Yann LeCun是著名人工智能研究者，像Facebook、谷歌和微軟等公司在做的一樣，他致力于將人工智能帶到更高的等級。

　　作為Facebook AI 研究的領(lǐng)頭人，LeCun負責監(jiān)管用于識別圖片和日常人類語言的龐大“神經(jīng)網(wǎng)絡(luò)”。神經(jīng)網(wǎng)絡(luò)的工作還包括在谷歌安卓手機上進行語音識別，在微軟Skype中提供即時翻譯，它在網(wǎng)絡(luò)上通過“自主學習”實現(xiàn)了諸多功能。他們用一個由眾多處理器組成的網(wǎng)絡(luò)來模擬人類大腦內(nèi)部工作方式，這些神經(jīng)網(wǎng)絡(luò)的能力甚至在某些方面超過了人類大腦。

　　本周在科學類雜志《自然》上，紐約大學計算機教授LeCun和另兩位學者共同發(fā)表文章，詳細描述了“深度學習”技術(shù)目前的發(fā)展狀況。文章詳細描述了近年來廣泛應(yīng)用的深度學習技術(shù)，向人們描述了這項技術(shù)如何在日益廣泛的互聯(lián)網(wǎng)領(lǐng)域內(nèi)重新定義了網(wǎng)絡(luò)服務(wù)，以及在將來它會怎樣繼續(xù)影響我們的生活。

　　但正如LeCun向《連線》雜志強調(diào)的那樣，深度學習不會僅僅停留在虛擬的網(wǎng)絡(luò)世界之中，它們終究會進入機械設(shè)備，實實在在地走入現(xiàn)實世界。這一點從機器人、自動駕駛汽車之中就可見端倪。就在上周，加州大學伯克利分校的研究者們成功通過深度學習讓一個機器系統(tǒng)自己學會了給一個瓶子擰瓶蓋。今年早些時候，著名芯片制造商英偉達和以色列公司Mobileye合作研發(fā)了可以改善自動駕駛汽車的深度學習系統(tǒng)。

　　LeCun在十年中一直在探索類似的機器認知系統(tǒng)，在2003年發(fā)表了在此領(lǐng)域內(nèi)的首篇論文。他提出通過深度學習算法教會機器人識別和躲避路上的障礙，這種概念與當下熱門的自動駕駛汽車不謀而合。

　　谷歌和一些其它公司已經(jīng)向人們展示了自動駕駛汽車。但LeCun等研究者表示深度學習技術(shù)可以大幅提升自動駕駛汽車的技術(shù)水平，就像它給圖像識別和語音識別帶來的進步一樣大。深度學習算法可以追溯到1980年代，但當時的硬件水平限制了它的發(fā)展，今天的公司和研究者們擁有了巨大的計算資源和網(wǎng)絡(luò)資源，可以通過龐大的數(shù)據(jù)庫來訓練智能算法。

　　協(xié)助研發(fā)谷歌自動駕駛汽車項目的Sebastian Thrun在去年秋季表示：“深度學習技術(shù)是我們把學習模型從簡單的、有限的領(lǐng)域帶到開放的新世界的絕佳機會?！?/p>

　　Thrun已經(jīng)離開了谷歌，但有趣的是谷歌卻在探索使用深度學習技術(shù)來改善自動汽車的可能性。最快將會在今年夏天實驗這種汽車。據(jù)谷歌研究院Jeff Dean的消息，谷歌目前在十幾種服務(wù)中應(yīng)用了此類技術(shù)，而非常依賴圖像識別的自動駕駛汽車技術(shù)是最明顯的一種。

　　在加州大學伯克利分校從事深度學習研究的Trevor Darrell表示，他的團隊正在也在研究將此技術(shù)用于自動載具。他說道：“從一個研究者的角度看，讓機器手臂把一顆釘子放進孔里和讓汽車、飛機躲避路徑中的障礙在本質(zhì)上是相似的?！?/p>

　　他同時表示深度學習是非常有趣的，因為它已經(jīng)改變了許多領(lǐng)域的研究現(xiàn)狀。在過去，研究圖像識別、聲音識別、翻譯和機器人化的科學家使用著完全不同的技術(shù)。而現(xiàn)在，深度學習這一方法可以滿足他們的所有需求。

　　結(jié)果是上述領(lǐng)域都隨著深度學習的進步而迅速發(fā)展。人臉識別已經(jīng)達到了人類的水平，語音識別也是如此。自動汽車預計在五年內(nèi)進入市場。人工智能已經(jīng)誕生，它將化身為各種不同的技術(shù)出現(xiàn)在我們的生活中。