作者：韦青

来源：北大纵横

今天很是兴奋跟各人交流一下关于《深度学习》这本书的体会。我看完这本书之后很是喜欢，希望借这个时机和各人介绍一下这是一本什么样的书，我们该以什么角度看待这样一本书，在这个大时代配景下我们怎么理解这本书出书的意义，这本书背后的知识将为我们带来的新的看法。

这本书是业界大拿出的书，作者自己经历很是富厚。他是学物理的，同时还学生物科学，研究神经网络。他的配景像业界知名的人工智能专家学者，他们的研究都是笼罩多个领域。一方面以数学为主的，以数理化为主的科学领域，另外一方面以医学、生物学、神经学为主的领域，两者结合恰恰反应了这个时代的潮流。

以史为鉴，重新认识科技进步

在全球规模内由于技术的进步引发的新话题层出不穷，我们不绝接收到新的理念。越来越多的公司和人发明，人类开始进入“无人区”，没有一个大思想家或者大哲学家能够告诉我们未来会怎么样。所以人们爆发了许多争论，关于人工智能的争论，关于机械智能的争论，关于机械人的争论，关于技术和人类关系的争论等等。

去年10月份微软公司CEO萨提亚的一场很是有名的演讲上说，未来没有人引导我们，那么我们可以以史为鉴，看看历史上爆发过什么。最有代表性的就是第一次工业革命到第二次工业革命之间，由蒸汽时代进入电气化时代。我把这个阶段总结为四种态度和四种结局。其时有许多有影响力的全球性的公司，他们用蒸汽力量取代人的四肢。但当电气泛起的时候，绝大大都公司态度是看不起电，因为开始的阶段电的效率并不敷高。

第一类公司的想法是电力不可，效率低，没有未来，蒸汽力量足够了，一百年之后他们被淘汰了。

第二类公司放下一些担负，认为电是新生生物，也有潜在生长的可能性，可是仍然坚信蒸汽机的力量，坚信只要对蒸汽机进行改良一样可以坚持竞争力，这些公司也被淘汰掉了。

最可惜是第三类公司，他们已经放下旧的生产力，开始拥抱新的生产力和形成新的生产关系，可是思维方法没有改变。他们认为自己全面拥抱电气化时代，已经爆发比蒸汽机时代超高的效率，更低的本钱，可是他们还在跟蒸汽机相比，这些公司最终也被淘汰掉了。萨提亚在会上提到，我们做了一些大概的剖析，只有不到5%的公司在那个时代完成了转型和奔腾，真正进入了电气化时代。

其时大部分企业关于电气化的看法只是能点几多盏灯，或者生产线能够提高几多效率。只有5%的公司选择彻底放下担负，忘记什么是电气，什么是蒸汽，而是把它们都当成是工具。这些公司要的就是进入新的时代。这代表更高的效率，更低的本钱和更优秀的用户体验和产品品质。

通过历史上的事件可以发明，我们现在对未来的任何预估都是缺乏够的，都可能没有完全预计到未来的攻击力。

在五六十年前，全中国人民都有一种对未来社会的神往——楼上楼下电灯电话，这在其时来说是很是具有前瞻性了。其时的人们认为已经看到了最终最理想的社会，可是几十年之后再看，其时的神往并没有那么远大。从人类从开始考虑到用电到电的普及，已经有一百多年的历史。我们发明电不但仅可以点灯，不但仅可以驱动电器，不但仅可以驱动电机，甚至还可以有盘算机，还可以驱动一辆汽车，电力比原来的内燃秘密越发高效、越发可靠和越发优秀。

我们跟客户的交流中也有思考，是否需要做思维的转变，才有可能真正理解这一轮技术厘革是怎么回事。如果我们还抱着老的看法，抱着爆发问题时候的看法，我们真能够理解这个伟大的时代将带给我们的辉煌未来吗
？我们是否需要先把我们认为的所有偏见都放掉，然后再来看现在的技术究竟怎么回事
？我们也知道深度学习只是机械学习、人工智能的一部分，我们要把深度学习的担负也放下，扩展到我们进入的这个时代来思考。

不管从1956年的达特茅斯集会，照旧更早的图灵时代、冯?诺依曼时代、香农时代，他们都有关于人工智能的理解，都有关于盘算机究竟能做什么事情的理解。我们并不是直接进入了机械学习的时代，中间另有一个阶段是希望通过逻辑的关系。我们知道都有一种效劳If This Then That，也就是IFTTT。这种效劳充能够理解人的逻辑思维。好比说If我饿了，Then我要去用饭。If我是北方人，我饿了，Then我愿意吃的是面而不是米饭，用这种方法试图解读人类决策机制。厥后发明比较困难，一些专家认为这条路走欠亨，所以选择用模仿脑神经的机制来做决策，通过这种思路才有了今天这本《深度学习》的降生。

现在很流行说云时代要结束了，未来几年都是边沿智能时代，为什么
？其拭魅这和学习能力也是相关的。在某种意义上可以把人类看做是一个发电机，我们之所以要吃碳水化合物，还要呼吸氧气，是因为我们在以氧化的形式进行燃烧，爆发能量、爆发电力。我们之所以看到工具其实不是真的看到，而是把光子酿成电子，大脑去剖析电子爆发视觉，听觉也是一样。

由此开始，一批科学家开始探究人如何学习，怎么高效学习。虽然作者是深度学习和机械学习的专家，同时他也是人类学习的专家。这本书也是教人类怎么学习。我们业界许多专家学者始终想和宽大受众强调，不要把机械能力神话，机械自始至终都在充当取代人的某种性能的角色，目的是减轻人的某种担负。

在历史上的某个阶段，昔人类开始发明和使用工具，好比用骨头或者石片可以敲工具，完成手完成不了的能力。著名的科幻影戏《2001太空漫游》中有一个很是著名画面，猿人突然有一天发明可以拿骨头去敲另外一个骨头，可以把别的骨头敲碎，这就是人类历史上大的进步。他就发明这个骨头不但可以敲骨头，也可以敲肉，可以敲瓜果，敲野兽，也可以用来防身。那时候人类发明，原来可以拓展四肢的能力，利用外部工具去提高自己的能力。

工业革命之后，人类发明不但靠古板的工具，还可以靠种种机械的力量取代人类的四肢。我们现在不会无聊到说在肌肉能力方面还可以跟机械一拼，好比去和一辆汽车角逐跑步，应该没有人会这样做了。其实不可是肌肉的性能，我们连盘算的性能都都已经被淘汰掉了。有没有人可以马上开7的3次方
？应该没有。我们可以十几块钱买一个盘算器，盘算器就可以做到。我们为什么对这种现象不会抱恐惧心理，而对人工智能抱有莫名其妙的恐惧心理
？

我们能不可抱着这样一种态度，不是仅仅了解深度学习，而是通过深度学习了解机械学习的原理，通过机械学习原理了解人类学习的机制，进而了解人类智能的运作机制，然后才华够深刻理解人和机械智能特点划分是什么。

取代我们的不是AI，而是被AI赋能的人

最近也有媒体报道提到，经过14年努力，微软回到了市值第一，几星期之后可能亚马逊又酿成了市值第一。这恰恰反应了萨提亚说的特点，这个时代只尊重立异。你昨天是专家，如果你不遇上时代潮流，明天肯定就不是专家了。现在是一个末日感比较强的时代，各人总担心错过时机时机输在起跑线上。巨变的时代，没有起跑线的看法，每天都是起跑线，稍微一松开脚步就会被人凌驾去，这个时代是压力很大的时代，同时也是时机很大的时代。

理解时代特点，我们要了解深度学习，了解机械学习，进而了解人类学习特点，可是更重要是什么
？我们要号准时代的脉搏，要知道在这个时代要接纳什么样的态度和战略，才华够跟上时代的脚步。我们既不要成为时代的弃儿，也不希望成为烈士，我们最希望成为一个先行者。这个时代最大特征就是机械从取代人的四肢开始，已经于无声处开始取代人的大脑，甚至会慢慢取代所有能够泛起模型的人类能力。明白这一点我们才可以理解所处的时代。

面对深度学习和人工智能的生长，一种人选择放弃自己，一种人会爆发绝对的抗拒心理，不去主动拥抱这种能力，这都是有问题的。因为这种能力确实很强大，你不去拥抱的话，有可能被去拥抱这种能力的人类所淘汰掉了，被他们爆发降维攻击的能力了，这个其实很危险的。与其说是机械或者人工智能，或者机械智能会取代人，倒不如嗣魅掌握了机械智能人类酿成一种超人类，他们会把不具备这种能力的人类所取代掉，或者所降维攻击掉。作者特伦斯的良苦用心是希望我们做一个及格的地球人。为什么不是说作为一个美国人或者中国人
？因为地球上的人类都面临这样的挑战，都面临我们如何跟机械智能相处，如何提高我们能力，才华使我们具备更高的能力来应变这个时代的挑战。人工智能带来的这种降维攻击照旧很强大的，如果我们不认真的应对，去努力学习，并且去积极拥抱这种能力，有可能就真的被降维攻击了。

技术是拿来用的，而不是拿来吹和炒的

许多业界专家都有这样的感受，现在媒体对人工智能的炒作过热，反而让宽大读者，甚至是决策者失去了去这件事的焦点掌握。人工智能的焦点实际上就是机械学习的能力，就是一种机械智能。现在主要体现方法是深度学习，但并不料味着我们一经实验的符号学，用逻辑推理的方法其实并没有过时，只不过还无法实现。现阶段深度学习取得了巨大突破，引领各人进入到新的未来。新的未来里面会不会是深度学习和其他人工智能、机械学习的方法共存的方法
？我们并不知道，所以我们不要排斥这种看法，尤其不要认为现在就是深度学习这一种学习方法。未来应该是人类的学习能力、机械学习能力、深度学习能力和逻辑推理能力是共融共生的阶段，这可能是越发客观描述未来时代特征的一个方面。

智能时代之前的深度学习要靠数据的聚集去学习和驱动。可是现在的数据既不敷大，也不敷好。虽然我们有许大都据，可是并不算真正的大和洽。大数据的看法并不是多，我们数据结构和数据来源没有形成万物互联的社会，物联网没有布设到，5G没有到位，可能数据不敷那么多，不敷那么好。支撑万物互联的基础架构恰恰是一个云盘算的架构。所以倒着讲是智、大、物、云，正着去演绎是云、物、大、智。

如何理解人工智能

如何理解人工智能我总结了四点：首先，一定要应用。如果我们去学了“学会如何学习”的课程就会发明，现在最流行的方法是Problem-Based Learning，就是以问题为导向的学习，以实际解决问题计划的学习。未来是终身学习的时代，不保存大学结业之后就不学习了。如何终身学习
？一定要带着问题去学，这样学得越来越深入，学得越来越有用。人工智能也是一样的，它是一种学习的历程。学习不可为了学而学，一定是问题为导向的。

我的第二个看法就是，深度学习的生长不但仅要靠数学的进步，不但仅要靠盘算机科学的进步，还要对人类自己的神经、脑神经、传输神经、感知神经的理解，才华知道是怎么回事。

现在我们每个人有基础的学习能力，机械学习也是一样，只是通过开放的接口开下学习的通用能力。未来每个人一定要在通用能力之上，掌握行业的学习能力，才华够真正为人类带来更大的福祉。

第四点就是要真正爆发深度学习能力，我们需要有数据，需要有人才，还要有算法和算力。像微软这样专业公司可能会提供更强大的算法和算力，更多的公司需要在人才培养，数据收集上面下很大功夫，这样才华爆发互动的增进作用。数据、人才、算法、算力这四者缺一不可。每一方面在未来都巨大的商机，正是因为我们即将进入智能社会，商机恰恰不是只在智能自己，而是各个方面。

没有专家的时代，每个人都要终身学习

最后我另有两个看法。我用盲人摸象的寓言来举例，这个时代是没有专家的时代，我们每个人都在学习。不保存输在起跑线上，因为每天都在新的起跑线，我们只要不放弃学习，不放弃自己，不要认为我到了某种年纪或某种职位，我就不去学了，也不要因为我是学文科或者我是学理科的我就不要再学其他的知识。未来需要的是天天学习。因为这个伟大时代还没有来，我们最多是摸着大象的其中一部分，所以每个人都有可能成为最终摸到大象整体的那个人。

第二点，正是因为这个时代没有专家，同时也是没有所谓的正义的时代，每一个理论都有可能成为其时可行的理论，可是并不料味着能够成为永远的理论，永远乐成的规则。我们要去学习，不要唯种种专家，不要唯新，更重要唯实，你自己去试，小马过河，水是深浅只有自己知道。听别人说可以，包括我现在讲的，这也执偾我在微软这么多年的体会和理解，并不代表所有人体会和理解，尤其不代表是否是正确的。我们无妨能够自己去试一下，大胆去试发明原来水既不像A说得那么是深，也不像B说的那么浅，对你来说最适合的就是最好的要领。

最后以比尔?盖茨先生的这段话作为结尾：“人们大都倾向于高估他在一年内所能完成的事情，但又容易低估他们坚持十年后能够取得的成绩。”各人一定要明白，第一没有专家，第二没有起跑线，第三每天都在重新更新有新知识新理念泛起，我们先不要放弃自己，同时掌握最基本的对自己的自信和信念，认真学习。