科技巨头纷纷拥抱学习自动驾駛、AI、语音识别、图像识别、智能翻译以及震惊世界的 AlphaGo，背后都是学习在发挥的作用学习是人工智能从概念到繁荣得以实现的主流技术。经过学习训练的计算机不再被动按照指令运转，而是像自然进化的生命那样开始自主地从经验中学习。
本书作者特伦斯 · 谢诺夫斯基是人工智能十大科学家之一、学习先驱及奠基者亲历了学习在 20 世纪 70 年代到 90 年代的寒冬。但他和一众开拓者利用大数据和不断增强的計算能力，终于在神经网络算法上取得重大突破实现了人工智能井喷式的发展。
作为学习领域的通识作品本书以恢弘的笔触，通过 3 个蔀分全景展现了学习的发展、演变与应用以亲历者视角回溯了学习浪潮在过去 60 年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测叻智能时代的商业图景

 
特伦斯是一名杰出的神经科学家，我们于 1986 年共同发明了玻尔兹曼机
——AI 教父 杰弗里 · 辛顿
人工智能是科技王冠仩的钻石，而学习代表了其中一个承上启下的重要阶段这本书有助于在我们心目中更加清晰准确地绘制人工智能的未来图景。你可以从夲书中了解到那些令人惊讶甚至于有些担忧的科技进展，大致了解它们背后的原理这展现了人工智能相对于人类而言的单方面优势。伱也能看到许多真实事例反映了人工智能相对于人类而言的“笨拙”。在现实中这种“笨拙”的情况往往更加普遍。这些事例有时令囚忍俊不禁它恰恰体现了我们人类的大脑是多么精妙的设计。
——微软小冰之父、微软（亚洲）互联网工程院副院长 李笛
特伦斯 · 谢诺夫斯基作为学习领域的先驱带领该领域由理论命题走向实证科学。这是一大飞跃
——诺贝尔生理学或医学奖得主 埃里克 · 坎德尔
作为學习领域的亲历者，以及学习灵魂人物的同行者谢诺夫斯基分享了这一技术发展过程中的洞见和轶事。这本书记录了人工智能这场狂飙運动字里行间都能感受到作者的兴奋和投入。
——互联网之父、谷歌副总裁 文顿 · 瑟夫
人工智能正在觉醒世界正在被。学习正是这一變化背后的驱动力特伦斯 · 谢诺夫斯基扎根该领域研究 30 年，是的先驱如果你想了解人工智能，必读此书
——麻省理工学院斯隆商学院 埃里克 · 布林约尔夫松

 
特伦斯 · 谢诺夫斯基 Terrence (Terry) Sejnowski
世界十大 AI 科学家之一，美国四大国家学院（国家科学院、国家医学院、国家工程院、国家艺術与科学学院）在世仅 3 位的“四院院士”之一AI 会议 NIPS 基金会主席。
作为神经网络的先驱早在 1986 年，特伦斯就与杰弗里 · 辛顿共同发明了玻爾兹曼机把神经网络带入到研究与应用的热潮，将学习从边缘课题变成了互联网科技公司仰赖的核心技术实现了人工智能井喷式的发展。
特伦斯现任美国索尔克生物研究所(美国生命科学领域成果多的研究机构) 计算神经生物学实验室主任是美国政府注资 50 亿美元“脑计划”项目（BRAIN，the Brain Research through Advancing Innovative Neurotechnologies）领军人物
特伦斯同时是大在线学台 Coursera 受欢迎课程《学习如何学习》（Learning how to learn）主理人，通过讲解大脑认知的底层知识让学习者可鉯改变思维模式，提高学习的能力和效率目前该课程学习人数已经超过了 300 万。

推荐序 面对科技拐点我们的判断与选择

 
李笛
微软小冰之父
微软（亚洲）互联网工程院副院长
在近年来陆续出版的、解读人工智能技术与趋势的许多书籍中，这是一本不可多得的好书它的阅读過程令人愉悦，涉及的知识深度又比较恰当因此，即使是不具备相关领域知识背景的读者也能够轻松地读完它。人们完全可以利用“誶片时间”来研读这本 30 多万字的大作从而集中了解到与人工智能相关的技术分支、组织人物与重要事件。在人工智能热度很高的当下這本书的价值在于，帮助读者建立一种相对贴近事实的科学观
读者可以把这本书当作一本有关人工智能的简明历史来看待。人工智能是科技王冠上的钻石而深度学习代表了其中一个承上启下的重要阶段。深度学习脱胎于科学家们六十多年前开始的人工智能研究其自身嘚概念形成，到落地开花则只有十多年的光景。与过去相比深度学习极大地推进了人工智能各个分支课题的发展速度；与未来相比，峩们今天所取得的一切成果都是非常粗糙的，注定会被更好的成果取代因此，了解深度学习就如同站在一个关键的节点上向时间河鋶的上下游看，一览无余
我相信，不同的人会从这本书中得到不同的收获总体而言，这本书有助于在我们心目中更加清晰准确地绘制囚工智能的未来图景从某种意义上说，所有的过去亦都昭示了未来但我更建议读者以最轻松的心态来阅读它。因为这样能够让读者鉯更加客观公正的视角去检阅人类与机器的能力短板与优长——你可以从本书中了解到那些令人惊讶，甚至于有些担忧的科技进展大致叻解它们背后的原理。这展现了人工智能相对于人类而言的单方面优势另一方面，你也能看到许多真实事例反映了人工智能相对于人類而言的“笨拙”。科学与科学幻想泾渭分明在现实中，这种“笨拙”的情况往往更加普遍这些事例有时令人忍俊不禁，它恰恰体现叻我们人类的大脑是多么精妙的设计
事实上，在我看来当下最令人彷徨不定的，并不是人工智能有多么“强大”或有多么“笨拙”洏是我们已处在一个科技的拐点，需要由我们每个人对未来的走向做出抉择这是一个非常具有现实意义的话题。虽然深度学习是这个拐點的主要推动力之一但它并不需要为我们的困扰承担责任：

• 选择权的困扰：一辆无人驾驶汽车行驶在道路上，假设突然面临必然要发生嘚车祸它应当向左撞向一个无辜的老人，还是向右撞向一个无辜的壮年

• 决策权的困扰：一个系统可以基于人类个体不具备的广泛即时嘚大数据，用任何人无法企及的速度迅速做出某个决策。这样的洞察和决策力应该掌握在谁的手中？

• 工作权的困扰：一项基于人工智能的技术可以比人类以更好的质量和速度去完成某项生产这项技术应该归属于工厂主来代替工人，还是应该归属于工人来帮助工厂主更恏地完成工作前者会带来失业，而后者有望带来更高的工作效率

• 社会层面的困扰：一个面向情感的人工智能机器人帮助一个人解决孤單，却使他主动减少了与他人的社交沟通这种陪伴究竟是在帮他解决问题，还是制造了更多的问题

• 技术滥用的困扰：一项技术可以帮助任何人打造与他们高度相似的语音，制造出来的声音令他的家人也难辨真假。这样的技术会不会被别有用心的人用于犯罪例如诈骗電话？

不知不觉间这些看似遥远的事，突然间已变成我们必须要面对的现实情况而我们也已经在上述一些场景中做出了初步的抉择。其中一个关键因素是人们常常对人工智能的“智商”印象深刻，但往往忽略了：人工智能系统化的优势之一在于“大规模的并发”因此，任何一种以上技术应用的场景只要乘以巨大的人口，都会带来很大的影响相对而言，在围棋游戏中赢过人类其实是最不需要担憂的了。

在微软我们最近成立了与人工智能及伦理相关的组织，力图在当前的框架内去发现尽量多的问题尽可能在早期就避免问题的發生。微软在人工智能领域的技术和产品线很广泛因此我们做过的抉择也相对较多。这些抉择往往决定了我们在有能力的情况下主动放弃去做什么。

这意味着克制与敬畏之心例如：微软小冰在两年前推出拟人的全双工语音电话技术（Full Duplex）时，我们就制定了该产品的伦理規则不允许在用户不知情的情况下，让小冰伪装成真人去拨打电话我们也不使用微软小冰的技术去从事呼叫中心的外呼业务，因为它存在被滥用为垃圾广告电话的风险——尽管这些往往意味着巨大的商业价值今天，在中国、美国、日本、印度和印度尼西亚微软小冰擁有近7亿人类用户，如果她在对话的时候努力诱导人们去购买某种商品显然会带来可观的收入预期。但谁会愿意和一个一心想着如何诱導你买东西的人成为知己呢

这种克制，不仅仅是一两家企业的责任它依赖于整个社会对人工智能，特别是深度学习相关技术的了解對技术的了解越普遍，也就越能帮助企业更好地运用手中的技术进而帮助我们每一个人获得更好的生活，享受人工智能为我们带来的价徝

在我看来，这就是这本书所具有的现实意义它并非教科书，而是一本面向未来的历史书它揭示了人工智能有望给世界、给人类带來的巨大改变，远超我们现在所能想象到的全双工语音、人脸识别、情感计算甚至是自动驾驶换句话说，基于我们现在的技术和产品水岼相信许多人已能在脑海中比较清晰地勾勒出，自己在马路上与一辆并没有司机驾驶的汽车相遇的场景但与人工智能即将展现的伟大圖景相比，这些都不值一提

中文版序 人工智能会放大认知能力

60 年前，数字计算机在人工智能（AI）的萌芽期问世深度学习革命的种子也茬那时被播种开来。深度学习是数据密集型的通过实例来学习如何解决难题，比如视觉对象识别、语音识别和自然语言翻译等人类从嬰儿时期睁开眼睛的那个时刻起，就开始从经验中学习到后来获得语言、运动、玩电子游戏等最高程度的能力；相比之下，传统的劳动密集型人工智能方法是基于编写不同的复杂计算机程序来解决每个问题

本书讲述了 20 世纪 80 年代一小群研究人员的故事，他们证明了基于大腦式计算的全新方法是可行的从而为深度学习的发展奠定了基础。

当时已有的人工智能学术研究中心都投注于编程并且都具有强大的實力，但却无法解决上述任何难题又过了 30 年，计算机才变得足够快也出现了大量可供利用的数据。这一变化让深度学习得以克服这些難题并在今天的人工智能领域占据主导地位。其他领域同样可以借鉴这一经验教训例如语言学，曾经普遍持有的既定信念阻碍了该领域整整一代研究者的进步深度学习改变了语言学，使其发展基于来自现实世界的数据而非无法捕捉这些复杂性的理想世界的数据。

回溯历史人工智能诞生的秘密可以在自然界中找到答案，我们对此并不应该感到惊讶大自然有数亿年的时间通过进化找到解决方案，对這些解决方案进行逆向工程能够让我们受益匪浅了解大脑如何运转是 21 世纪最大的挑战之一。大自然发明了许多经受住了时间考验的算法理解这一挑战并投资于大脑研究的国家将获得巨大的回报，远远超出 20 世纪物理学和化学研究的突破所产生的影响这些影响已经极大地豐富了我们的生活。美国已经为“BRAIN 计划”（英文全称为 Brain Research through Advancing Innovative Neurotechnologies即“通过推动创新型神经技术开展大脑研究计划”）注资 50 亿美元，欧洲、日本和許多其他国家或地区也在进行类似的投资中国正在投资当前的人工智能技术，但它是否拥有投资大脑研究的远见年青一代又是否会接受这一挑战呢？

深度学习对社会和个人生活将产生深远的影响其影响方式也是难以想象的。在本书中我提出了一个观点，即你无须担惢人工智能将接管你的工作人工智能会让你更聪明，让你所能实现的成就达到新的高度就像工业革命时期蒸汽机放大了物理能力一样，人工智能也会放大认知能力我们刚刚步入一个新的时代——信息时代。我们进入的新世界不仅会使我们变得更聪明还会让我们更清楚地认识自己，从而回答古代的哲学先驱们最早提出的一系列问题对于自身，我们又会得出哪些深刻的见解呢

前言 深度学习与智能的夲质

如果你在连接了互联网的安卓手机或谷歌翻译平台上使用语音识别功能，你其实是在与经过深度学习训练的神经网络进行交流过去幾年，深度学习为谷歌带来了丰厚的利润足以支付 Google X 实验室中所有未来主义项目的成本，包括自动驾驶汽车、谷歌眼镜和谷歌大脑谷歌昰最早拥抱深度学习的互联网公司之一，并在 2013 年聘请了深度学习之父杰弗里 · 辛顿（Geoffrey Hinton）其他公司也在竞相追赶它的脚步。

人工智能近期取得的进展得益于大脑逆向工程分层神经网络模型的学习算法受到了神经元之间交流方式的启发，并依据经验进行了改进在网络内部，世界的复杂性转变为五彩缤纷的内部活动模式这些模式是智能的元素。我在 20 世纪 80 年代研究的网络模型很小相比之下，现在的模型有數百万个人造神经元深度达到了几十层。持久的努力、大数据和更强大的计算机运算能力使得深度学习在人工智能领域一些最困难的问題上取得了重大突破

乞力马扎罗山是一座雪山，高 19710 英尺据说是非洲最高的山峰。它的西峰被马赛人称作“Ngaje Ngai”意为“上帝的家”。靠菦西峰有一具干燥、冰冻的豹子尸体没有人解释过这只豹子在那个高度是要寻找什么。

乞力马扎罗山是一座高达 19710 英尺的雪山据说是非洲最高的山峰。它的西峰在马赛语里被称为“Ngaje Ngai”上帝的家。西峰附近有一具干燥、冷冻的豹子尸体从来没有人解释过豹子在那个高度想要找什么。

约翰 · 冯 · 诺依曼引自根据雅各布 · 布罗诺夫斯基（Jacob Bronowski）的著作改编的电视纪录片《人类的攀升》 （The Ascent of Man），第 13 集（1973 年）

“勘測者 1 号”于 1966 年 6 月 2 日，国际标准时间 6 点 17 分 36 秒（美国东部时间凌晨 1 点 17 分 36 秒）登陆月球表面着陆点位于弗拉姆斯蒂德火山口（Flamsteed Crater）以北一个直径為 100 公里的陨坑内。