“哈尔（HAL）！把舱门打开！”在电影《太空漫游》中，一台名为“哈尔”的高智能计算机操控着宇宙飞船，而它拒绝执行为宇航员戴夫·鲍曼（DaveBowman）打开分离舱舱门的命令，这一场景戏剧性地展现出人工智能的关键问题：系统转而攻击它的设计者，这是幻想还是有依据的害怕？我们是否应该担心终有一日世界会被终结者或几乎拥有无限力量和邪恶设计目的的智能机器人统治？越来越多的人提出这样的问题，因为我们生活在一场前所未有的变革之中。放在50年前，这种变革是不可想象的。那就是，我毕生研究的人工智能正在颠覆人类社会。
因此，我想写这本书来解释人工智能运作时的方法和技术，且毫不掩饰其中的复杂性。这一过程比学习国际象棋更难，但是我认为有必要对这个话题形成一个理性的认识。大众媒体上总是充斥着“深度学习”“机器学习”“神经网络”等术语，我想用通俗易懂的语言一步步地阐明推进计算机科学和神经科学交叉的科学方法。
在深入了解机器的旅程中，本书提供了两个层次的阅读目标：第一个层次较为基础，即叙述、描写和分析；第二个层次针对对此感兴趣的读者，本书提供了更加深入的数学和信息技术推理。
人工智能可以让机器识别图片，转译不同语言的语音，翻译文本，自动驾驶，自动操纵工业流程。人工智能近年来惊人的发展离不开深度学习。深度学习可以训练机器直接完成任务，而不需要对其进行显式编程（明确的编程指示）。人工神经网络是深度学习的特点之一，其架构和运作方式基于人脑的启发。
人脑由亿个神经元构成，神经元细胞之间相互连接。人工神经网络也是由大量单元和数学函数构成的，与简化后的神经元类似。在学习时，人脑神经元之间的连接会被改变，人工神经网络在学习时也是如此。因为这些单元的组织通常是多层的，所以它们被称为神经网络，而人工神经网络学习的过程则被称为深度学习。
人工神经元的作用是对输入信号进行加权求和，如果求和总值超过某一阈值，则产生一个输出信号。人工神经元正是由计算机程序计算出的数学函数。可见，人工智能领域的词汇场与人脑中的词汇场相近，但这并不是巧合，因为正是神经科学领域的发展促生了人们对人工智能的研究。
我还想在这趟非同寻常的科学探索中追溯我的人工智能之旅。我的名字与改变了视觉识别的卷积网络密不可分。卷积网络受哺乳动物视觉皮层结构和功能的启发，能有效处理图像、视频、声音、语音、文本和其他类型的信号。
那么研究者做了什么呢？研究者的理念从何而来？对我而言，我经常凭直觉工作，同时也受数学的启发而工作。我知道许多科学家的工作方式与我完全相反。我会在脑中设想一些极端情况，也就是爱因斯坦所说的“思维实验”，即设计一个场景，然后尝试设想其后果，以便更好地理解问题。
这种直觉总会在我的阅读过程中出现。我贪婪地阅读，我熟知前人的所有工作。在探索之路上我们并非孤身一人，时机到来之时，那些已经存在的但尚未被提出的理念会一个接一个地涌入许多人的头脑中。科学研究也是一样，它的进展总是无序的，有时突飞猛进，有时停滞不前，甚至会走回头路。但研究这件事总是依靠集体协作的，发明者独自一人在实验室里工作的场景只会出现在科幻小说中。
来源：《科学之路》
转载请注明：http://www.0431gb208.com/sjsbszl/1388.html
