非科幻思考（第4页）

叠了多层，就从受人冷遇的小人物变成了江湖明星？故事有这么鸡汤吗？

当然不是这么简单。

“深度学习”

这次能焕发生机，也是生逢其时，有两阵不可忽略的东风送其上青云。

一阵东风是算力增强。

计算机芯片的速度呈指数级增长，价格一路下跌，由游戏应用发展壮大的GPU（图形处理器）大大补充了从前CPU（中央处理器）引擎的计算能力，让人工智能计算更强大。

“阿尔法狗”

战胜李世石的时候启用了1920个CPU和280个GPU阵列运算，一秒就能自我对弈数百盘。

另一阵东风是大数据。

事实上，这可能是这一轮人工智能热潮最重要的推动因素。

人们赫然发现，原来不是算法的问题，而是以前用来训练的数据还远远不够多。

这就好比让徒弟自学武功，却不给他足够多的对战机会。

有了大数据，算法呈现的结果出现了惊人的进步，让人目瞪口呆。

于是，在算力和大数据的辅佐之下，升了级的“深度学习”

算法如虎添翼，能够从海量数据中找到高超的战术规律，以人类无法看懂的方式战胜人类。

就是大数据辅助的“深度学习”

，成为这一轮人工智能热的关键。

人们把很多很多大数据扔给机器，用多层神经网络进行“深度学习”

，结果发现，机器在很多领域能力有了突飞猛进的提高。

图像识别的正确率赶上了正常人，语音识别也过关了，把科学文献作为数据，短时间就能学习几十万份最新文献。

金融、电力、能源、零售、法律，“深度学习”

都能从大数据中学到优化的行为做法。

人工智能的应用，能让这些领域变得高效、便捷、自动化。

除了“深度学习”

，也还有其他算法，包括后面要提到的决策树、贝叶斯等算法，各种算法的综合使用效果是最佳的。

各种算法共同构成机器学习大家庭。

除了深度学习，“阿尔法狗”

另一重武器叫作“强化学习”

。

“强化学习”

是什么呢？简单点说，就是“无序尝试，定向鼓励”

，就好比小朋友在屋里随机行动，走到数学教具旁边父母就说“好棒好棒”

，后来小朋友就特别喜欢走到数学教具旁边（当然，这纯属假想的场景）。

这种思维一点都不奇怪，在心理学中很早就已经应用到教学中，对大多数教学场景都有效果，尤其对一些发展迟缓的孩子做教学干预（但也有心理问题）。

本章未完，点击下一页继续阅读