茲韋爾將會(huì)用到谷歌的知識(shí)圖譜——谷歌對(duì)大約7億個(gè)主題、方位、人等進(jìn)行的分類以及它們之間的幾十億個(gè)關(guān)系。知識(shí)圖譜去年投入使用，會(huì)給搜索者提供問(wèn)題的答案而非只有鏈接。
最終，庫(kù)茲韋爾計(jì)劃用深度學(xué)習(xí)算法來(lái)幫助計(jì)算機(jī)處理“語(yǔ)言中的軟邊界和模糊內(nèi)容”。這聽起來(lái)令人有點(diǎn)望而卻步，實(shí)際情況也的確如此。他說(shuō)：“理解自然語(yǔ)言并非像搜索那樣，是一個(gè)在某個(gè)時(shí)刻就可以完成的任務(wù)，它是一個(gè)永遠(yuǎn)也無(wú)法完成的計(jì)劃。”
盡管庫(kù)茲韋爾的設(shè)想可能需要多年才能變成現(xiàn)實(shí)，在可見的未來(lái)，深度學(xué)習(xí)可以在語(yǔ)音和圖像識(shí)別之外的其他領(lǐng)域找到用武之地。首先，在藥物發(fā)現(xiàn)方面——辛頓的團(tuán)隊(duì)在默克大賽中取得大獎(jiǎng)就證明了這一點(diǎn)。
情況還不止于此，微軟公司的皮特•李說(shuō)，深度學(xué)習(xí)可以應(yīng)用于機(jī)器視覺方面，機(jī)器視覺就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷，這一技術(shù)可以將成像應(yīng)用于工業(yè)檢測(cè)和機(jī)器人視覺引導(dǎo)等方面。他也預(yù)想私人傳感器的出現(xiàn)——深度神經(jīng)網(wǎng)絡(luò)能夠用來(lái)預(yù)測(cè)可能會(huì)出現(xiàn)的醫(yī)療問(wèn)題。而且，貫穿整個(gè)城市的傳感器提供的數(shù)據(jù)可能會(huì)讓深度學(xué)習(xí)系統(tǒng)預(yù)測(cè)什么地方可能會(huì)出現(xiàn)交通擁堵。
在一個(gè)企圖為人腦建模這樣富有深遠(yuǎn)影響力的領(lǐng)域，一項(xiàng)技術(shù)并不能解決所有問(wèn)題，這一點(diǎn)難以避免。但現(xiàn)在，深度學(xué)習(xí)正在引領(lǐng)人工智能的發(fā)展方向，迪恩說(shuō)：“對(duì)于我們理解世界來(lái)說(shuō)，深度學(xué)習(xí)真的是一個(gè)非常強(qiáng)大的工具。”
（二）超級(jí)電網(wǎng)：出了問(wèn)題也不怕
瑞士ABB集團(tuán)新研發(fā)的斷路器可以實(shí)現(xiàn)長(zhǎng)距離的直流電輸出構(gòu)想，且適用于現(xiàn)有地區(qū)及國(guó)家的電網(wǎng)中，可以在5毫秒內(nèi)切斷相當(dāng)于整個(gè)核電廠輸出功率的巨大電流，速度之快相當(dāng)于蜜蜂振翅一次；電流之大相當(dāng)于100萬(wàn)歐洲人的用電。這種大功率的斷路器有望使直流電網(wǎng)變得更實(shí)用。
重要性：直流電網(wǎng)可能會(huì)因此變得更高效，而且，也能廣泛地同風(fēng)力發(fā)電廠和太陽(yáng)能發(fā)電站連接到一起。
突破：第一臺(tái)實(shí)用的混合式高壓直流斷路器。斷路器指能夠關(guān)合、承載和開斷正常回路條件下的電流，并能關(guān)合、在規(guī)定的時(shí)間內(nèi)承載和開斷異常回路條件（包括短路條件）下電流的開關(guān)裝置。
重要參與者：瑞士ABB集團(tuán)、德國(guó)西門子公司、美國(guó)電力研究院（EPRI）、美國(guó)通用原子公司。
高壓的直流電輸電線能夠有效地在幾千公里內(nèi)以及水下長(zhǎng)距離傳輸電力，其性能遠(yuǎn)勝目前在輸電網(wǎng)中廣泛使用的交流線。但是100多年以來(lái)，交流電線一直占據(jù)主流，因?yàn)楦邏旱闹绷麟娭荒苡糜邳c(diǎn)對(duì)點(diǎn)傳輸，而無(wú)法形成穩(wěn)定的電力系統(tǒng)所需要的集成電網(wǎng)。
去年12月，瑞士的ABB公司正式宣布，他們?cè)诟邏褐绷鲾嗦菲餮邪l(fā)領(lǐng)域獲得突破性進(jìn)展，他們研發(fā)出了一種實(shí)用的高壓直流電斷路器，能將出現(xiàn)問(wèn)題的部分電網(wǎng)切斷，從而保證電網(wǎng)的其他部分正常工作。這一創(chuàng)新進(jìn)展解決了直流電網(wǎng)所面臨的主要技術(shù)障礙，為打造高效可靠的直流電力供應(yīng)系統(tǒng)翻開了新的篇章。
清潔能源如太陽(yáng)能、水力發(fā)電等，不是位于偏遠(yuǎn)的高山、沙漠，就是自家屋頂。遺憾的是，既有的交流電系統(tǒng)無(wú)法妥善解決遠(yuǎn)距離傳輸?shù)碾娏p失，而直流輸電技術(shù)是最佳解決之道。高壓直流輸電技術(shù)可實(shí)現(xiàn)水力電廠的遠(yuǎn)距電力傳輸、離岸風(fēng)電與太陽(yáng)能并網(wǎng)及不同地區(qū)之間點(diǎn)對(duì)點(diǎn)的互相連接。
如此一來(lái)，來(lái)自于撒哈拉沙漠的太陽(yáng)能就可以為多云的德國(guó)提供電力；來(lái)自于歐洲各地的風(fēng)能也可以在夜間點(diǎn)亮電燈，從而照亮城市的夜空。結(jié)果，將會(huì)有更多可靠的可再生能源，同仇敵愾地與化石能源競(jìng)爭(zhēng)，改變目前各種可再生能源單槍匹馬同化石能源作戰(zhàn)的現(xiàn)狀。
除了持續(xù)發(fā)展混合式直流斷路器之外，ABB同時(shí)也建立了高壓直流電網(wǎng)模擬中心，為未來(lái)電網(wǎng)系統(tǒng)進(jìn)行先期研究。
